1. Úvod do ekonometrie - co je ekonometrie, typy dat, struktura ekonometrických modelů
2. Statistické základy ekonemetrie - náhodné veličiny, pravděpodobnost, testování hypotéz
3. Jednoduchý lineární regresní model - odhad metodou nejmenších čtverců, koeficienty a index determinace
4. Statistická verifikace modelu - testování hypotéz o parametrech, intervaly spolehlivosti
5. Vícenásobná lineární regrese - rozšíření modelu, dummy proměnné
6. Diagnostika modelu - multikolinearita, testy významnosti
7. Porušení předpokladů lineárního modelu - heteroskedasticita, Durbin-Watsonův test, transformace modelu
8. Porušení předpokladů lineárního modleu - nelinearita, logaritmické transformace
9. Výběr modelu - kritéria AIC, BIC, overfitting, validace modelu
10. Modelování s časově závislými daty
11. Panelová data a jejich využití v podniku - fixní a náhodné efekty, základní modely
12. Kvalitativní proměnné - logit a probit modely
13. Ekonometrie a strojové učení v digitalizovaném prostředí - regresní stromy, srovnání klasické ekonometrie a modelů strojového učení

1. Úvod do ekonometrie - co je ekonometrie, typy dat, struktura ekonometrických modelů
2. Statistické základy ekonemetrie - náhodné veličiny, pravděpodobnost, testování hypotéz
3. Jednoduchý lineární regresní model - odhad metodou nejmenších čtverců, koeficienty a index determinace
4. Statistická verifikace modelu - testování hypotéz o parametrech, intervaly spolehlivosti
5. Vícenásobná lineární regrese - rozšíření modelu, dummy proměnné
6. Diagnostika modelu - multikolinearita, testy významnosti
7. Porušení předpokladů lineárního modelu - heteroskedasticita, Durbin-Watsonův test, transformace modelu
8. Porušení předpokladů lineárního modleu - nelinearita, logaritmické transformace
9. Výběr modelu - kritéria AIC, BIC, overfitting, validace modelu
10. Modelování s časově závislými daty
11. Panelová data a jejich využití v podniku - fixní a náhodné efekty, základní modely
12. Kvalitativní proměnné - logit a probit modely
13. Ekonometrie a strojové učení v digitalizovaném prostředí - regresní stromy, srovnání klasické ekonometrie a modelů strojového učení

Odborné znalosti:
Absolvent umí definovat klíčové pojmy z oblasti ekometrie jako jsou ekonometrický model, regresní model, předpověď modelu, předpoklady modelu a diagnostika modelu. Asolvent umí vysvětlit propojení ekonometrických metod a metod v oblasti podnikového modelování.
Odborné dovednosti:
Absolvent dovede pracovat s jednotlivými pojmy z oblasti ekonometrie a dovede výstupy ekonometrických modelů jasně prezentovat.
Obecné způsobilosti:
Absolvent je schopen uplatnit teoretické znalosti ve vymezení problému, který ekonometrii řeší; je schopen navrhnout a realizovat přístup k výzkumu a ekonometrii.