Με την επιτυχή ολοκλήρωση του μαθήματος οι φοιτητές/τριες θα είναι σε θέση να:

• κατανοούν ορισμένες από τις δυσκολίες, τα προβλήματα και τις λύσεις που προκύπτουν στην εφαρμοσμένη ανάλυση δεδομένων panel
• προβούν σε κριτική αξιολόγηση της εφαρμοσμένης μικροοικονομικής έρευνας με μεθόδους panel δεδομένων
• είναι εξοικειωμένοι με τις κύριες προσεγγίσεις στην υποδειγματοποίηση panel δεδομένων
• κατανοούν τις τυπικές και πρακτικές πτυχές σημαντικών panel μεθόδων.
• εφαρμόζουν αναλυτικές μεθόδους και να αναγνωρίζουν τους περιορισμούς τους, επιλύουν προβλήματα που σχετίζονται με την ταυτοποίηση χρησιμοποιώντας panel δεδομένα
• είναι σε θέση να αναφέρουν αποτελέσματα εμπειρικών ερευνών που αποκτήθηκαν χρησιμοποιώντας τις καλυπτόμενες μεθόδους.
• να εκτελέσουν αναλύσεις με μικροοικονομικά δεδομένα χρησιμοποιώντας gretl και R και να ερμηνεύσουν αποτελέσματα από το gretl καθώς και την R
• να είναι σε θέση να αναπαράγουν και να παρουσιάσουν μικροοικονομικές ερευνητικές εργασίες κάτι που θα ενισχύσει την ικανότητά τους να γράψουν μια υψηλής ποιότητας διπλωματική εργασία

• Properties of OLS estimator
• Instrumental variables estimator. Instrumental Variables Estimation of Single-Equation Linear Models
• Generalized instrumental variables estimator
• GMM (introduction)
• Weak instruments
• Natural experiments and the search for causal effects
• Binary Choice Models
• Multiple choice models
• Tobit model
• Sample selection model (Heckman)
• Models for Panel Data
• Panel Data Modeling
• The Pooled Regression Model
• The Fixed Effects Model
• Random Effects
• Endogeneity
• Consistent Estimation of Dynamic Panel Data Models
• Efficient Estimation of Dynamic Panel Data Models
• Nonstationary Data and Panel Data Models
• Nonlinear Regression with Panel Data
• Parameter Heterogeneity