DERS ADI

: Uygulamalı Ekonometri I

DERECE PROGRAMLARI

Ders Bilgileri

Ders Kodu Ders Adı Ders Türü D U L AKTS
İKT 5131 Uygulamalı Ekonometri I SEÇMELİ 3 0 0 6

Dersi Veren Birim

İktisat Yüksek Lisans

Dersin Düzeyi

Yüksek Lisans

Ders Koordinatörü

PROF. DR. HAKAN KAHYAOĞLU

Dersi Alan Birimler

İktisat Yüksek Lisans

Dersin Amacı

İktisat teorisine konu olan iktisadi (mikro ve makro) modelleri ekonometrik analiz
teknikleri yardımıyla test etmek, iktisatçılar için veri bilimi temel oşuturacak
(makine öğrenmesi, derin öğrenme) yaklaşımlar ile yapay zeka araçlarını ders
kapsamında kullanılmak ve öğrenciye güven duyabileceği iktisadi ve finansal öngörü ve
tahmin yeteneği kazandırmaktır.

Dersin Öğrenme Kazanımları

1   Ekonomik ve ekonometrik modelleri analiz edebilme
2   Ekonometrik modellere ilişkin matematiksel teknikleri öğrenebilme
3   Parametrik tahmincileri içeren ekonometrik modeller için hipotez testleri yapabilme
4   Parametrik tahmincileri tahminleyebilme
5   Ekonometrik modellerin birincil ve ikincil verilerini test edebilme
6   Makine öğrenmesi, derine öğrenme yaklaşımları ile Yapay zeka araçlarını analiz aracı olarak kullanabilme

Dersin Öğretim Türü

Örgün Öğretim

Dersin Önkoşulu/Önkoşulları

Yok

Ders İçin Önerilen Diğer Hususlar

Yok

Ders İçeriği

Hafta Konular Açıklama
1 Ekonometrinin Kavramsal Çerçevesi, Ekonometrik Modelleme, Veri İşleme Sürecinin Anlatımı,ekonometrik Programlar ve Açık kaynak Araçlar;Ekonometri ve İktisat Bilimi ile Teknolojik Gelişmelerin Etkisi
2 Doğrusal Regresyon Modeli ve Varsayımları: Teorik Anlatım ve Uygulama (İki ve Çok Değişkenli Regresyon Analizi ve Hipotez Testleri)
3 Çok Değişkenli Zaman Serisi Analizleri ve Yorumlanması
4 Çok Değişkenli Analizlerinde Temel Ekonometrik Sorunlar
5 Açık Kaynak Kodlu Araçlara Giriş: R, Python, Julia
6 R ve Python ile Uygulamalar
7 Nitel Bağımlı Değişkenli Ekonometrik Modeller: Logit Probit Tobit Modelleri - Teorik Anlatım ve Uygulama (R, Python Uygulamaları)
8 ARA SINAV
9 Dinamik Ekonometrik Modeller: Ardışık Bağımlı ve Gecikmesi Dağıtılmış Modeller - Teorik Anlatım ve Uygulama (R, Python)
10 Eşzamanlı Denklem Modelleri, R, Python Uygulamaları (Eşanlılık Sorunu ve Hausman Testi, İki Aşamalı En Küçük Kareler - Teorik Anlatım ve Uygulama)
11 Zaman Serisi Ekonometrisi: Durağanlık ve Sahte Regresyon Sorunu, Birim Kök Testleri: Hata Düzeltme Modeli ve Nedensellik Analizi - Teorik Anlatım ve Uygulama
12 Çok Değişkenli Zaman Serisi Analizleri: VAR ve Sistem Yaklaşımları: Teorik Anlatım ve Uygulama
13 Panel Veri Kavramı, Dengeli ve Dengesi Panel Veri Tanımları, Panel Veri, Zaman serisi ve Yatay Kesit veri arasındaki Farklar, Sabit Etkili ve Rassal Etkili Panel Veri Modelleri, Sabit ve Rassal Etkilerin Testi(Hausman Testi) - Teorik Anlatım ve Uygulama
14 Ekonometride Makine ve Derin Öğreneme

