0x010088F6312065A70A44B630A6848498EAD80093CFEAFE161DC94D83C7C5C9A5A748B8

Dette emnet går annet hvert år, og har siden Corona-tiden vært kjørt online. En tidlig endring var mer fokus på det elementære i regresjonsanalyse (i tillegg til de mer viderekommende tema) som har fungert bra. Overgangen til nettbasert virker å fungere bra.

God rekruttering utenfra, men kunne gjerne sett flere kandidater fra NTNU Handelshøyskolen.

NTNU:TIA:REST

NTNU Handelshøyskolen

NTNU Business School

Engelsk

Mer om vurdering

KurskravKandidatene må levere inn en forskningsplan på 2-3 sider, som består av deres forskningsplan (for kursinnlevering), inkludert forskningsspørsmål/hypoteser, hvilke data som skal benyttes samt relevante variabler. Dette skal leveres inn før andre samling (hvis det allerede er klart kan det tas med til første samling). Studentene skal bruke egne datamaskiner og ha dataprogrammet Stata innstallert. Det er et krav om mint 80% deltakelse i kurse.Karakterer vil være bestått/ikke bestått. Innlevering skal leveres inn som en teoretisk basert statistisk analyse og ha form som en akademisk forskningsartikkel (men med mer vekt på den statistiske delen av artikkelen). Lengden skal være rundt 15 sider. Studentene må bruke en (eller flere) av metodene presentert i kurset. Det er ingen muntlig eksamen.

Anbefalte forkunnskaper

Mastergradskurs i statistikk/økonometri/kvantitativ metode

Forkunnskapskrav

Studentene må være registrert på et PhD-programm.

Faglig innhold

OversiktMålet med dette kurset er å gi studentene en introduksjon til avanserte økonometriske metoder ved å bruke Stata. I kurset vil vi fokusere på praktisk anvendelse av metodene brukt i økonomiske fag og andre samfunnsvitenskaper ved å bruke data relevante for deltakerne. Å bli i stand til å skrive gode statistiske forskningsartikler vil hjelpe PhD-kandidatene med å publisere deres arbeider i gode akademiske tidsskrift. Statistikk kan også brukes til å bekrefte resultater fra casestudier.Vi vil gå igjennom det grunnleggende i regresjonsanalyse med fokus på forutsetninger, før vi ser på hva vi kan gjøre når ulike forutsetninger for OLS-regresjon er brutt. Kurset omfatter både tverrsnittsdata, hierarkiske data og tidsseriedata. Det er forskjellig fra andre kurs. For det første er tema og eksempler relevante for studenter innenfor økonomi og andre samfunnsfag. For det andre vil vi i kurset fokusere på anvendt statistikk, og legge til rette for at studentene kan produsere forskningsartikler innenfor kursets rammeverk.Studentene vil få en repetisjon av grunnleggende regresjonsanalyse, før vi går videre til situasjoner hvor vi ikke kan benytte vanlig OLS-regresjon. Så vil vi gå videre til mer avanserte statistiske metoder, som f.eks. logistisk regresjon, multinomisk og ordinal regresjon, flernivå, panel, SEM-modeller (tema kan variere fra gang til gang).Kurset vil fokusere på statistiske metoder som er relevante for PhD-kandidater i samfunnsvitenskap.

Kursmateriell

Læringsutbytte

Kunnskap:<ul><li>Demonstrere kunnskap om regresjonsanalyse og dets begrensninger;</li><li>Å kunne bestemme hvilken type regresjonsanalyse passer for ulike typer avhengige variabler og datastrukturer;</li><li>Å forstå og bruke forskjellige typer av statistiske modeller, inkludert ulike varianter av logistisk regresjon, flernivåanalyse, paneldata, og tidsserie;</li><li>Forstå, tolke og presentere statistiske resultater</li></ul>Ferdigheter:<ul><li>Vil bli kjent med og i stand til bruke det statistiske verktøyet Stata;</li><li>Forberede data;</li><li>Utføre en uavhengig statistisk analyse;</li><li>Skrive statistiske metodeseksjoner;</li><li>Skrive kvantitative forskningsartikler</li></ul>

Læringsformer og aktiviteter

Kurset består av to separate samlinger, som vil bestå av en blanding av presentasjoner og dataarbeid hvor vi bruker både eksempeldata og studentenes egne data. Fokuset i samlingene er å få studentene i stand til å bruke hva de har lært i kurset på deres egne data. Vi vil også introdusere studentene for metodisk litteratur som vil hjelpe dem i deres arbeid.

Applied Statistics for Business and Social Science Research

Økonomi og administrasjon

Økonomi og ledelse - doktorgrad (ph.d.)

Web/Lists(guid'8b698a2d-6ad0-4f7d-b3be-219cc1979f02')/Items(21885)/FieldValuesAsText

Dette er et samlingsbasert doktorgradsemne på 7.5 studiepoeng som grunnet COVID/SARS-situasjonen ble gjennomført digitalt. Det ble avholdt 2 samlinger a 3 dager, henholdsvis i februar og mars 2021. Første del av emnet inneholder en innføring i de vanligste regresjonsanalyser samt statistikkprogrammet Stata. Annen del av emnet inneholder en gjennomgang av mer avanserte metoder. Kurset har også en halv dags undervisning med gjesteforeleser. Tilbakemeldingene fra studentene er positiv. Fire av kanididatene gav tilbakemelding på kurset i form av epost,og de opplevde kurset som lærerikt samt at det digitale opplegget (ferdig innspilte forelesninger samt digitale samligner) fungerte meget bra. Det ble også påpekt at det var gode diskusjoner med gjesteforeleser. Undertegnede vurderer kvaliteten som god, vi benytter oppdaterte lærebøker og har veldig stor fokus på det pedagogiske, samt hva som er relevant for PhD-kandidater.

