• A
  • A
  • A
  • АБB
  • АБB
  • АБB
  • А
  • А
  • А
  • А
  • А
Обычная версия сайта
Статья
Inclusion in education: Its bonds and bridges

Iarskaia-Smirnova E. R., Salnikova D., Kononenko R. V.

Children and Youth Services Review. 2024. Vol. 158.

Глава в книге
Assessment of the Impact of the Urban Environment on the Emotional State of Citizens

Burova A., Nikonov V.

In bk.: Proceedings of CIRMARE 2023. Recovery, Maintenance and Rehabilitation of Buildings. Cham: Springer, 2024. P. 233-241.

Препринт
Fast gradient-free activation maximization for neurons in spiking neural networks

Pospelov N., Chertkov A., Beketov M. et al.

arxiv Neural and Evolutionary Computing. arxiv:cs.NE. Cornell University, 2023

Анализ категориальных данных в статистических пакетах

2023/2024
Учебный год
RUS
Обучение ведется на русском языке
4
Кредиты
Статус:
Курс по выбору
Когда читается:
3-й курс, 3, 4 модуль

Преподаватель

Программа дисциплины

Аннотация

Освоение дисциплины «Анализ категориальных данных в статистических пакетах» позволяет получить базовые знания и навыки по применению ряда популярных методов к решению задач, связанных с анализом эмпирических данных, в том случае, когда зависимая переменная измерена в порядковой или номинальной шкале. Например, для изучения того, какие индивидуальные характеристики могут повлиять на то, ходит ли человек на выборы, за кого он голосует. Курс охватывает модели бинарного выбора, модели множественного выбора с упорядоченным откликом (порядковая логистическая регрессия), а также мультиномиальные регрессионные модели. На занятиях используется RStudio для отработки применения изученных методов. "Пререквизитом к курсу является: знакомство с линейными регрессионными моделями".
Цель освоения дисциплины

Цель освоения дисциплины

  • Выработка компетенций по решению политологических и социально-экономических задач, связанных с анализом данных в том случае, когда изучаемые зависимые признаки имеют дискретную природу.
Планируемые результаты обучения

Планируемые результаты обучения

  • владеть навыками реализации моделей бинарного и множественного выбора в статистических пакетах (Rstudio)
  • уметь применять основные модели бинарного и множественного выбора, уметь корректно интерпретировать и визуализировать результаты их оценивания
Содержание учебной дисциплины

Содержание учебной дисциплины

  • 1.1 Линейная модель регрессии
  • 1.2. Логистическая регрессия
  • 1.3. Проверка гипотез.
  • 2. Модели множественного неупорядоченного выбора.
  • 3. Модели множественного упорядоченного выбора.
Элементы контроля

Элементы контроля

  • неблокирующий Экзамен
  • неблокирующий Семинарская активность
  • неблокирующий Домашние задания
  • неблокирующий Контрольная работа
  • неблокирующий Эссе
  • неблокирующий Проверочная работа 1
  • неблокирующий Проверочная работа 2
Промежуточная аттестация

Промежуточная аттестация

  • 2023/2024 учебный год 4 модуль
    0.15 * Контрольная работа + 0.1 * Проверочная работа 2 + 0.1 * Семинарская активность + 0.1 * Проверочная работа 1 + 0.15 * Эссе + 0.1 * Домашние задания + 0.3 * Экзамен
Список литературы

Список литературы

Рекомендуемая основная литература

  • Прикладная статистика и основы эконометрики : учебник для вузов, Айвазян, С. А., 1998

Рекомендуемая дополнительная литература

  • Путеводитель по современной эконометрике : учеб.- метод. пособие для вузов, Вербик, М., 2008