• A
  • A
  • A
  • АБB
  • АБB
  • АБB
  • А
  • А
  • А
  • А
  • А
Обычная версия сайта
Бакалавриат 2022/2023

Введение в регрессионный анализ

Лучший по критерию «Полезность курса для расширения кругозора и разностороннего развития»
Лучший по критерию «Новизна полученных знаний»
Направление: 38.03.04. Государственное и муниципальное управление
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

Цель освоения дисциплины

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

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

Содержание учебной дисциплины

  • Введение в парную регрессию
  • Парная регрессия. Продолжение
  • Бинарность
  • Регрессия и каузальность
  • Проверка модели на устойчивость
  • Ненормальная регрессия
  • Разность разностей
Элементы контроля

Элементы контроля

  • неблокирующий ДЗ1
  • неблокирующий ДЗ2
  • неблокирующий ДЗ3
  • неблокирующий Проверочная работа
  • неблокирующий Экзамен
Промежуточная аттестация

Промежуточная аттестация

  • 2022/2023 учебный год 1 модуль
    0.15 * Проверочная работа + 0.15 * ДЗ1 + 0.25 * ДЗ3 + 0.3 * Экзамен + 0.15 * ДЗ2

Авторы

  • Стукал Денис Константинович
  • Кручинская Екатерина Владиславовна