Empiriske metoder

MET4 Empiriske metoder

  • Innhold

    Innhold

    Kurset bygger på og viderefører metode- og redskapsfag fra første studieår. Studentene trenes i empirisk analyse og bruk av data som beslutningsstøtte. Tolking av økonomiske og bedriftsrelaterte data står i fokus. Studentene skal kunne skille tilfeldig variasjon fra systematisk variasjon og årsakssammenhenger fra samvariasjon. Det legges vekt på integrasjon med de øvrige økonomiske fag gjennom eksempler og konkrete anvendelser. Mens hovedfokus tidligere i studiet har vært analyser med én variabel, tar en her opp analyser med flere variabler.

    Emneoversikt:

    1. Introduksjon til samfunnsvitenskapelig metode
      • Metodelære
      • Kvalitativ vs kvantitativ analyse
      • Forskningsetikk
    2. Deskriptiv statistikk
      • Populasjon og utvalg
      • Variablers målenivå
      • Sentraltendens, variasjon og samvariasjon
    3. Sammenligning av to grupper
      • Generalisering fra utvalg til populasjon
      • Sammenligning av to gjennomsnitt
      • Sammenligning av to standardavvik
      • Sammenligning av to andeler
    4. Sammenligning av flere grupper
      • Enveis variansanalyse
      • Toveis variansanalyse
    5. Kjikvadrattester
      • Test for flere andeler i én populasjon («goodness-of-fit-test»)
      • Test for uavhengighet i krysstabeller (kontingenstabeller)
    6. Fordelingsfrie tester
    7. Regresjonsanalyse
      • Enkel regresjon
      • Multippel regresjon: Modellering og residualanalyse
      • Paneldata
    • Kategorisk regresjon
    1. Tidsrekkeanalyse og prognoser

  • Læringsutbytte

    Læringsutbytte

    Kunnskap

    • Studentene har god forståelse for bruk av statistisk metode innen det økonomisk-administrative fagområdet

    Ferdigheter

    • Studentene kan gjennomføre enkle analytiske beregninger og empiriske analyser basert på data de møter i videregående studier eller i sin yrkeskarriere.
    • Studentene har fortrolighet med egnet statistisk programvare.

    Generell kompetanse

    • Studenene har erfaring med prosjektarbeid og rapportering av empiriske analyser.

  • Undervisningsopplegg

    Undervisningsopplegg

    Pensum foreleses i plenum og understøttes av datalabber. I datalabbene vil studentene jobbe med øvelsesoppgaver og case fra læreboken. Studentene skal gjøre en obligatorisk innlevering som øver dem i å rapportere statistiske analyser og dokumentere aktiv bruk av statistisk programvare.

  • Krav til forkunnskaper

    Krav til forkunnskaper

    Det forutsettes at studenter har tilegnet seg kunnskap tilsvarende MET2 og MET3.

  • Krav til kursgodkjenning

    Krav til kursgodkjenning

    Kursgodkjenning gis på bakgrunn av godkjent innleveringsoppgave (godkjent/ikke godkjent).

    Kursgodkjenning fra INT010 gjelder for MET4. Studenter som har kursgodkjenning fra INT010 anbefales å følge undervisningen i MET4 før eksamen.

  • Vurderingsform

    Vurderingsform

    Eksamen består av to deler. En skriftlig skoleeksamen (3 timer) teller 70 % og en gruppebasert hjemmeeksamen (3 dager) teller 30 %. Tillatt gruppestørrelse er 2-4.

    Oppgavetekst og besvarelse gjennomføres på begge språk (norsk og engelsk) i begge semestre.

    De to deleeksamenene kan tas uavhengig av hverandre, men det anbefales at de tas i samme semester.

    Gjentak av eksamen kan gjøres i en av deleksamenene eller i begge. 

  • Karakterskala

    Karakterskala

    A-F, for vurderingsdeler og for emnet som helthet.

  • Dataverktøy

    Dataverktøy

    Excel og R

  • Undervisningssemester

    Undervisningssemester

    Høst (engelsk) og vår (norsk)

  • Litteratur

    Litteratur

    Keller: Statistics for Management and Economics, 10. utgave eller Managerial Statistics, 8. eller 9. utgave. Cengage.

    Forelesningsnotater

    Deler av pensum er også dekket i Jan Ubøe, Statistikk for økonomifag, som brukes i MET2.

Oppsummering

Studiepoeng
7.5
Undervisningsspråk
Norsk (vår) og engelsk (høst).
Semester
Vår, Høst

Kursansvarlig

Håkon Otneim, Institutt for foretaksøkonomi (vår), Evelina Gavrilova-Zoutman, Department of Business and Management Science (Autumn)