Course Overview

This course will provide you with the tools you need for doing applied work in economics.  Much of what we do as applied economists involves using economic theory and data to understand the world around us and to predict what the world might look like.  In order to do so, we need to bring together economic theory and statistics to make sense of the data and empirical relationships we observe.  Many students find this to be challenging but very rewarding.

My goal as an instructor is to provide you with the knowledge and critical thinking skills required of an applied economist. Bringing together economic theory, mathematics, and statistics, you will learn to analyze data and empirical relationships in a systematic way to inform your worldview and improve your decision making. Throughout the quarter, you will do plenty of “hands-on” estimation of econometric models using lots of real-world examples. By the end of the quarter, you will be capable of thinking clearly with data.

Learning Objectives

By the end of this quarter, you will be able to do the following things:

1.  Distinguish between correlative and causal relationships.

2.  Set up and estimate an econometric model.

3.  Predict economic outcomes.

4.  Generalize from a sample of data to a whole population.

5.  Test hypotheses about cause and effect.

Course Delivery

This course will be conducted entirely in person.  Regular lecture and section attendance is essential to succeeding in this course.  Note that I will be using lecture capture to record and post lecture videos to the Media Gallery on Canvas. These are not a substitute for attending lectures! They are intended as a supplemental resource for take-home exams and homework assignments, review of difficult material, coverage for the occasional missed class, and when learning disabilities or English as a second language presents obstacles to learning.  In my experience, students that attend lectures in person regularly get better final grades than students that rely on recorded lecture videos.

Assessment

There are a total of 100 points available in this class based on in-class participation, quizzes, homework assignments, and exams. All quizzes, assignments, and exams will be “take-home” (i.e., not in class).

In-Class Participation (5 points): You are expected to actively participate and test your understanding by responding to questions using the iClicker App in lectures. I will ask questions throughout lectures and assign participation points for each lecture.  For each question, you will receive 0.1 points if you submitted an answer and an additional 0.1 points if you submitted the correct answer.  You cannot get greater than 5 points for participation, even though it is possible to accumulate more than 5 points throughout the quarter. This means you can get full credit for participation even if you don’t always get the correct answer in class. This policy gives you the opportunity to learn from answering questions incorrectly, miss a lecture or two, or encounter occasional technical difficulties when submitting your answers. No additional adjustments are made to your iClicker score.

Quizzes (15 points): There will be 8 “pre-lecture” quizzes. Each quiz will consist of 5 true/false or multiple choice questions. The quizzes are designed to test whether you read the required textbook chapter for each week.1  You will have to complete this quiz before each Monday lecture (it will be available 48 hours prior). Each quiz is worth 2.5 points,  and I will take the best 6 of 8 quizzes to  calculate your total quiz score .  This means you can get full credit for the quizzes if you score 2.5/2.5 on six quizzes and do not complete two quizzes.  This policy gives you the opportunity to make up for a couple of poor quiz scores, or to miss a couple of quizzes because of your schedule.  You  cannot get greater than 15 points for your quizzes.  Quizzes will be due before class (i.e., by 11:00am PT) on Monday of each week.

Homework Assignments  (30 points):  There will be a total of five homework assignments, which will ask you to solve several problems applied to the material presented in class and covered in the textbook. All homework assignments will be submitted through  Gradescope.   Students  are  advised  to  attend  the lectures and discussion sections and complete the readings before attempting the homework.  Each homework assignment is worth 7.5 points, and I will take the  best 4 of 5 homework assignments to  calculate your total homework score. This means you can get full credit for the homework if you score 7.5/7.5 on four homework assignments and do not complete one assignment.  This policy gives you the opportunity to make up for a couple of poor homework scores, or to miss one homework because of your schedule.  You cannot get greater than 30 points for you homework assignments.  Homework assignments will be due by  11:59pm PT on the assigned due date.

Mid-Term (20 points) and Final (30 points) Exams: There will be a mid-term exam that covers the material presented in the first-half of the course.  The final exam will be comprehensive.  I will use your score on the final exam in place of your midterm if doing so improves your overall score.  This policy allows you to make up for a bad midterm by doing well on the final.

Due Dates and Late Policy

I will accept late quizzes and homework assignments until two days after the due date.  For each day your quiz or assignment is late, 1/3 of the total points will be deducted.  So, for example, if you submit a homework assignment on Saturday that was due on Friday, you will have 2.5 points deducted from your score.  This would be equal to 5 points being deducted if you submit on Sunday.

.  Due dates are subject to change and may be updated to reflect our progress through the course material.

.  Homework assignments submitted more than two days after the due date will automatically receive a score of zero.  No exceptions.

.  Late exams will automatically receive a score of zero. No exceptions.

.  No individual extensions are possible. No exceptions.

