dr hab. Piotr Kębłowski
Consultation: Friday 9.45-11.15
Room: F-228
Tel. 42-635 51 86
Email: piotr.keblowski@uni.lodz.pl
CV
Earned Degrees
M.A., University of Lodz, Faculty of Economics and Sociology, econometrics, 2002
Ph.D., University of Lodz, Faculty of Economics and Sociology, econometrics, 2009
Habilitation, University of Lodz, 2022
Positions Held
Assistant, University of Lodz, 2003-2009
Assistant Professor (Adjunct), University of Lodz, 2009-
Professional Activities
Director of Institute of Econometrics, University of Łódź, 2022-
Academic Prizes
I prize for the best conference paper, Modelling panel data: theory and practice, Warsaw School of Economics, 2012
Rector's Prize for Scientific Achievements, UŁ, 2010
Conference grant, Foundation for Polish Science, 2006
Award of Foundation for Polish Science, START Programme, 2006
Completed Research Projects
Contract No. UMO-2012/05/D/HS4/01767, Vector error correction models of nonstationary panel data, National Science Centre, 2013-2017
Contract, Fixed or float? The panel approach to the real exchange rates of the CEEC's - implications for Poland, National Bank of Poland, 2014
Contract No. N N111 282838, The Eurosystem and the perspectives of the NMS - analysis of exchange rates misalignments, National Science Centre/Ministry of Science and Higher Education, 2009-2012
Contract No. RRC X-61, Are the New Member States on the fast track to the EMU? An analysis of exchange rates misalignments in Central European countries, GDN - CERGE-EI Foundation, 2010-2011
Contract No. N111 019 31/2139, Small sample inference on cointegration rank, Ministry of Science and Higher Education, 2006-2008
Field of Teaching
Econometrics
Advanced Econometrics
Panel Data Analysis
Forecasting
Research Interest
Exchange Rate Modelling
Nonstationary Panel Data Modelling
Small Sample Inference
Resampling Methods
Macromodelling
Refereed for
Bank i Kredyt
Central European Journal of Economic Modelling and Econometrics
Economic Modelling
International Economics
International Journal of Emerging Markets
The International Review of Economics & Finance
Operations Research and Decisions
Przegląd Statystyczny
Articles
2021
GVAR: A case of spurious cross-sectional cointegration
Published in: Central European Journal of Economic Modelling and Econometrics, Vol. 13 (2), 2021, 105-117
2020
with: K. LESZKIEWICZ-KĘDZIOR, A. WELFE
Real Exchange Rates, Oil Price Spillover Effects, and Tripolarity
Published in: Eastern European Economics, Vol. 58 (5), 2020, 415-435
2018
A Monte Carlo comparison of LCCA- and ML-based cointegration tests for panel VAR process with cross-sectional cointegrating vectors
Published in: Przegląd Statystyczny, Vol. 65 (2), 2018, 23-32
2017
Innowacyjność przedsiębiorstw przemysłowych państw Grupy Wyszehradzkiej a nakłady na badania i rozwój
Published in: Przegląd Statystyczny, Vol. 64 (4), 2017, 399-420
2016
Canonical Correlation Analysis in Panel Vector Error Correction Model. Performance Comparison
Published in: Central European Journal of Economic Modelling and Econometrics, Vol. 8 (4), 2016, 203-217
2015
Stały czy płynny? Model PVEC realnego kursu walutowego dla krajów Europy Środkowo-Wschodniej – implikacje dla Polski
Published in: Materiały i Studia, nr 312, 2015
2013
Wnioskowanie o rzędzie kointegracji dla modelu VEC ze składnikiem losowym z rozkładu SU Johnsona
Published in: Przegląd Statystyczny, Vol. 60 (2), 2013, 235-249
Właściwości wybranych metod małopróbkowego wnioskowania o rzędzie kointegracji
Published in: Przegląd Statystyczny, Vol. 60 (2), 2013, 163-185
with: A. WELFE
Modelowanie kursu walutowego z uwzględnieniem premii za ryzyko: model VECM i analiza wspólnych trendów stochastycznych
Published in: Analiza kointegracyjna w makromodelowaniu, 2013, A. Welfe (ed.), PWE, 107-128
2012
with: A. WELFE
A Risk-Driven Approach to Exchange-Rate Modelling
Published in: Economic Modelling, Vol. 29 (4), 2012, 1473-1482
2011
The behaviour of exchange rates in the Central European countries and credit default risk premiums
Published in: Central European Journal of Economic Modelling and Econometrics, Vol. 3 (4), 2011, 221-237
2010
with: A. WELFE
Estimation of the Equilibrium Exchange Rate: The CHEER Approach
