Praca Licencjacka z Ekonomii

Wytyczne minimum:

Złota zasada: Im więcej danych, tym lepsza wiarygodność statystyczna. Ale jakość > ilość!

⚠️ Minimum 30 obserwacji dla JAKIEGOKOLWIEK testu statystycznego (t-test, regresja)!

TAK! Istnieją doskonałe darmowe alternatywy.

Darmowe alternatywy:

Nasze rekomendacje:

• Łatwość: Excel + JASP
• Ekonometria: Gretl
• For programmers: Python (pandas + statsmodels + matplotlib)

Pro tip: Większość uczelni ma licencje na SPSS/Stata - sprawdź w bibliotece/centrum IT!

Realistyczny harmonogram:

Harmonogram 4-miesięczny (licencjat):

• Miesiąc 1: Literatura + zbieranie danych
  • Przegląd literatury (20-30 artykułów)
  • Pobieranie danych (GUS, GPW, sprawozdania)
  • Czyszczenie i organizacja danych w Excel
  • Napisanie rozdziału 1 (teoria)
• Miesiąc 2: Analiza danych
  • Obliczanie wskaźników finansowych
  • Statystyki opisowe
  • Regresja / modele
  • Testy statystyczne
• Miesiąc 3: Pisanie rozdziałów empirycznych
  • Rozdział 2: Metodologia i dane
  • Rozdział 3: Wyniki analizy
  • Wykresy, tabele, interpretacje
• Miesiąc 4: Finalizacja
  • Wstęp i zakończenie
  • Weryfikacja hipotez, wnioski
  • Bibliografia i przypisy
  • Korekta, formatowanie
  • Przygotowanie do obrony

Czasochłonność poszczególnych etapów:

• Zbieranie danych: 1-2 tygodnie
• Analiza w Excel/SPSS: 2-3 tygodnie
• Pisanie rozdziału teorii: 1-2 tygodnie
• Pisanie rozdziałów empirycznych: 2-3 tygodnie
• Wstęp + zakończenie: 3-5 dni
• Bibliografia + formatowanie: 2-3 dni

⚠️ Uwaga: Dodaj 1-2 tygodnie bufora na nieprzewidziane problemy (błędy w danych, problemy z software)!

Krok po kroku - interpretacja wyniku regresji:

Przykładowy output z regresji (SPSS/Gretl):

Model: ROE = β₀ + β₁×Zadłużenie + β₂×Wielkość + ε

Wyniki:
                  Coefficient    Std. Error    t-stat    p-value
Constant (β₀)      12.45         2.15         5.79      <0.001 ***
Zadłużenie (β₁)    -0.18         0.05        -3.60      0.001 ***
Wielkość (β₂)       1.35         0.42         3.21      0.002 **

R² = 0.58
Adjusted R² = 0.56
F-statistic = 32.4 (p < 0.001)
n = 50

*** p<0.01, ** p<0.05, * p<0.1

Jak to czytać:

1. Coefficient (β) - wpływ zmiennej na Y
   • β₁ = -0.18: wzrost zadłużenia o 1 p.p. → spadek ROE o 0.18 p.p.
   • β₂ = 1.35: wzrost wielkości o 1% → wzrost ROE o 1.35 p.p.
2. p-value - czy związek jest istotny statystycznie
   • p < 0.05 → związek ISTOTNY (możemy mu ufać)
   • p > 0.05 → związek NIE jest istotny (może być przypadkowy)
   • Oba β istotne (p < 0.01) → świetnie!
3. R² (R-kwadrat) - jak dobrze model wyjaśnia zmienność
   • R² = 0.58 → model wyjaśnia 58% zmienności ROE
   • Pozostałe 42% to inne czynniki (nie uwzględnione w modelu)
   • Interpretacja: 0.3-0.5 = słabe, 0.5-0.7 = średnie, >0.7 = dobre
4. F-statistic - czy model jako całość jest istotny
   • F = 32.4, p < 0.001 → model ISTOTNY statystycznie
   • Przynajmniej jedna zmienna X wpływa na Y

Przykładowa interpretacja do pracy:

