檔案產生時間：2024/4/29 上午 05:15:00
本表如有異動，於4小時內自動更新

一、課程基本資料 Course Information
科目名稱 Course Title： (中文)數量經濟學導論與Ｒ  組別:全英語授課 (英文)INTRODUCTION TO QUANTITATIVE ECONOMICS WITH R		開課學期 Semester：112學年度第2學期 開課班級 Class：經二Ａ (合開：經二Ｂ 經二Ｃ)
授課教師 Instructor：米克里斯多 MICHALOPOULOS, CHRISTOS
科目代碼 Course Code：BEC23301	單全學期 Semester/Year：單			分組組別 Section：全英語授課
人數限制 Class Size：70	必選修別 Required/Elective：選			學分數 Credit(s)：3
星期節次 Day/Session： 二E56	前次異動時間 Time Last Edited：112年12月18日23時41分
※ 因授課需求教室如安排於語練教室需加收語言實習費
經濟學系基本能力指標 Basic Ability Index
編號 Code 指標名稱 Basic Ability Index 本科目對應之指標 Correspondent Index 達成該項基本能力之考評方式 Methods Of Evaluating This Ability 1 具備經濟學核心知識 Core economic knowledge. ● 》出缺席狀況 》報告(含個人或小組、口頭或書面、專題、訪問、觀察等形式) 2 具備經濟應用及政策分析能力 The ability to apply economic theories and conduct policy analysis. ● 》出缺席狀況 》課堂討論與表現 》報告(含個人或小組、口頭或書面、專題、訪問、觀察等形式) 》作業成績 》紙筆測驗 》外文閱讀 》團隊參與 3 具備邏輯思考能力 The ability of logical thinking. ● 》出缺席狀況 》課堂討論與表現 》報告(含個人或小組、口頭或書面、專題、訪問、觀察等形式) 》作業成績 》紙筆測驗 》外文閱讀 》團隊參與 4 具備數理分析能力 The ability to perform mathematical analysis. ● 》出缺席狀況 》課堂討論與表現 》報告(含個人或小組、口頭或書面、專題、訪問、觀察等形式) 》作業成績 》紙筆測驗 》外文閱讀 5 具備統計分析能力 The ability to perform statistical analysis. ● 》出缺席狀況 》課堂討論與表現 》報告(含個人或小組、口頭或書面、專題、訪問、觀察等形式) 》作業成績 》團隊參與 》人際實驗作業 6 具備金融與財務專業能力 Professional skills in money, banking and finance. ● 》出缺席狀況 》課堂討論與表現 》報告(含個人或小組、口頭或書面、專題、訪問、觀察等形式) 7 具備資料收集及表達能力 The ability to gather information and to make presentations. ● 》出缺席狀況 》課堂討論與表現 》報告(含個人或小組、口頭或書面、專題、訪問、觀察等形式) 》作業成績 》紙筆測驗 》語言測試(含繳交錄音檔、口試、角色扮演等) 》方案需求評估 8 具備英文閱讀能力 The ability to read English proficiently. ● 》出缺席狀況 》課堂討論與表現 》報告(含個人或小組、口頭或書面、專題、訪問、觀察等形式) 》作業成績 》紙筆測驗 》語言測試(含繳交錄音檔、口試、角色扮演等) 》外文閱讀
二、指定教科書及參考資料 Textbooks and Reference (請修課同學遵守智慧財產權，不得非法影印)
●指定教科書 Required Texts Time Series Analysis with Applications in R, Lecture Notes. ●參考書資料暨網路資源 Reference Books and Online Resources Lecture Notes will be uploaded in MOODLE.
三、教學目標 Objectives
We will learn basic time series models with applications using the statistical software R. We start with discussing fundamental concepts like what is a stochastic process in time, its mean and variance covariance and what does it mean a process to be stationary. We will move on to first modelling trending time series and then develop models for stationary time series (AR, MA, ARMA) and forecasting. We will continue with non-stationary time series models (ARIMA) and if time permits we will discuss specification and estimation issues.
We will learn basic time series models with applications using the statistical software R. We start with discussing fundamental concepts like what is a stochastic process in time, its mean and variance covariance and what does it mean a process to be stationary. We will move on to first modelling trending time series and then develop models for stationary time series (AR, MA, ARMA) and forecasting. We will continue with non-stationary time series models (ARIMA) and if time permits we will discuss specification and estimation issues.
四、課程內容 Course Description
●整體敘述 Overall Description We will learn basic time series models with applications using the statistical software R. We start with discussing fundamental concepts like what is a stochastic process in time, its mean and variance covariance and what does it mean a process to be stationary. We will move on to first modelling trending time series and then develop models for stationary time series (AR, MA, ARMA) and forecasting. We will continue with non-stationary time series models (ARIMA) and if time permits we will discuss specification and estimation issues.
●分週敘述 Weekly Schedule 週次 Wk 日期 Date 課程內容 Content 備註 Note 1 2/20 Introduction to R  　 2 2/27 Introduction to Time Series  　 3 3/5 Fundamental concepts  　 4 3/12 Fundamental concepts  　 5 3/19 Trending Time Series  　 6 3/26 Trending Time Series  　 7 4/2 Stationary Time series models (AR,MA,ARMA)  　 8 4/9 Mid-term Exams  　 9 4/16 Stationary Time series models (AR,MA,ARMA)  　 10 4/23 Nonstationary Time series models (ARIMA)  　 11 4/30 Nonstationary Time series models (ARIMA)  　 12 5/7 Model Specification  　 13 5/14 Model Specification  　 14 5/21 Parameter Estimation  　 15 5/28 Parameter Estimation  　 16 6/4 Forecasting  　 17 6/11 Time series models for Heteroskedasticity  　 18 6/18 Final Exams

五、考評及成績核算方式 Grading

本科目 ☑同意/☐不同意 期末退修

配分項目 Items 次數 Times 配分比率 Percentage 配分標準說明 Grading Description 出席 18 20%   平時作業 6 30%   學期考 1 50%   配分比率加總 100%

六、授課教師課業輔導時間和聯絡方式 Office Hours And Contact Info

●課業輔導時間 Office Hour Monday 4-6 pm

●聯絡方式 Contact Info 研究室地點 Office：3413 EMAIL：mixalopoulosx@gmail.com 聯絡電話 Tel： 其他 Others：

七、教學助理聯絡方式 TA’s Contact Info

教學助理姓名 Name 連絡電話 Tel EMAIL 其他 Others

八、建議先修課程 Suggested Prerequisite Course

九、課程其他要求 Other Requirements

十、學校教材上網、數位學習平台及教師個人網址 University’s Web Portal And Teacher's Website

學校教材上網網址 University’s Teaching Material Portal： 東吳大學Moodle數位平台：http://isee.scu.edu.tw

學校數位學習平台 University’s Digital Learning Platform： ☐東吳大學Moodle數位平台：http://isee.scu.edu.tw ☐東吳大學Tronclass行動數位平台：https://tronclass.scu.edu.tw

教師個人網址 Teacher's Website：

其他 Others：

十一、計畫表公布後異動說明 Changes Made After Posting Syllabus