Published in: Journal of International Money and Finance, Vol. 29 (8), 2010, 1385-1397
2009
Modelling Integrated Panel Data: An Overview
Published in: Knowledge-based Economies, 2009, W. Welfe (ed.), Peter Lang, Frankfurt am Main
2008
with: M. MAJSTEREK, A. WELFE
Price-wage System with Taxation: I(1) and I(2) Analysis
Published in: Proceedings of the thirtieth fourth international conference Macromodels, 2008, W. Welfe, A. Welfe (eds), WUŁ, Łódź
2007
Modelowanie zintegrowanych szeregów przekrojowo-czasowych
Published in: Gospodarka oparta na wiedzy, 2007, W. Welfe (ed.), PWE, Warszawa
2006
Small Sample Power of Bartlett Corrected Likelihood Ratio Test of Cointegration Rank
Published in: Proceedings of the thirtieth second international conference Macromodels, 2006, W. Welfe, A. Welfe (eds), WUŁ, Łódź
Moc testu śladu z poprawką Bartletta w krótkiej próbie
Published in: Metody ilościowe w naukach ekonomicznych, 2006, A. Welfe (ed.), Oficyna Wydawnicza SGH, Warszawa
2005
with: A. WELFE
Long-run Relationships in the Polish Economy. An Application of VEqCM
Published in: Acta Universitatis Lodzensis. Folia Oeconomica, 2005, 95-107
with: P. KARP, A. WELFE
Zastosowanie wielowymiarowej analizy kointegracyjnej do modelowania gospodarki polskiej
Published in: Ekonomista, Vol. 5, 2005, 645-658
2004
with: P. KARP, A. WELFE
Modelling Polish Economy: An Application of SVEqCM
Published in: New Directions in Macromodelling, 2004, A.Welfe (ed.), Elsevier, Amsterdam
with: A. WELFE
The ADF-KPSS Test of the Joint Confirmation Hypothesis of Unit Autoregressive Root
Published in: Economics Letters, Vol. 85 (2), 2004, 257-263
2003
Test hipotezy wspólnego potwierdzenia stopnia integracji ADF-KPSS
Published in: Przegląd Statystyczny, Vol. 50 (3), 2003, 87-104
Books
2006
with: A. WELFE, P. KARP
Mechanizmy makroekonomiczne w gospodarce polskiej. Analiza Ekonometryczna
Publisher: WUŁ, Łódź 2006
(UŁ, Logistyka: I stopień)
dr hab. Piotr Kębłowski
2025/2026
Literatura obowiązkowa
1. G. S. Maddala, Ekonometria, PWN, Warszawa, 2006.
2. A. Welfe, Ekonometria. Metody i ich zastosowanie, PWE, Warszawa, 2018.
Literatura uzupełniająca
1. W. Florczak, R. Kelm, M. Majsterek, A. Welfe, Ekonometria. Zbiór zadań, PWE, Warszawa 2003.
2. A. Goryl, Z. Jędrzejczyk, K. Kukuła, J. Osiewalski, A. Walkosz, Wprowadzenie do ekonometrii, PWN, Warszawa, 2009.
3. G. Koop, Wprowadzenie do ekonometrii, Wolters Kluwer, Warszawa, 2015.
4. T. Kufel, Ekonometria. Rozwiązywanie problemów z wykorzystaniem programu GRETL, PWN, 2011.
Program
Wykład
1. Wprowadzenie: model ekonomiczny, proces stochastyczny, model ekonometryczny, rodzaje danych.
2. Model regresji liniowej: twierdzenie Gaussa-Markowa, metoda najmniejszych kwadratów, miary dopasowania.
3. Normalność rozkładu reszt. Test Jarque-Bera oraz Doornika-Hansena.
4. Wnioskowanie w modelu regresji liniowej: przedziały ufności, testy istotności, graniczny poziom istotności.
5. Autokorelacja pierwszego i wyższych rzędów. Test Durbina-Watsona oraz h-Durbina.
6. Model AR, ARDL i ECM: estymacja i interpretacja parametrów. Kryteria informacyjne: AIC i SBC.
7. Heteroskedastyczność. Test Goldfelda-Quandta, Breuscha-Pagana oraz White’a.
8. Analiza sezonowości. Zmienne zero-jedynkowe.
9. Analiza zmienności parametrów strukturalnych. Test Chowa.
10. Weryfikacja postaci analitycznej modelu. Test RESET oraz testy liniowości dla kwadratów i logarytmów.
Laboratorium
1. Zastosowania komputerowych pakietów ekonometrycznych.
2. Budowa baz danych, przekształcenia danych surowych, wizualizacja danych.
3. Konstrukcja modelu ekonometrycznego na przykładach.
4. Zastosowanie funkcji Cobba-Douglasa w modelowaniu produkcji.
Obowiązuje znajomość zagadnień zawartych w sylabusie w takim zakresie, w jakim są one opisane w literaturze obowiązkowej oraz materiał zrealizowany na zajęciach.
Podstawą uzyskania oceny z laboratorium będzie praca zaliczeniowa, która odbędzie się na ostatnich zajęciach. Aby otrzymać ocenę pozytywną należy uzyskać co najmniej połowę wszystkich punktów.
Podstawą uzyskania oceny z wykładu będzie egzamin pisemny w formie testu, który odbędzie się 29 stycznia, o godz. 10:00, w auli T1. Aby otrzymać ocenę pozytywną, należy uzyskać co najmniej połowę wszystkich punktów.