Ders İçin Önerilen Kaynaklar

- Gujarati, Damodar N. (1999), Temel Ekonometri, Çev. Ümit Şenesen&Gülay Günlük
Şenesen, Literatür Yay., İstanbul.-Gujarati, Damodar N. (2016), Örneklerle Ekonometri, BB101 Yayınları-Chris, Brooks. (2014), Introductory Econometrics for Finance, 3rd edition by Palgrave
Cambridge University Press-R. Carter Hill, William E. Griffith and Guay C. Lim., (2007), Principles of
Econometrics by John Wiley & Sons -Dimitrios Asteiou and Stephan Hall (2015), Applied Econometrics 3rd edition by
Palgrave-Enders, Walter (1995), Applied Econometric Time Series, John Wiley and Sons, USA.- Uygur, Ercan (2001), Ekonometri: Yöntem ve Uygulama, İmaj Yay., Ankara.-James, Witten, Hastie, Tibshirani. An Introduction to Statistical Learning with
Applications in R, (2021)-James, Witten, Hastie, Tibshirani. An Introduction to Statistical Learning with
Applications in Python-Referanslar: İktisadi ve ekonometrik modelleme Temelli (SSCI, Econlit vb.) yayınlar.-Diğer ders materyalleri: Dersle ilgili paket programlar
Christoph Hanck, Martin Arnold, Alexander Gerber, and Martin Schmelzer, Introduction
To Econometrics With R,https://www.econometrics-with-r.org/, (2025-07-23)
Florian Heiss Using R for Introductory Econometrics, 2nd edition, 2020,
http://www.urfie.net/
Florian Heiss, Daniel Brunner, Using Python for Introductory Econometrics, 2020,
http://www.urfie.net/-Han, Jiawei (2011), Data Mining: Concepts and Techniques, 3rd
Açık kaynaklar:
R, Python, Julia

Öğrenme ve Öğretme Yöntemleri

Sınıfta ders anlatımının ve olgular hakkında tartışmanın yanı sıra, belirtilen teorik
çerçeveye uygun olarak her bir konu bilgisayar ortamında ekonometrik uygulamalarla
desteklenecektir.

Değerlendirme Yöntemleri

SIRA NO KISA KOD UZUN ADI FORMUL
1 MTE MIDTERM EXAM
2 STT TERM WORK (SEMESTER)
3 FIN FINAL EXAM
4 FCG FINAL COURSE GRADE MTE * 0.20 + STT * 0.30 + FIN* 0.50
5 RST RESIT
6 FCGR FINAL COURSE GRADE (RESIT) MTE * 0.20 + STT * 0.30 + RST* 0.50


Değerlendirme Yöntemlerine İliskin Aciklamalar

Yok

Değerlendirme Kriteri

İlan Edilecektir.

Dersin Öğretim Dili

Türkçe

Derse İlişkin Politika ve Kurallar

İlan Edilecektir.

Dersin Öğretim Üyesi İletişim Bilgileri

hakan.kahyaoglu@deu.edu.tr

Ders Öğretim Üyesi Görüşme Gün ve Saatleri

İlan Edilecektir.

Staj Durumu

YOK

İş Yükü Hesaplaması

Etkinlikler Sayısı Süresi (saat) Toplam İş Yükü (saat)
Ders 14 3 42
Haftalık hazırlıklar 13 2 26
Ara sınav hazırlığı 1 10 10
Final hazırlığı 1 15 15
Ödev hazırlığı 1 15 15
Sunum hazırlığı 2 8 16
Kitap okuma 1 25 25
Final sınavı 1 4 4
Ara sınav 1 3 3
TOPLAM İŞ YÜKÜ (saat) 156

Program ve Öğrenme Kazanımları İlişkisi

PK/ÖKPK.1PK.2PK.3PK.4PK.5PK.6PK.7PK.8PK.9
ÖK.15
ÖK.24
ÖK.35
ÖK.43
ÖK.54
ÖK.6

İLETİŞİM BİLGİLERİMİZ
Dokuz Eylül Üniversitesi Cumhuriyet Bulvarı No: 144 35210 Alsancak / İZMİR
Telefon: +90(232) 412 12 12 - Faks: +90 (232) 464 81 35

Copyright 2015 DEÜ. BİD

ANASAYFA / ÜNİVERSİTE HAKKINDA / DERECE PROGRAMLARI / ÖĞRENCİ İÇİN GENEL BİLGİLER / ULUSLARARASI İLİŞKİLER