Agroekonometrija (296316)
Course coordinator
Course description
Predmet Agroekonometrija uvodi studente u kvantitativne metode analize podataka koje se koriste u agrarnoj ekonomiji i ruralnoj sociologiji. Naglasak je na praktičnoj primjeni kvantitativnih metoda razumijevanju agroekonomskih pojava i njihovih odnosa, poput procjene utjecaja agrotehničkih mjera na prinose, kretanja cijena poljoprivrednih proizvoda, analizi tržišta, financijske uspješnosti gospodarstva, ponašanja potrošača, marketinga poljoprivredno-prehrambenih proizvoda, ruralnih kretanja i odnosa. Nastava se izvodi u računalnoj učionici uz primjenu softvera Excel i R ili SPSS. Studenti kroz rad na stvarnim podacima uče kako interpretirati rezultate modela i donositi odluke temeljene na kvantitativnim dokazima.
Type of course
- Diplomski studij / Agrobiznis i ruralni razvitak (Elective course, 1 semester, 1 year)
ECTS: 6.00
English language: L1
E-learning: L1
Teaching hours: 60
Lectures: 30
Practicum: 16
Seminar: 14
Grading
Sufficient (2): 51-64%
Good (3): 65-75%
Very good (4): 76-89%
Excellent (5): >90%
General competencies
Uspješnim završetkom ovog modula student će:
- Primijeniti ekonometrijske modele u analizi ekonomskih problema u poljoprivredi te razumijevanju agronomskih pojava i njihovih odnosa
- Evaluirati i interpretirati rezultate ekonometrijskih modela i primijeniti ih u donošenju poslovnih ili razvojnih odluka
- Identificirati i primijeniti indikatore za mjerenje ruralnosti, metode za upravljanje troškovima u agrobiznisu, metode kontrole i ocjene efikasnosti projekata
- Kritički prosuđivati, procijeniti i preporučiti rješenja vezana uz menadžment i marketing u agrobiznisu te agrarnu i ruralnu politiku
- Analizirati tržišta, financijsku uspješnost gospodarstva, ponašanje potrošača i marketinga poljoprivredno-prehrambenih proizvoda
- Interpretirati podatke uz primjenu računalnih alata
- Samostalno oblikovati mini-projekt na stvarnom skupu podataka iz poljoprivredne prakse
Types of instruction
- Predavanja
Upoznavanje studenata s kvantitativnim metodama analize podataka koje se koriste u agrarnoj ekonomiji i ruralnoj sociologiji te temeljnim znanjima i alatima potrebnim za analizu i interpretaciju istih. - Auditorne vježbe
Primjena znanja u programskim paketima Excel i R ili SPSS, te rad na stvarnim podacima u cilju interpretacije rezultata modela i donošenje odluka temeljenih na kvantitativnim dokazima. - Vježbe u praktikumu
Primjena znanja u programskim paketima Excel i R ili SPSS, te rad na stvarnim podacima u cilju interpretacije rezultata modela i donošenje odluka temeljenih na kvantitativnim dokazima. - Seminari
Izrada mini-projekta na temelju zadane agroekonomske ideje ili cilja te istraživanje raspoloživih podataka iz poljoprivredne prakse.
Learning outcomes
| Learning outcome | Evaluation methods |
|---|---|
| Formulirati ekonometrijski model na temelju poljoprivredne teorije (npr. funkcija proizvodnje ili potražnje). | Aktivnost na nastavi, seminarski rad (mini projekt), pismeni ispit I. |
| Procijeniti parametre jednostavne i višestruke regresije koristeći specijalizirani softver (Excel, JASP, R ili SPSS) na realnim agro-podacima | Aktivnost na nastavi, pismeni ispit I. |
| Interpretirati rezultate analize jednostavne i višestruke linearne regresije na agrarnim podacima | Aktivnost na nastavi, seminarski rad (mini projekt), pismeni ispit I. |
| Dijagnosticirati narušavanje pretpostavki klasičnog modela jednostavne i višestruke linearne regresije (multikolinearnost, heteroskedastičnost, autokorelacija) | Aktivnost na nastavi, pismeni ispit II. |
| Modelirati utjecaj kvalitativnih čimbenika te testirati razliku između skupina. | Aktivnost na nastavi, seminarski rad (mini projekt), |
| Izraditi kratkoročnu prognozu poljoprivrednih prinosa ili cijena primjenom metoda dekompozicije vremenskih nizova. | Aktivnost na nastavi, pismeni ispit II. |
| Samostalno oblikovati mini-projekt na stvarnom skupu podataka iz poljoprivredne prakse. | Seminarski rad |
Working methods
Teachers' obligations
Prenijeti studentima znanje iz područja vezanog uz cilj, ishode učenja i kompetencije ovog modula, putem predavanja, primjera za vježbu i vođenja izrade mini-projekta (seminara). Nastavnik održava stalnu komunikaciju sa studentima te im stavlja na raspolaganje nastavne materijale i važne informacije u svezi modula korištenjem suvremenih metoda učenja, uključivo i e-učenje. Također provjerava nazočnost, vrednuje stupanj usvajanja znanja i ocjenjuje studente.
