• A
  • A
  • A
  • АБB
  • АБB
  • АБB
  • А
  • А
  • А
  • А
  • А
Обычная версия сайта
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

Регрессионный анализ: панельные данные и каузальность

2022/2023
Учебный год
RUS
Обучение ведется на русском языке
6
Кредиты
Статус:
Курс обязательный
Когда читается:
3-й курс, 1, 2 модуль

Преподаватель

Программа 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.