• A
  • A
  • A
  • АБB
  • АБB
  • АБB
  • А
  • А
  • А
  • А
  • А
Обычная версия сайта
Статья
Healthcare in Russia and Latvia: Revealing Public Attitudes and Institutional Prerequisites

Salnikova D.

Europe-Asia Studies. 2023. Vol. 75. No. 2. P. 330-348.

Глава в книге
Trolls' Online Aggression Effects

Stukal D.

In bk.: 2022 15th International Conference Management of large-scale system development (MLSD). M.: IEEE, 2022. P. 1-4.

Препринт
On classification of non-abelian Painlevé type systems

Bobrova I., Sokolov V.

arxiv.org. math. Cornell University, 2023

Введение в регрессионный анализ

2022/2023
Учебный год
RUS
Обучение ведется на русском языке
4
Кредиты
Статус:
Курс обязательный
Когда читается:
2-й курс, 1 модуль

Преподаватели

Программа дисциплины

Аннотация

Регрессионный анализ - основной инструмент анализа данных в политической науке, государственном управлении, микро и макроэкономике. Он позволяет строить прогнозы, описывать сложные взаимосвязи между наборами признаков, а в некоторых случаях - даже измерять эффекты воздействий и оценивать силу причинно-следственных связей. Дисциплина «Введение в регрессионный анализ» посвящена базовым темам регрессионного анализа и дает студентам представление о содержательном смысле линейных регрессионных моделей, их основных допущениях, инструментах диагностики этих допущений, а также интерпретации полученных результатов. Для успешного освоения этой дисциплины требуются знания по теории вероятностей и математической статистике в объеме вводного курса, а также умение дифференцировать линейную функцию и полином. Студенты смогут продолжить углублённое изучение регрессионных и других моделей анализа социально-экономических и политологических данных в курсах по выбору: «Многомерный статистический анализ» и «Анализ категориальных данных» на втором и третьем курсах образовательной программы.
Цель освоения дисциплины

Цель освоения дисциплины

  • Ознакомить студентов с теоретическими основами статистического (частотного) анализа и научить их применять теоретические знания на практике в рамках собственных исследований
Планируемые результаты обучения

Планируемые результаты обучения

  • Понимание корреляции, p-value, доверительного интервала
  • понимание процедуры проверки значимости коэффициентов, условий гомоскедастичности, автокорреляции, нормальности, понимание вариации
  • понимание дамми-переменных, понятия референтной группы
  • понимание того, что такое каузальность и какие условия, причины и последствия проблемы эндогенности
  • понимание того, как можно проверить модель на устойчивость
  • знание центральной предельной теоремы, понимание условий нормальности
  • понимание метода "разность разностей", умение его применять для практических задач
Содержание учебной дисциплины

Содержание учебной дисциплины

  • Введение в парную регрессию
  • Парная регрессия. Продолжение
  • Бинарность
  • Регрессия и каузальность
  • Проверка модели на устойчивость
  • Ненормальная регрессия
  • Разность разностей
Элементы контроля

Элементы контроля

  • неблокирующий ДЗ1
  • неблокирующий ДЗ2
  • неблокирующий ДЗ3
  • неблокирующий Проверочная работа
  • неблокирующий Экзамен
Промежуточная аттестация

Промежуточная аттестация

  • 2022/2023 учебный год 1 модуль
    0.15 * Проверочная работа + 0.15 * ДЗ1 + 0.25 * ДЗ3 + 0.3 * Экзамен + 0.15 * ДЗ2
Список литературы

Список литературы

Рекомендуемая основная литература

  • Wooldridge, J. M. . (DE-588)131680463, (DE-576)298669293. (2002). Econometric analysis of cross section and panel data / Jeffrey M. Wooldridge. Cambridge, Mass. [u.a.]: MIT Press. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edswao&AN=edswao.095629173
  • Введение в статистическое обучение с примерами на языке R / Г. Джеймс, Д. Уиттон, Т. Хасти, Р. Тибширани ; перевод с английского С. Э. Мастицкого. — Москва : ДМК Пресс, 2017. — 456 с. — ISBN 978-5-97060-495-3. — Текст : электронный // Лань : электронно-библиотечная система. — URL: https://e.lanbook.com/book/93580 (дата обращения: 00.00.0000). — Режим доступа: для авториз. пользователей.
  • Линейный регрессионный анализ, Себер, Дж., 1980
  • Многомерный статистический анализ в экономике : Учеб. пособие для вузов, , 1999
  • Многомерный статистический анализ в экономике : учеб. пособие для вузов, Сошникова, Л. А., 1999
  • Эконометрика. Элементарные методы и введение в регрессионный анализ временных рядов, Носко, В. П., 2004

Рекомендуемая дополнительная литература

  • Wooldridge, J. M. . (DE-588)131680463, (DE-627)512715513, (DE-576)298669293, aut. (2013). Introductory econometrics a modern approach Jeffrey M. Wooldridge.
  • Эконометрика. Кн. 1: Ч. 1: Основные понятия, элементарные методы; Ч.2 : Регрессионный анализ временных рядов, Носко, В. П., 2011