Проблемы эндогенности в экономико-социологических исследованиях

2022/2023

Учебный год

RUS

Обучение ведется на русском языке

6

Кредиты

Лучший по критерию «Новизна полученных знаний»

Кто читает:

Кафедра высшей математики (Общеуниверситетские кафедры)

Статус:

Маго-лего

Когда читается:

1, 2 модуль

Преподаватель

Сальникова Дарья Вячеславовна

Программа дисциплины

Аннотация

Курс "Проблемы эндогенности в экономико-социологических исследованиях" знакомит студентов со статистическими методами, подходящими для работы в условиях ситуации скоррелированных ошибок и предикторов в регрессионном анализе. Отдельное внимание уделено такому проявлению эндогенности как неоднозначность направления причинно-следственной связи. В результате освоения курса студенты получат навыки диагностики потенциальных источников эндогенности, освоят базовые понятия каузального анализа и научатся корректно применять количественные методы для выявления эффекта воздействия, а также интерпретировать полученные результаты. Курс читается в формате blended learning: слушатели курса работают дополнительно с материалом онлайн-курса "A Crash Course in Causality: Inferring Causal Effects from Observational Data" (University of Pennsylvania). Для успешного освоения материала студенты должны знать основы регрессионного анализа в объеме первых двух тем курса "Panel Data: Analysis and Applications for the Social Sciences", читаемого на первом курсе магистерской программы «Прикладные методы социального анализа рынков».

Цель освоения дисциплины

• Получить навыки в разработке дизайна количественного исследования, релеватного для работы с эндогенностью. Курс акцентирует внимание на эндогенности, вызванной проблемой обратной причинно-следственной связи.

Планируемые результаты обучения

• Знает базовые понятия каузального анализа, умеет формулировать исследовательские вопросы в терминах причинно-следственной связи
• Знает разницу между экспериментальным и квазиэкспериментальным дизайном, требования к проведению эксперимента для возможности идентификации каузального эффекта
• Умеет диагностировать потенциальные источники эндогенности в исследовании, знает последствия нарушения экзогенности в регрессионном анализе
• Умеет применять метод difference-in-differences, знает ограничения метода, корректно интерпретирует результаты.
• Умеет применять метод инструментальных переменных, знает ограничения метода
• Умеет применять методы взвешивания для оценки каузального эффекта

Содержание учебной дисциплины

• Проблема эндогенности в регрессионном анализе
• Обратная причинно-следственная связь как источник эндогенности. Введение в каузальный анализ
• Идентификация каузального эффекта
• Взвешивание для оценки каузального эффекта
• Метод инструментальных переменных
• Метод difference-in-differences

Элементы контроля

• Домашнее задание 1
• Проверочная работа 1
• Работа на семинарах
• Экзаменационная работа
• Домашнее задание 2
• Домашнее задание 3
• Проверочная работа 2

Промежуточная аттестация

• 2022/2023 учебный год 2 модуль
  0.1 * Проверочная работа 2 + 0.4 * Экзаменационная работа + 0.1 * Проверочная работа 1 + 0.2 * Работа на семинарах + 0.05 * Домашнее задание 2 + 0.1 * Домашнее задание 3 + 0.05 * Домашнее задание 1

Список литературы

Рекомендуемая основная литература

• Angrist, J. D., & Pischke, J.-S. (2009). Mostly Harmless Econometrics : An Empiricist’s Companion. Princeton: Princeton University Press. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=329761
• Felix Elwert. (2013). Graphical Causal Models. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsbas&AN=edsbas.32FC96F4
• Imai, K., King, G., & Stuart, E. (2008). Misunderstandings between Experimentalists and Observationalists about Causal Inference. https://doi.org/10.1111/j.1467-985X.2007.00527.x
• Mostly harmless econometrics: an empiricist's companion, Angrist, J. D., 2009

Рекомендуемая дополнительная литература

• Basic econometrics, Gujarati, D. N., 1995
• Keele, L. (2015). The Statistics of Causal Inference: A View from Political Methodology. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsbas&AN=edsbas.4DF27A52
• Rohrer, J. (2017). Thinking Clearly About Correlations and Causation: Graphical Causal Models for Observational Data. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsbas&AN=edsbas.676EF5C4

Авторы

• Сальникова Дарья Вячеславовна