Metody i modele analiz danych przestrzennych 1100-12-G13-DS-MMADP

Wykład ma na celu zaprezentowanie wybranych metod z zakresu statystyki i ekonometrii przestrzennej i przestrzenno-czasowej, przydatnych do wieloaspektowej analizy danych regionalnych. Metody te są w szczególności polecane analitykom gospodarczym zainteresowanym rozwojem regionalnym na tle współczesnych wyzwań związanych z cyfryzacją gospodarki i rekomendacjami dla właściwej w tym kontekście polityki regionalnej. W ramach wykładu omawiane są następujące zagadnienia:
1. Ekonomiczne dane przestrzenne i przestrzenno-czasowe. Specyfika danych regionalnych. Konfiguracje danych. (W3)
2. Przestrzenna i czasowa agregacja danych. Szacowanie brakujących danych. (W3)
3. Podstawowe parametry opisowe przestrzennych i przestrzenno-czasowych rozkładów zmiennych. (W1)
4. Metody i modele procesów stochastycznych w analizie danych regionalnych – ogólna charakterystyka i ocena wartości poznawczych. (W1, W2)
5. Autokorelacja przestrzenna i przestrzenno-czasowa. Współczynniki autokorelacji przestrzennej i przestrzenno-czasowej oraz badanie ich istotności. (W1, W2)
6. Ekonometryczne modelowanie struktur procesów przestrzennych i przestrzenno-czasowych. Modele trendu przestrzennego i przestrzenno-czasowego. Przestrzenne modele autoregresyjne (SAR) i modele błędu przestrzennego (SEM). (W1, W2)
7. Przestrzenne i przestrzenno-czasowe modele regresji. Modele danych panelowych (modele z ustalonymi efektami, modele z losowymi efektami) – specyfikacja, estymacja i weryfikacja. Przestrzenne modele panelowe. (W1, W2)
Ćwiczenia mają za zadanie opanowanie umiejętności stosowania poznanych na wykładzie metod do badania rzeczywistych zjawisk ekonomicznych, co realizuje się poprzez przeprowadzanie różnorodnych analiz empirycznych przy wykorzystaniu głównie Excela i R-CRAN. Obejmują one następujący zakres tematów:
1. Zasady korzystania z programu R-CRAN – możliwości i ograniczenia w zakresie przeprowadzania analiz regionalnych. Prezentacje danych. (U4)
2. Określanie struktur ekonomicznych danych przestrzennych i przestrzenno-czasowych – konfiguracje danych. Przestrzenna i czasowa agregacja danych. Szacowanie brakujących danych. (U2)
3. Obliczanie parametrów opisowych przestrzennych i przestrzenno-czasowych rozkładów zmiennych. (U1, U2)
4. Dane przestrzenne i przestrzenno-czasowe jako realizacje dwuwymiarowych/trójwymiarowych procesów stochastycznych. Badanie autozależności w danych. Testowanie autokorelacji przestrzennej i przestrzenno-czasowej.(U1, U2, U3)
5. Ekonometryczne modelowanie struktur procesów przestrzennych i przestrzenno-czasowych. Dopasowywanie przestrzennych i przestrzenno-czasowych trendów. Identyfikacja autozależności przestrzennych i przestrzenno-czasowych. (U1, U2, U3)
6. Specyfikacja estymacja i weryfikacja przestrzennych i przestrzenno-czasowych modeli regresji. (U1, U2, U3)
7. Specyfikacja, estymacja i weryfikacja modeli panelowych. (U1, U2, U3)

Całkowity nakład pracy studenta

1. Godziny realizowane z udziałem nauczyciela (godziny kontaktowe): 50 godz. (uczestnictwo w wykładach - 15 godz. i ćwiczeniach - 15 godz., konsultacje, referowanie wyników przeprowadzonych analiz, zaprezentowanie końcowej pracy zaliczeniowej, kontakt mailowy). 2. Czas poświęcony na pracę własną (indywidualną) studenta: 50 godz. (zapoznanie się z literaturą, przygotowywanie się do zajęć, w tym: zgromadzenie danych, przeprowadzenie analiz empirycznych w ramach przygotowania końcowej pracy zaliczeniowej, zredagowanie pracy, przygotowanie się do zreferowania wyników przeprowadzonych analiz).

Efekty uczenia się - wiedza

Wykład: W1. Student zna metody i narzędzia z zakresu statystyki, ekonometrii przestrzennej i przestrzenno-czasowej, przydatne do badania zjawisk i procesów ekonomicznych (K_W01). W2. Student zna zasady przeprowadzania badań z wykorzystaniem danych przestrzennych (K_W01). W3. Student zna metody i techniki pozyskiwania danych niezbędnych do przeprowadzenia badań zjawisk ekonomicznych (K_W01).

