• A
  • A
  • A
  • АБB
  • АБB
  • АБB
  • А
  • А
  • А
  • А
  • А
Обычная версия сайта
2018/2019

Эконометрический анализ данных в SPSS и STATA

Лучший по критерию «Полезность курса для Вашей будущей карьеры»
Лучший по критерию «Полезность курса для расширения кругозора и разностороннего развития»
Лучший по критерию «Новизна полученных знаний»
Статус: Общеуниверситетский факультатив
Когда читается: 1, 2 модуль
Язык: русский

Программа дисциплины

Аннотация

Факультатив адресован студентам НИУ ВШЭ (любой образовательной программы), желающим научиться грамотно работать с данными выборочных обследований и опросов населения. Во время курса слушатели овладеют современными методами анализа данных, освоят навыки работы в статистических пакетах STATA и SPSS.
Цель освоения дисциплины

Цель освоения дисциплины

  • Целью освоения дисциплины «Общеуниверситетский факультатив «Эконометриче-ский анализ данных в SPSS и STATA» является формирование у студентов и слушателей системного представления об эконометрических методах анализа количественных дан-ных. В результате освоения дисциплины студент должен: знать: - современные эконометрические методы и область их применения; уметь: - использовать эконометрические методы для решения практических задач; владеть: - навыками работы в SPSS и STATA.
Планируемые результаты обучения

Планируемые результаты обучения

  • Корректное применение эконометрических методов для решения практических задач
  • Эффективное использование статистических пакетов STATA и SPSS
Содержание учебной дисциплины

Содержание учебной дисциплины

  • Дескриптивный анализ данных. Корреляционный анализ. Визуализация данных (гистограммы, диаграммы рассеивания, ящичные диаграммы т др.). Знакомство с SPSS и STATA.
    Генеральная и выборочная совокупность, репрезентативность выборки Точечные и интервальные оценки Статистическая проверка гипотез Этапы эконометрического моделирования
  • Missing data и их виды. Методы импутации missing data. Работа в SPSS.
    System and user missing data Missing at random data, missing completely at random data, missing not at a random data (MAR, MCAR, MNAR). Основные подходы к импутации данных Дескриптивный анализ пропущенных данных Процедуры множественной импутации данных
  • Цели, задачи и предпосылки регрессионного анализа. Простая и множественная линейная регрессия. Ограничения МНК. Работа в STATA.
    Цели, задачи и предпосылки регрессионного анализа Классическая модель линейной регрессии Метод наименьших квадратов Оценка качества модели регрессии Интерпретация регрессионных коэффициентов
  • Выбросы. Мультиколлинеарность. Коррелированность ошибок. Гетероскедастичность. Нелинейность зависимой переменной. Работа в STATA.
    Нарушения предположений классической модели линейной регрессии Стохастичность регрессоров, тест Хаусмана, регрессия с инструментальными переменны-ми Гетероскедастичность остатков, тест Кука-Вайсберга, обобщенный метод наименьших квадратов Автокоррелированность остатков, тест Дарбина-Уотсона Мультиколлинеарность, метод главных компонент, ридж-регрессия Выбросы, D-статистика Кука Нелинейность зависимой переменной, тест Рамсея, преобразования к линейности и нор-мальности
  • Модели дискретного выбора. Логит– и пробит-модели. Бинарная, мультино-миальная, порядковая логистическая регрессия. Работа в STATA.
    Модели с дискретными объясняющими переменными Метод максимального правдоподобия Интерпретация коэффициентов: отношение шансов, предельные эффекты
  • Временные ряды. Автокорреляционная и частная автокорреляционная функция. Модели AR, MA, ARMA, ARIMA. Работа в STATA.
    Виды и компоненты временных рядов Сглаживание временных рядов Модели кривых роста Модели стационарных временных рядов (AR, MA, ARMA, ARIMA)
  • Multilevel modelling. Модели Random Intercept и Random Slope с двумя уровнями. Модели бинарного выбора. Работа в STATA.
    Многоуровневые структуры и классификации, область применения multilevel modelling Модели Random Intercept и Random Slope. Модели бинарного выбора.
Элементы контроля

Элементы контроля

  • неблокирующий Промежуточные тесты
  • неблокирующий Проект
Промежуточная аттестация

Промежуточная аттестация

  • Промежуточная аттестация (2 модуль)
    0.5 * Проект + 0.5 * Промежуточные тесты
Список литературы

Список литературы

Рекомендуемая дополнительная литература

  • Общая теория статистики : учебник для вузов, Елисеева И. И., Юзбашев М. М., 2006
  • Прикладная статистика и основы эконометрики : Учебник для вузов, Айвазян С. А., Мхитарян В. С., 1998