• A
  • A
  • A
  • АБB
  • АБB
  • АБB
  • А
  • А
  • А
  • А
  • А
Обычная версия сайта
2020/2021

Эконометрический анализ данных в SPSS и STATA

Лучший по критерию «Полезность курса для Вашей будущей карьеры»
Лучший по критерию «Новизна полученных знаний»
Статус: Факультатив
Когда читается: 1, 2 модуль
Язык: русский
Кредиты: 2
Контактные часы: 50

Программа дисциплины

Аннотация

Дисциплина ориентирована на всех желающих, владеющих основами статистики. Дисциплина направлена на ознакомление слушателей с современными эконометрическими методами и областью их применения для решения конкретных практических задач, совершенствование навыков работы в SPSS и STATA.
Цель освоения дисциплины

Цель освоения дисциплины

  • Формирование у студентов и слушателей системного представления об эконометрических методах анализа количественных данных.
Планируемые результаты обучения

Планируемые результаты обучения

  • Корректное применение эконометрических методов для решения практических задач
  • Эффективное использование статистических пакетов STATA и SPSS
  • Знает основные этапы анализа количественных данных
  • Умеет рассчитывать статистические оценки
  • Знает область применения метода главных компонент и методов факторного анализа
  • Владеет различными методами кластерного анализа и навыками подбора наилучшей классификации
  • Владеет навыками дискриминантного анализа
Содержание учебной дисциплины

Содержание учебной дисциплины

  • 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
  • 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
  • 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
  • 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
  • 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
  • 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.
  • Снижение размерности. Метод главных компонент. Факторный анализ. Работа в SPSS.
    Цели, задачи и предпосылки метода главных компонент. Различия между методом главных компонент и методами факторного анализа. Геометрическая интерпретация модели факторного анализа. Вращение факторов. Проблемы факторного анализа
  • Классификация наблюдений. Иерархический кластерный анализ. Кластеризация k-средними. Дискриминантный анализ. Работа в SPSS.
    Подходы к выделению однородных групп объектов. Цели, задачи и предпосылки кластерного анализа. Измерение близости объектов. Критерии качества классификации. Цели, задачи и предпосылки дискриминантного анализа
  • Введение. Основы математической статистики. Основные этапы анализа количественных данных.
    •Генеральная и выборочная совокупность, репрезентативность выборки. Точечные и интервальные оценки. Статистическая проверка гипотез. Этапы эконометрического моделирования
Элементы контроля

Элементы контроля

  • неблокирующий Тест в режиме самопроверки по теме 1
  • неблокирующий Тест в режиме самопроверки по теме 2
  • неблокирующий Тест по теме 3
  • неблокирующий Лабораторная работа в SPSS по теме 4
  • неблокирующий Лабораторная работа в SPSS с обсуждением результатов в аудитории по теме 5
  • неблокирующий Тест по теме 6
  • неблокирующий Тест в режиме самопроверки по теме 7
  • неблокирующий Лабораторная работа в STATA по теме 8
  • неблокирующий Лабораторная работа в STATAс обсуждением результатов в аудитории по теме 9
  • неблокирующий Устное обсуждение научных статей по теме 10
Промежуточная аттестация

Промежуточная аттестация

  • Промежуточная аттестация (2 модуль)
    0.1 * Лабораторная работа в SPSS по теме 4 + 0.1 * Лабораторная работа в SPSS с обсуждением результатов в аудитории по теме 5 + 0.1 * Лабораторная работа в STATA по теме 8 + 0.1 * Лабораторная работа в STATAс обсуждением результатов в аудитории по теме 9 + 0.1 * Тест в режиме самопроверки по теме 1 + 0.1 * Тест в режиме самопроверки по теме 2 + 0.1 * Тест в режиме самопроверки по теме 7 + 0.1 * Тест по теме 3 + 0.1 * Тест по теме 6 + 0.1 * Устное обсуждение научных статей по теме 10
Список литературы

Список литературы

Рекомендуемая основная литература

  • Кластерный анализ, Мандель, И. Д., 1988
  • Общая теория статистики : учебник для вузов, Елисеева, И. И., 2008
  • Прикладная статистика. Основы эконометрики. Т.1: Теория вероятностей и прикладная статистика, Айвазян, С. А., 2001
  • Теория вероятностей и математическая статистика : учеб. пособие для вузов, Мхитарян, В. С., 2010
  • Факторный анализ, Иберла, К., 1980

Рекомендуемая дополнительная литература

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