Бакалавриат
2022/2023
Введение в регрессионный анализ
Лучший по критерию «Полезность курса для расширения кругозора и разностороннего развития»
Лучший по критерию «Новизна полученных знаний»
Статус:
Курс обязательный (Государственное и муниципальное управление)
Направление:
38.03.04. Государственное и муниципальное управление
Кто читает:
Кафедра высшей математики
Где читается:
Факультет социальных наук
Когда читается:
2-й курс, 1 модуль
Формат изучения:
без онлайн-курса
Охват аудитории:
для своего кампуса
Язык:
русский
Кредиты:
4
Контактные часы:
24
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
- Введение в парную регрессию
- Парная регрессия. Продолжение
- Бинарность
- Регрессия и каузальность
- Проверка модели на устойчивость
- Ненормальная регрессия
- Разность разностей