• A
  • A
  • A
  • АБB
  • АБB
  • АБB
  • А
  • А
  • А
  • А
  • А
Обычная версия сайта
vision Версия для слабовидящих
Расширенный поиск по сайту
Меню
Учебные курсы
ФКН
Высшая школа экономики
vision Версия для слабовидящих
Расширенный поиск по сайту
Кафедра высшей математики
Кафедра высшей математики
Контакты

Адрес: Москва, ул. Мясницкая, д. 20, К-301

E-mail: amakarov@hse.ru

Руководство
Макаров Алексей Алексеевич
заведующий кафедрой – Макаров Алексей Алексеевич
Публикации
Книга
Проблемы устойчивости и эффективности современных государств в сравнительной перспективе

Бабаян В. В., Горельский И. Е., Кручинская Е. В. и др.

М.: Издательский дом НИУ ВШЭ, 2023.

Статья
Математическое моделирование влияния клеточной подвижности и межклеточных активных взаимодействий на сортировку двух типов клеток в культурах биологических тканей

Логвенков С. А.

Известия РАН. Механика жидкости и газа. 2023. № 2. С. 9-19.

Глава в книге
Chordal Embeddings Based on Topology of the Tonal Space

Ayzenberg A., Beketov M., Burashnikova A. et al.

In bk.: Artificial Intelligence in Music, Sound, Art and Design: 12th International Conference, EvoMUSART 2023, Held as Part of EvoStar 2023, Brno, Czech Republic, April 12–14, 2023, Proceedings. Vol. 13988. Cham: Springer, 2023. Ch. 2. P. 20-33.

Препринт
On classification of non-abelian Painlevé type systems

Bobrova I., Sokolov V.

arxiv.org. math. Cornell University, 2023

Все публикации

Регрессионный анализ: панельные данные и каузальность

2022/2023
Учебный год
RUS
Обучение ведется на русском языке
6
Кредиты
Кто читает:
Кафедра высшей математики (Общеуниверситетские кафедры)
Статус:
Курс обязательный
Когда читается:
3-й курс, 1, 2 модуль

Преподаватель

Сальникова Дарья Вячеславовна

Сальникова Дарья Вячеславовна

Программа дисциплины

Полная версия программы учебной дисциплины

Аннотация

Курс «Регрессионный анализ: панельные данные и каузальность» состоит из двух частей: в рамках первой части студенты осваивают статистические инструменты для анализа панельных данных, вторая часть знакомит студентов с проблемой эндогенности в регрессионном анализе. Изучаемый теоретический материал иллюстрируется примерами из исследований в области социальных наук. На семинарах используется RStudio для отработки применения статистических методов анализа. Для успешного освоения материала студенты должны знать основы статистики и регрессионный анализ в объеме курсов «Теория вероятностей и математическая статистика» и «Введение в многомерный статистический анализ».
Цель освоения дисциплины

Цель освоения дисциплины

  • выработать базовые компетенции по решению задач, связанных с анализом эмпирических данных с помощью методов многомерной статистики.
Планируемые результаты обучения

Планируемые результаты обучения

  • Умеет выбирать релеватную спецификацию модели для анализа панельных данных, корректно интерпретирует результаты оценивания модели с фиксированными эффектами и модели со случайными эффектами
  • Умеет выбрать и обосновать спецификацию модели со смешанными эффектами для анализа панельных данных, корректно интерпретирует оценки коэффициентов в моделях со смешанными эффектами, понимает различие между фиксированными и случайными эффектами в контексте модели со смешанными эффектами.
  • Умеет диагностировать потенциальные источники эндогенности. Корректно применяет методы инструментальных переменных и difference-in-differences, а также корректно интерпретирует результаты.
Содержание учебной дисциплины

Содержание учебной дисциплины

  • Основы анализа панельных данных: модели с фиксированными эффектами и модели со случайными эффектами
  • Анализ панельных данных с помощью моделей со смешанными эффектами
  • Эндогенность в регрессионном анализе
Элементы контроля

Элементы контроля

  • неблокирующий Домашние задания
  • неблокирующий Проверочная работа 1
  • неблокирующий Контрольная работа
  • неблокирующий Экзаменационная работа
  • неблокирующий Активность на семинарах
  • неблокирующий Проверочная работа 2
  • неблокирующий Эссе
Промежуточная аттестация

Промежуточная аттестация

  • 2022/2023 учебный год 2 модуль
    0.15 * Контрольная работа + 0.15 * Домашние задания + 0.1 * Активность на семинарах + 0.05 * Проверочная работа 1 + 0.1 * Проверочная работа 2 + 0.15 * Эссе + 0.3 * Экзаменационная работа
Список литературы

Список литературы

Рекомендуемая основная литература

  • Joshua D. Angrist, & Jörn-Steffen Pischke. (2014). Mastering ’Metrics: The Path from Cause to Effect. Princeton University Press. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsrep&AN=edsrep.b.pup.pbooks.10363
  • Morgan, S. L., & Winship, C. (2007). Counterfactuals and Causal Inference : Methods and Principles for Social Research. Cambridge University Press.
  • Mostly harmless econometrics : an empiricist's companion, Angrist, J. D., 2009

Рекомендуемая дополнительная литература

  • Econometric analysis of cross section and panel data, Wooldridge, J. M., 2002
  • Ратникова Т. А. Анализ панельных данных и данных о длительности состояний / Т.А. Ратникова, К.К. Фурманов. - Москва : ВШЭ, 2014. - 373 с. - ISBN 978-5-7598-1093-3. - URL: https://ibooks.ru/bookshelf/352915/reading (дата обращения: 12.10.2020). - Текст: электронный.