Skala ocen:
90% i więcej – bardzo dobry
80 - 89% – dobry+
70 - 79% – dobry
60 - 69% – dostateczny+
50 - 59% – dostateczny
mniej niż 50% – niedostateczny
Ocena końcowa wyznaczona zostanie jako średnia ważona z ocen uzyskanych z laboratorium i wykładu, z wagami odpowiednio 0,6 i 0,4, zgodnie z algorytmem systemu USOS.
Egzamin pisemny poprawkowy odbędzie się 19 lutego, o godz. 10:00, w auli T1. Aby otrzymać ocenę pozytywną z egzaminu poprawkowego, należy uzyskać co najmniej połowę wszystkich możliwych punktów.
(UŁ, Logistyka: I stopień)
dr hab. Piotr Kębłowski
2025/2026
Wymagania wstępne
Wiedza z zakresu podstaw statystyki i ekonometrii, w tym wnioskowanie statystyczne dla procesów stacjonarnych, metoda najmniejszych kwadratów i warunki jej zastosowania.
Literatura obowiązkowa
1. M. Cieślak (red.), Prognozowanie gospodarcze, PWN, Warszawa, 2011.
2. J.B. Gajda, Prognozowanie i symulacje w ekonomii i zarządzaniu, C.H. Beck, 2017.
3. W. Milo (red.), Prognozowanie i symulacja, WUŁ, Łódź, 2002.
Literatura uzupełniająca
1. G.S. Maddala, Ekonometria, PWN, Warszawa, 2014.
2. A. Welfe, Ekonometria, PWE, Warszawa, 2018.
3. A. Welfe (red.), Ekonometria. Zbiór zadań, PWE, Warszawa, 2003.
Program
1. Podstawowe pojęcia i definicje.
2. Prognoza na podstawie modelu jednorównaniowego z jedną/wieloma zmiennymi objaśniającymi.
3. Błąd prognozy ex-ante, dekompozycja błędu prognozy, prognoza przedziałowa.
4. Liniowy i nieliniowy model tendencji rozwojowej. Zastosowanie zmiennych sztucznych sezonowych.
5. Składowe szeregów czasowych. Modele addytywne i multiplikatywne.
6. Metody mechaniczne: naiwna, średnia ruchoma prosta/ważona, pojedyncze/podwójne/potrójne wygładzanie wykładnicze.
7. Prognoza na podstawie modeli szeregów czasowych – modele AR, MA, ARMA.
8. Źródła błędów prognoz. Miary dokładności prognoz ex-post.
9. Łączenie prognoz.
10. Modele wielorównaniowe i metody ich symulacji.
11. Symulacja statyczna/dynamiczna, ex-post/ex-ante.
12. Analiza mnożnikowa.
Obowiązuje znajomość zagadnień zawartych w sylabusie w takim zakresie, w jakim są one opisane w literaturze obowiązkowej oraz materiał zrealizowany na zajęciach.
Podstawą uzyskania oceny z laboratorium będzie praca zaliczeniowa, która odbędzie się na ostatnich zajęciach. Aby otrzymać ocenę pozytywną należy uzyskać co najmniej połowę wszystkich punktów.
Podstawą uzyskania oceny z wykładu będzie egzamin pisemny w formie testu, który odbędzie się 29 stycznia, o godz. 10:00, w sali T1. Aby otrzymać ocenę pozytywną, należy uzyskać co najmniej połowę wszystkich punktów.
Skala ocen:
90% i więcej – bardzo dobry
80 - 89% – dobry+
70 - 79% – dobry
60 - 69% – dostateczny+
50 - 59% – dostateczny
mniej niż 50% – niedostateczny
Ocena końcowa wyznaczona zostanie jako średnia ważona z ocen uzyskanych z laboratorium i wykładu, z wagami odpowiednio 0,6 i 0,4, zgodnie z algorytmem systemu USOS.
Egzamin pisemny poprawkowy odbędzie się 19 lutego, o godz. 10:00, w sali T1. Aby otrzymać ocenę pozytywną z egzaminu poprawkowego, należy uzyskać co najmniej połowę wszystkich możliwych punktów.
Seminaria są prowadzone przez pracowników Katedry Modeli i Prognoz Ekonometrycznych Uniwersytetu Łódzkiego. Tematyka obejmuje metody ekonometryczne i ich zastosowanie w makro-- i mikromodelowaniu. W ramach przygotowywanych prac magisterskich słuchacze wykorzystują nowoczesne metody ekonometryczne, np.:
Badania mogą koncentrować się zarówno na kwestiach estymacji i weryfikacji hipotez, jak i modelowania, prognozowania i oceny alternatywnych polityk gospodarczych.
Przykładowe tematy badań:
W ostatnich latach obronione zostały następujące prace magisterskie:
(*) Praca wyróżniona w VII edycji Konkursu o Nagrodę Prezesa NBP za najlepszą pracę magisterską w 2014 roku