Grades

Your numerical score for the class will be calculated according to the following formula:

Score = min(5,Participation Points) + min(15,Quiz1+Quiz2+. . . +Quiz8) + min(30,HW1+HW2+. . . +HW5) + max(Midterm Exam,(2/3)*Final Exam) + Final Exam

Your letter grade will be determined from your numerical score  (out of 100).   Numerical scores will not be converted to letter grades until the end of the quarter and specific letter grades will not be assigned to individual assignments. Letter grades will be determined according to the following scheme:

I do not curve grades down.  This means that, if you score above 90, you are guaranteed at least an A-, if you score above 80, you are guaranteed at least a B-, and if you score above 70, you are guaranteed at least a C-. Grades will be curved at the end of the quarter so that the average grade in this is at least 80 points (or a B-), which is typical of all ARE classes.

Note:  I will not respond to emails asking for a  “bump” in your numerical score to achieve a  higher  letter grade.  While I do not support the idea of letter grades, it is the world we live in.  If everyone’s score was “bumped up just a bit,” letter grades would be even more meaningless.

Course Elements

Required Textbook:    Essentials of Applied Econometrics, by Aaron Smith and J. Edward Taylor.  Oak- land: University of California Press.

.  Free for UCD students here (students must be logged into the UCD VPN to get access). .  Also available through Equitable Access, UC Press, or Amazon.

Required  Technology:   You will  need  the iClicker Student App to actively participate in lecture.   It freely available to UC students. If you do not already have an account, you will receive an email with additional instructions.

Course Schedule and Due Dates:    See the course Canvas website for a tentative course schedule and due dates. The schedule and due dates may change throughout the quarter, depending on how we progress throgh the course material.

Computing:   For this course, we will be making extensive use of the statistical computing language and environment R, which is a free and open-source software.  R has quickly become one of the most adopted statistical computing environments in the public, private, and academic community.  While  R is powerful and provides many benefits to the savvy data analyst, it can be a bit of a challenge getting started, especially for those of you who do not have much background using programming languages.  Please see the  Canvas website for resources that can help you get started using R.

Note that I will be using RStudio (in conjunction with R) for all statistical computing in this course. If you have never used R or RStudio before, then I highly recommend using RStudio Cloud, which allows you to use RStudio on your browser, as opposed to installing a desktop version on your computer (which can be a frustrating experience).  All you need to do is create a free account, which will give you (limited) access to all the features of RStudio. It is also very easy to install the packages that we will be using in this class in RStudio  Cloud.  On top of that, RStudio  Cloud has easily accessible and informative resources for learning

R. If you already have experience using R and RStudio, or if you think you will be using RStudio in the future, then using the desktop version of RStudio may be the preferred option for you.

Communications:

The easiest way to contact me or the TAs is by email or through Canvas messaging.  Note that based on the sheer volume of emails that I receive, I may not be able to respond to your email right away.  Before sending me or the  TAs an email, please visit the Frequently Asked  Questions page on  Canvas first—there is a good chance that someone else has already asked your question.

Discussion  Sections:    Teaching Assistants will lead Discussion  Sections, which will walk you through solving problems using the statistical language R. The labs will apply class material to answer questions encountered in the real world.  Discussion section questions will be posted on the course Canvas website. Students are advised to look at discussion Section questions beforehand so as to ask any clarifying questions they may have.

Office Hours:   My office hours will be a mix of in-person and remote.  Note the office hours listed at the top of this page and the scheduled Zoom office hours in the course calendar.  During these times, you can join the Zoom meetings by clicking on the appropriate Zoom link in the course calendar, which will take you straight to the group meeting. Please practice common courtesy on the Zoom meetings by having your mic muted when you are not talking.

Review of Math and Statistics:   Reviewing your textbook from Stats 103 (or equivalent) might be a good idea.   There are also reviews of stats for econometrics available on-line and on the course website. Several good resources for reviewing your math and statistics skills are posted on the Canvas website. The key concepts you need to know are:  Random variables, probability distributions, mathematical expectation, mean, variance, estimation of parameters, properties of estimators, useful distributions, testing hypotheses.

UCD Student Resources

Check this website on a regular basis for answers to questions about COVID-19 policies, academic support, health and wellness, career and internships, or campus community.

Student Code of Conduct

As with all members of the University community, the University requires students to conduct themselves honestly and responsibly, and to respect the rights of others.  Conduct that unreasonably interferes with the learning environment or that violates the rights of others is prohibited by the standards and guidelines collectively described as the Student Code of Conduct.

Academic Honesty

Academic integrity is a basic principle, which requires that students take credit only for ideas and efforts that are their own.  Cheating, plagiarism, and other forms of academic dishonesty are defined as the submission of materials in assignments, exams, or other academic work that is based on sources prohibited by the faculty member.  Plagiarism in written work will result in a class grade of F. Plagiarism includes:  (i) stealing or passing off the ideas or words of another as one’s own,  (ii) using another’s production without crediting the source, and (iii) to present as new and original an idea derived from an existing source.  In addition to any adverse academic action, which may result from engaging in academically dishonest behavior, the university specifically reserves the right to address and sanction the conduct involved through the student judicial review procedures outlined in the Code of Academic Conduct.