Kursplan för Tidsserieanalys

Time Series Analysis

Det finns en senare version av kursplanen.

Kursplan

  • 7,5 högskolepoäng
  • Kurskod: 2ST093
  • Utbildningsnivå: Grundnivå
  • Huvudområde(n) och successiv fördjupning: Statistik G1F

    Förklaring av koder

    Koden visar kursens utbildningsnivå och fördjupning i förhållande till andra kurser inom huvudområdet och examensfordringarna för generella examina:

    Grundnivå

    • G1N: har endast gymnasiala förkunskapskrav
    • G1F: har mindre än 60 hp kurs/er på grundnivå som förkunskapskrav
    • G1E: innehåller särskilt utformat examensarbete för högskoleexamen
    • G2F: har minst 60 hp kurs/er på grundnivå som förkunskapskrav
    • G2E: har minst 60 hp kurs/er på grundnivå som förkunskapskrav, innehåller examensarbete för kandidatexamen
    • GXX: kursens fördjupning kan inte klassificeras

    Avancerad nivå

    • A1N: har endast kurs/er på grundnivå som förkunskapskrav
    • A1F: har kurs/er på avancerad nivå som förkunskapskrav
    • A1E: innehåller examensarbete för magisterexamen
    • A2E: innehåller examensarbete för masterexamen
    • AXX: kursens fördjupning kan inte klassificeras

  • Betygsskala: Underkänd (U), godkänd (G), väl godkänd (VG)
  • Inrättad: 2007-05-31
  • Inrättad av: Samhällsvetenskapliga fakultetsnämnden
  • Reviderad: 2010-12-17
  • Reviderad av: Institutionsstyrelsen
  • Gäller från: VT 2011
  • Behörighet:

    30 hp statistik

  • Ansvarig institution: Statistiska institutionen

Mål

En student som gått kursen skall

- ha fördjupade kunskaper inom statistisk teori och metodik, särskilt med anknytning till ofta förekommande problemställningar inom ekonomiska och samhällsvetenskapliga tillämpningar

- kunna estimera ekonomiska och andra modeller i samhällsvetenskaperna för tidsseriedata.

- kunna tolka resultaten av en genomförd modellanpassning

- vara medveten om begränsningar och eventuella felkällor i analysen

- ha förmåga att såväl i muntlig som skriftlig form redovisa resultat av genomförda undersökningar

Innehåll

Översikt över olika prognostekniker. Modeller för tidsserier. Tidsberoende säsongkomponenter. Autoregressiva (AR), moving average (MA) och blandade ARMA-modeller. Random walk-modellen. Box-Jenkins metodologi. Prognoser med ARIMA och VAR modeller.

Dynamiska modeller med tidsförskjutna förklarande variabler. Koyck-transformationen. "Partial adjustment" och "adaptive expectation" modeller. Grangers kausalitetstest. Stationaritet, enhetsrötter och kointegration. Modellering av volatilitet: ARCH- och GARCH-modellen.

Undervisning

Undervisning ges i form av föreläsningar och räkneövningar

Examination

Examinationen sker dels genom ett skriftligt prov i slutet av kursen och dels genom redovisning skriftligt och muntligt av ett antal obligatoriska inlämningsuppgifter, så kallade laborationer. De betyg som kan ges på en kurs är: icke godkänd, godkänd respektive väl godkänd.

Versioner av kursplanen

Litteratur

Litteraturlista

Gäller från: VT 2011

I bibliotekets söktjänst kan du se om en titel finns elektroniskt.

  • Cryer, Jonathan D.; Chan, Kung-sik Time series analysis : with applications in R

    2. ed.: New York: Springer, cop. 2008

    Se bibliotekets söktjänst

    Obligatorisk

Skriv ut kursplan och litteraturlista
Skriv ut