Кафедра высшей математики

АБB
АБB
АБB

Обычная версия сайта

О кафедре

Общеуниверситетская кафедра Высшей математики создана «в целях совершенствования учебного процесса и математической подготовки в ВШЭ, придания ей необходимой направленности по уровням и специальностям профессиональной подготовки бакалавров и специалистов» на основании решения Ученого совета от 23.07.1999 г., протокол №3 утвержденного приказом Ректора от 06.08.1999 г., №344.

Публикации

Книга

Качество приема как зеркало развития высшего образования: итоги 2025 года и долгосрочные тренды. Современная аналитика образования №3 (95)

Кузьминов Я. И., Кручинская Е. В., Габдрахманов Н. К. и др.

Вып. 3 (95): КАЧЕСТВО ПРИЕМА КАК ЗЕРКАЛО РАЗВИТИЯ ВЫСШЕГО ОБРАЗОВАНИЯ: ИТОГИ 2025 ГОДА И ДОЛГОСРОЧНЫЕ ТРЕНДЫ. М.: НИУ ВШЭ, Институт образования, 2026.

Статья

Artificial Intelligence. Law. Industries

Bogdanovskaya I. J., Volos A., N.A. Danilov et al.

Legal Issues in the Digital Age. 2026. Vol. 7. No. 2. P. 113-135.

Глава в книге

VIA AI: Reliable Deep Reinforcement Learning for Traffic Signal Control

Герасёв М. С., Kiselev D., Beketov M. et al.

In bk.: 2024 IEEE International Conference on Data Mining (ICDM) Workshops (ICDMW). Curran Associates, 2024. P. 887-890.

Препринт

On conditions for Dobrushin's Central limit theorem for non-homogeneous Markov chains
В печати

Веретенников А. Ю., Нуриева А. И.

60F05. 60F05. arXiv, 2025

Все публикации

Лучший по критерию «Полезность курса для Вашей будущей карьеры»

Кто читает:: Кафедра высшей математики (Общеуниверситетские кафедры)

Статус:: Курс обязательный

Когда читается:: 1-й курс, 3, 4 модуль

Преподаватели

Мячин Алексей Леонидович

Сальникова Дарья Вячеславовна

Дополнительные материалы в LMS Задать вопрос

Аннотация

Чаще всего в социальных науках, в частности, в политологии, исследователям приходится работать с неоднородными данными. Примером могут выступать данные с панельной структурой (наличие как пространственного, так и временного измерения: данные по каждой стране из выборки представлены за несколько лет), с иерархической структурой (к примеру, в массиве представлены данные на индивидуальном и страновом уровне). В таком случае предположение об одинаковых параметрах для всех единиц анализа является неправдоподобным. Допустим, взаимосвязь между протестной активностью и доходом может быть разного характера в разных странах. Оценивание классической модели линейной регрессии в таком случае приводит к некорректным результатам статистической инференции. Курс «Методы анализа неоднородных данных и паттерн-анализ» посвящен изучению количественных методов, позволяющих учесть отсутствие независимости наблюдений в подгруппах выборки. Будут рассмотрены и критически проанализированы следующие методы: 1) корректировка с помощью робастных стандартных ошибок 2) регрессионный анализ на подвыборках 3) регрессионный анализ с включением переменных взаимодействия 4) моделирование с фиксированными эффектами 5) моделирование со смешанными эффектами, в частности, многоуровневое моделирование. Программное обеспечение – Python. Преподавателем будут предложены конкретные исследования для обсуждения методологического подхода и соответствующие массивы данных для репликации результатов.

Цель освоения дисциплины

овладение статистическими методами, позволяющих учесть отсутствие независимости наблюдений в подгруппах выборки, для решения политологических и социально-экономических задач

Планируемые результаты обучения

Знает возможные стратегии работы с неоднородными данными и знает их область применения, корректно применяет и интерпретирует оценки моделей с переменными взаимодействия
Корректно интерпретирует оценки коэффициентов в моделях со смешанными эффектами, понимает различие между фиксированными и случайными эффектами в контексте модели со смешанными эффектами
Корректно интерпретирует результаты оценивания модели с фиксированными эффектами, знает область применения модели с фиксированными эффектами
Умеет выбрать и обосновать спецификацию модели со смешанными эффектами для анализа панельных данных, корректно интерпретирует оценки коэффициентов в моделях со смешанными эффектами

Содержание учебной дисциплины

Введение: основы работы с гетерогенной выборкой
Модели с фиксированными эффектами: возможности и ограничения
Модели со смешанными эффектами. Сравнение альтернативных подходов к работе с гетерогенной выборкой
Анализ панельных данных при помощи моделей со смешанными эффектами
Методы анализа паттернов

Элементы контроля

Домашние задания
Проверочная работа 1
Проверочная работа 2
Проверочная работа 3
Эссе
Презентация эссе
Экзамен

Промежуточная аттестация

2022/2023 учебный год 4 модуль
0.05 * Проверочная работа 3 + 0.05 * Проверочная работа 2 + 0.3 * Экзамен + 0.2 * Домашние задания + 0.25 * Эссе + 0.1 * Презентация эссе + 0.05 * Проверочная работа 1

Список литературы

Авторы

Сальникова Дарья Вячеславовна

Методы анализа неоднородных данных и паттерн-анализ