Students' obligations
Studenti su obavezni nazočiti predavanjima, vježbama i seminarskim vježbama te raditi na izradi seminarskog rada u obliku mini-projekta i pripremi za pisane provjere znanja (ispite). Studenti su također dužni redovito pratiti obavijesti vezane uz nastavu i prijaviti se na sustav e-učenja kao korisnici modula. Kod predaje seminarskih radova i prijavljivanja ispita dužni su se držati zadanih rokova.
Methods of grading
| Evaluation elements | Maximum points or Share in evaluation | Grade rating scale | Grade | Direct teaching hours | Total number of average student workload | ECTS |
|---|---|---|---|---|---|---|
| Pohađanje nastave | 30 | 30 | 1 | |||
| Priprema i prezentacija mini-projekata (MP) | 20% |
20 40 60 80 |
Sufficient (2) Good (3) Very good (4) Excellent (5) |
26 | 30 | 1 |
| Parcijalni ispit I. (PI1) | 40% |
0-50% 51-64% 65-75% 76-89% 90-100% |
Insufficient (1) Sufficient (2) Good (3) Very good (4) Excellent (5) |
2 | 60 | 2 |
| Parcijalni ispit II. (PI2) | 40% |
0-50% 51-64% 65-75% 76-89% 90-100% |
Insufficient (1) Sufficient (2) Good (3) Very good (4) Excellent (5) |
2 | 60 | 2 |
| Aktivno sudjelovanje u nastavi i izrada zadaća (AKTV) | 10% | |||||
| Ukupno | 110% | 0.4*(PI1)+0.4*(PI2)+0.2*MP+AKTV | 60 | 180 | 6 |
Weekly class schedule
- Uvod u agroekonometriju i ponavljanje statistike: podsjetnik na deskriptivne i inferencijalne metode, svrha i primjena ekonometrije u poljoprivredi, izvori podataka (DZS, HGK, Ministarstvo poljoprivrede)
- Jednostavna linearna regresija: modeliranje odnosa prinosa i inputa (gnojivo, rad, trošak), interpretacija parametara. Analiza povezanosti varijabli: Pearsonova i Spearmanova korelacija.
- Višestruka regresija: uvođenje više objašnjavajućih varijabli, procjena modela, interpretacija koeficijenata modela
- Višestruka regresija: Multikolinearnost, heteroskedastičnost, testiranje značajnosti, transformacije podataka
- ANOVA i dummy varijable: testiranje razlika između skupina – primjer regija, godina, sortimenta
- Planiranje mini-projekta primjenom regresijske ili vremenske analize na stvarnom skupu podataka iz poljoprivredne prakse: značaj planiranja, vrste analize, struktura analize, upute za izradu jednostavne ekonometrijske analize.
- 1. Međuispit: pismeni.
- Analiza vremenskih nizova: osnovni pojmovi trenda i sezonalnosti
- Analiza vremenskih nizova: osnovni pojam cikličnosti, vizualizacija u Excelu
- Analiza vremenskih nizova: modeliranje trenda, sezonske korekcije, kratkoročna prognoza
- Napredna primjena vremenskih nizova: kombiniranje trenda i regresije.
- Analiza cijene mlijeka kroz vrijeme i faktori troškova
- Prezentacije projekata
- 2. Međuispit: pismeni.
- Prezentacije projekata
Preconditions
- Poslovna statistika 1 (132786)
Obligatory literature
- P. Newbold, W. L. Carlson, B. Thorne: Statistika za poslovanje i ekonomiju, Mate d.o.o, Zagreb (2010)
- Jeffrey M. Wooldridge, Introductory Econometrics: A Modern Approach, South-Western, Cengage Learning (2020)
- G. van Belle: Statistical rules of Thumb, John Willey and Sons, USA, 2002.
Recommended literature
- Hill, R. C., Griffiths, W. E., Lim, G. C. (2018): Principles of Econometrics, Wiley.
- • F.M. Dekking, C. Kraaikamp, H.P. Lopuhaa, L.e. Meester: A modern introduction to probability and statistics, understanding why and how, Springer-Verlag, London, 2005