Læringsutbytte er oppdatert og relevant, og er kommunisert til kandidatene gjennom kursdokument/framdriftsdokument. Det er noen endringer i kurs/læringsutbytte fra tidligere emner. Grunnet erfaringer har jeg valgt å legge noe mer fokus på grunnleggende regresjonsanalyse dette året.

Kurset har flere læringsaktiviteter som bidrar til dette. Alle forelesningene samt dataøvingene er forhåndsinnspilte på video, slik at kandidatene møter forberedt til hver Workshop. De digitale møtene benyttes til gjennomgang av forelesningene samt spørsmål/diskusjon, inkludert spørsmål om egne oppgaver. Studentenes egeninnsats er gjennom pensum, dataøvinger, samt arbeid med eget paper. Læringsmiljøet er selvsagt noe påvirket av at det er digitalt (ved tidligere år har vi hatt en sosial samling på ettermiddagen).

Her er det godt samsvar. Vurderingsforment er innlevering av et paper, som må inneholde visse momenter som er gjennomgått i kurset. Et videre mål med innleveringen er at PhD-kandidatene har mulighet å arbeide videre med dette mtp.egen avhandling.

Coursework requirements
The students will be required to hand in a 23 page research plan, consisting of their research plan (for the course paper), including research question/hypotheses, data to be used, and relevant variables. This should be handed in before the second workshop. It is expected (but not mandatory) that the students brings relevant data for the second workshop (if ready, they can also bring it to the first workshop). The students should bring their own laptops and have the statistical program Stata installed on their computers. There is a requirement of at least 80 % attendance.


Grading
Pass/Fail: the grading for this course will be judged by faculty members on a pass/fail basis. Students will be assessed on their research paper. This paper should be delivered in the form of a theoretically based statistical analysis and have the form of an academic research paper (with extra weight given to the statistical part of the paper). Length should be about 15 pages. The students are required to use one (or more) of the methods presented in the course. There will be no formal examination for this course.

The students must be registered on a PhD programme.

Overview
The objective of this course is to give the students an introduction to advanced econometric methods using Stata. In this course, we will focus on the practical application of the methods used in management accounting and business research using data relevant for the participants. Being able to write statistical research papers will help PhD-candidates in publishing their work in good academic journals. Statistics can also be applied in order to confirm results found in case studies.

We will go through the basics of regression with a focus on diagnostics, before moving on to different ways of modeling when the OLS regression assumptions are breached. This course encompasses both cross-sectional, nested data, and time-series analysis. It differs from other courses in two main ways. First, the topics and examples used will be relevant for students within management accounting and business research. Second, the course will focus on applied statistics, thus enabling the candidates to produce a research paper within the framework of the course.

Students will get a repetition about the basics of regression analysis, before moving on to situations where we cannot apply ordinary least squares regression to different types of data. Then will go through different types of dependent variables, including dichotomous variables (logistic regression), variables with more than two categories (multinomial regression), and ordinal variables (ordered logistic regression). The next topic are data that breaches the assumption of independent units, that is, the data are nested. This includes hierarchical or multilevel data and panel data. The course will conclude with structural equation models.

This course will focus on statistical methods relevant for PhD-candidates in management accounting and business research. Research questions within these fields often require the analysis of data where the linear regression assumptions are breached, and where ways of handling nested- and time data are required.

Topics
- Linear regression and regression diagnostics
- Logit models, including ordered logit and multinomial regression
- Multilevel analysis
- Panel data analysis
- Structural equation modeling

The course aims to enable the students to:
1. Use Stata to perform statistical analyses relevant to their dissertation;
2. Be aware of the limitation of OLS regression;
3. Model data where OLS regression assumptions are breached;
4. How to deal with different types of dependent variables;
5. Write an independent statistical research paper;
6. Have knowledge on how to handle nested and time-series data;
7. Be able to write quantitative papers within the fields of management accounting or business research.


The course consists of 2 separate workshops, which will comprise a mixture of formal presentations and lab work using both example data and the students own data. The focus of the workshops is to enable the students to be able to use what they learn in the course on their own data relevant for their respective doctoral theses. We will also introduce the students to literature that will aid them in their further work on their statistical models.

On completion of this module, students will be able to:

Knowledge:
 Demonstrate a knowledge of regression analysis and its limitations;
 To decide which type of regression analysis is appropriate for different types of dependent variables and data structures;
 To understand and use different types of statistical models, including different variants of logistic regression, multilevel modeling, panel data analysis, and time-series-cross-section data;
 Understand, interpret, and present statistical results.

Skills:
 Will be familiar with and able to use the statistical software Stata;
 Prepare data for use;
 Perform an independent statistical analysis;
 Write statistical method sections;
 Write quantitative research papers of good quality.

Applied Statistics for Management Accounting and Business Research

Ph.d.program i økonomistyring

Økonomiske fag - emnestudier

Web/Lists(guid'8b698a2d-6ad0-4f7d-b3be-219cc1979f02')/Items(10799)/FieldValuesAsText

Applied Statistics for Business and Social Science Research - BMAC8030