Введение в регрессионный анализ

2023/2024

Учебный год

RUS

Обучение ведется на русском языке

3

Кредиты

Кто читает:

Кафедра высшей математики (Общеуниверситетские кафедры)

Статус:

Курс обязательный

Когда читается:

2-й курс, 1 модуль

Преподаватели

Стукал Денис Константинович

Тамбовцева Алла Андреевна

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: «Линейная алгебра и приложения в многомерной статистике» и «Регрессионный анализ: панельные данные и каузальность» на втором и третьем курсах образовательной программы.

Цель освоения дисциплины

• Знакомство студентов-политологов с основные понятиями и инструментами регрессионного анализа и их использованием в фундаментальных и прикладных исследованиях

Планируемые результаты обучения

• Умение строить парную регрессию
• Умение интерпретировать результаты построения парной регрессии
• Понимать логику и алгоритмы статистического вывода (с примерами)
• Знать основные статистические критерии, используемые в регрессионном анализе
• Понимать правила создания фиктивных переменных, верно интерпретировать коэффициенты при них
• Знать основные понятия, связанные со множественной регрессией
• Объяснять преимущества множественной регрессии перед парной в терминах пропущенных переменных
• Проверять гипотезы о коэффициентах множественной регрессии
• Оценивать качество модели множественной регрессии
• Объяснять суть гетерогенности эффектов
• Понимать механизм создания и интерпретацию моделей со взаимодействиями переменных
• Объяснять суть проблемы эндогенности
• Объяснять суть и механизм нахождения оценок инструментальных переменных
• Приводить примеры инструментальных переменных

Содержание учебной дисциплины

• Парная регрессия
• Статистический вывод: повторение
• Категориальные объясняющие переменные в регрессии
• Множественная регрессия
• Гетерогенность эффектов воздействия
• Эндогенность

Элементы контроля

• Проверочные работы
  Оценка рассчитывается как 10*ДБ (без округления), где ДБ - это доля баллов, набранных за все проверочные работы, проведенные в течение реализации дисциплины.
• Экзамен
  Экзаменационная работа состоит из теоретической и практической частей.
• Домашние задания
  Оценка выставляется как среднее арифметическое оценок за домашние задания (без округления)
• Практикум
  Практикум по регрессионному анализу на компьютере

Промежуточная аттестация

• 2023/2024 учебный год 1 модуль
  0.25 * Домашние задания + 0.2 * Практикум + 0.25 * Проверочные работы + 0.3 * Экзамен

Список литературы

Рекомендуемая основная литература

• Gujarati, D. (2014). Econometrics by Example (Vol. 2nd ed). Basingstoke: Palgrave Macmillan. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=1525312
• Regression basics, Kahane, L. H., 2008

Рекомендуемая дополнительная литература

• Голая статистика : самая интересная книга о самой скучной науке, Уилан, Ч., 2016