• 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
3
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 Домашнее задание 1
    ДЗ1: компьютерный практикум; на основе предложенных данных построить модель парной линейной регрессии в R, проанализировать её и проинтерпретировать результаты.
  • неблокирующий Домашнее задание 2
    ДЗ2: reflection paper; прочитать статью и написать на неё критический отзыв с учётом материала, пройденного в рамках темы «регрессия и казуальность».
  • неблокирующий Домашнее задание 3
    ДЗ3: мини-исследование: самостоятельно выбрать данные из предложенного списка, сформулировать исследовательский вопрос и гипотезы, проверить их с помощью моделей множественной линейной регрессии и содержательно проинтерпретировать результаты.
  • неблокирующий Самостоятельная работа
    Проверочная работа содержит тестовые и открытые вопросы по пройденному материалу. Задания проверочной работы не предполагают объёмных вычислений, они могут включать интерпретацию готовой выдачи из R, дополнение этой выдачи, исходя из теоретических соображений, вопросы на понимание используемых терминов. Во время работы нельзя пользоваться какими-либо материалами, но можно использовать калькулятор.
  • неблокирующий Экзамен
    Экзамен представляет собой набор заданий по всем пройденным темам. Формат экзамена похож на формат проверочной работы. Во время экзамена нельзя пользоваться какими-либо материалами, но можно использовать калькулятор. Продолжительность экзамена – 1 час 20 минут, состоится в конце курса на сессионной неделе. Для получения оценки 10 за экзамен студент должен продемонстрировать знания, полученные в ходе чтения дополнительной литературы по курсу (предлагается преподавателями после занятий) и выполнения необязательных домашних заданий.
Промежуточная аттестация

Промежуточная аттестация

  • 2022/2023 учебный год 1 модуль
    0.3 * Экзамен + 0.15 * Домашнее задание 1 + 0.15 * Самостоятельная работа + 0.15 * Домашнее задание 2 + 0.25 * Домашнее задание 3
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