Efekty uczenia się - umiejętności

Ćwiczenia: U1. Student stosuje metody i narzędzia statystyki oraz ekonometrii przestrzennej i przestrzenno-czasowej do badania zjawisk ekonomicznych w aspekcie cyfryzacji gospodarki (K_U01, K_U04). U2. Student identyfikuje struktury danych regionalnych – przestrzennych i przestrzenno-czasowych oraz interpretuje dane. Umie korzystać z różnych źródeł danych (K_U01). U3. Student potrafi diagnozować i prognozować przestrzenne zjawiska związane z cyfryzacją gospodarki (K_U01). U4. Student wykorzystuje odpowiednie oprogramowanie analiz statystycznych i ekonometrycznych (K_U04).

Efekty uczenia się - kompetencje społeczne

Ćwiczenia: K1. Student rozumie przydatność i znaczenie analiz z wykorzystaniem narzędzi i metod z zakresu współczesnej statystyki i ekonometrii przestrzennej. Rozumie potrzebę poszerzania wiedzy i doskonalenia umiejętności w zakresie analizy złożonych zjawisk ekonomicznych, niezbędnych do przedsiębiorczego działania (K_K02). K2. Student postępuje etycznie w zdobywaniu i wykorzystaniu wiedzy (K_K01).

Metody dydaktyczne

Eksponujące (pokaz), podające (wykład informacyjny/ konwencjonalny), poszukujące (ćwiczeniowa, projektu, referatu), tj.: Wykład z elementami pokazu multimedialnego – pokazy w Power Point, prezentacje komputerowe analiz z wykorzystaniem Excela i R-CRAN. Zajęcia ćwiczeniowe w laboratorium komputerowym. Przeprowadzanie analiz z wykorzystaniem: Excela i R-CRAN. Prezentacje otrzymanych wyników, pokazy w Power Point. Dyskusje.

Metody dydaktyczne eksponujące

- pokaz

Metody dydaktyczne podające

- wykład informacyjny (konwencjonalny)

Metody dydaktyczne poszukujące

- ćwiczeniowa
- referatu
- projektu

Koordynatorzy przedmiotu

Mateusz Jankiewicz

Kryteria oceniania

Wykład:
Sprawdzian pisemny w formie testu. (W1, W2, W3)
Ćwiczenia:
Końcowa praca zaliczeniowa. (U1, U2, U3, U4, K1, K2)

Praktyki zawodowe

Nie dotyczy

Literatura

Podstawowa:
[1] Szulc E., Jankiewicz M., Statystyczna i ekonometryczna analiza przestrzennych zjawisk ekonomicznych, Wydawnictwo UMK, Toruń, 2022
[2] Kopczewska K. (red.), Przestrzenne metody ilościowe w R: Statystyka, ekonometria, uczenie maszynowe, analiza danych, CeDeWu Sp. Z o. o., Warszawa 2020. Rozdziały: 1, 2 (2.1 - 2.4), 4, 5 (5.1, 5.2, 5.4).
[3] Kopczewska K., Ekonometria i statystyka przestrzenna z wykorzystaniem programu R-CRAN, CeDeWu Sp. Z o. o., Warszawa 2006, 2011.
[4] Suchecka J. (red.), Statystyka przestrzenna. Metody analiz struktur przestrzennych, C.H. Beck, Warszawa 2014. Rozdziały: 1 - 3, 4 (4.1 - 4.3).
[5] Suchecki B. (red.), Ekonometria przestrzenna. Metody i modele analizy danych przestrzennych, C.H. Beck, Warszawa 2010. Rozdziały: 1, 5, 8 (8.1 - 8.4), 10 (10.1).
[6] Elhorst, J.P., Spatial Panel Models, 2011
Uzupełniająca:
[1] Arbia G., Spatial Econometrics, Springer-Verlag, Berlin Heiderberg 2006.
[2] Schabenberger O., Gotway A. C., Statistical Methods for Spatial Data Analysis, Champion & Hall/CRC, New York 2005.
[3] LeSage, J., Pace, R.K. Introduction to spatial econometrics. Chapman and Hall/CRC, 2009.
[4] Jankiewicz M. Przemiany w strukturze konsumpcji w państwach europejskich w świetle koncepcji zrównoważonego rozwoju, Wydawnictwo UMK, Toruń, 2022.
[5] Suchecki B. (red.), Ekonometria przestrzenna II. Modele zaawansowane, C.H. Beck, Warszawa 2012.
[6] Szulc E., Ekonometryczna analiza wielowymiarowych procesów gospodarczych, Wydawnictwo UMK, Toruń 2007.
[7] Pebesma, E., Bivand, R., Spatial data science: With applications in R. Chapman and Hall/CRC, 2023.

Więcej informacji

Dodatkowe informacje (np. o kalendarzu rejestracji, prowadzących zajęcia, lokalizacji i terminach zajęć) mogą być dostępne w serwisie USOSweb:

Strona przedmiotu 1100-12-G13-DS-MMADP w USOSweb