"Wyniki regresji wskazują, że zarówno zadłużenie, jak i wielkość firmy mają istotny statystycznie wpływ na rentowność kapitału własnego (ROE). Wzrost wskaźnika zadłużenia o 1 punkt procentowy wiąże się ze spadkiem ROE o 0.18 punktu procentowego (p=0.001), co sugeruje, że wyższy dług negatywnie wpływa na rentowność. Z kolei większe przedsiębiorstwa osiągają wyższą rentowność – wzrost wielkości o 1% prowadzi do wzrostu ROE o 1.35 punktu procentowego (p=0.002). Model wyjaśnia 58% zmienności ROE (R²=0.58), co świadczy o umiarkowanym dopasowaniu. Test F potwierdza istotność modelu jako całości (F=32.4, p<0.001)."

TAK, ale z ograniczeniami i za WIEDZĄ promotora.

Co AI może zrobić (DOZWOLONE):

• ✅ Pomoc w pisaniu kodu (Python/R) - "jak zrobić regresję w Python?"
• ✅ Wyjaśnienie koncepcji - "czym jest test Durbina-Watsona?"
• ✅ Sprawdzanie błędów w kodzie - debug
• ✅ Sugestie literatury - "artykuły o determinantach rentowności"
• ✅ Pomoc w formatowaniu - tabele, wykresy

Czego AI NIE MOŻE zrobić (ZABRONIONE):

• ❌ Pisanie całych rozdziałów (plagiat!)
• ❌ Generowanie danych (fake data - oszustwo!)
• ❌ "Proszę napisz całą pracę z ekonomii o..."
• ❌ Interpretacja TWOICH wyników bez Twojego zrozumienia

Zasady bezpiecznego użycia AI:

1. Zawsze ROZUMIEJ to co AI sugeruje - nie kopiuj ślepo
2. Używaj AI jako ASYSTENTA, nie autora
3. Sprawdzaj generowany kod - AI często robi błędy!
4. Cytuj tylko PRAWDZIWE źródła - AI halucynuje referencje
5. Zapytaj promotora o politykę uczelni dot. AI

Pro tip: Użyj AI do nauki, nie do skrótów. "Wyjaśnij mi test t" > "Napisz rozdział o teście t"

Przygotowanie do obrony: 2-3 dni intensywnej nauki

Co musisz umieć na pamięć:

• Cel i hipotezy - powtórz ze wstępu słowo w słowo
• Metodologia - jakie metody, ile obserwacji, jakie testy
• Główne wyniki - kluczowe liczby (β, R², p-value)
• Interpretacja ekonomiczna - co te liczby znaczą w praktyce
• Wnioski - czy hipotezy zweryfikowane pozytywnie/negatywnie

Typowe pytania komisji:

1. "Jaki był cel Pana/Pani pracy?"
2. "Jakie hipotezy Pan/Pani postawił/a?"
3. "Jaką metodologię Pan/Pani zastosował/a?"
4. "Ile firm/obserwacji Pan/Pani przeanalizował/a?"
5. "Co oznacza R² w Pana/Pani modelu?"
6. "Czy sprawdził/a Pan/Pani założenia regresji?"
7. "Jakie są główne wnioski z badania?"
8. "Czy wyniki są zgodne z teorią ekonomiczną?"
9. "Jakie są ograniczenia badania?"
10. "Co by Pan/Pani zrobił/a inaczej?"

Przygotuj się na pytania techniczne:

• "Dlaczego użył Pan/Pani akurat tej metody?" (uzasadnij wybór)
• "Czy testował Pan/Pani stacjonarność szeregu?" (dla szer. czasowych)
• "Jak Pan/Pani radził/a sobie z outlierami?"
• "Czy model spełnia założenia?" (normalność, homoskedastyczność)

Prezentacja (jeśli wymagana):

• 7-10 slajdów PowerPoint
• Slajd 1: Tytuł, autor, promotor
• Slajd 2-3: Cel, hipotezy, metodologia
• Slajd 4-6: Kluczowe wyniki (wykresy, tabele z regresji)
• Slajd 7: Wnioski i rekomendacje
• Slajd 8: Ograniczenia badania
• Slajd 9: Dziękuję za uwagę

Pro tip: Ćwicz głośno! Opowiedz pracę mamie/znajomemu. Jeśli potrafisz wyjaśnić model komuś spoza ekonomii - jesteś gotowy!