Бакалавриат
2024/2025
Регрессионный анализ социально-экономических процессов
Статус:
Курс обязательный (Вычислительные социальные науки)
Направление:
01.03.02. Прикладная математика и информатика
Кто читает:
Кафедра высшей математики
Где читается:
Факультет социальных наук
Когда читается:
3-й курс, 1, 3, 4 модуль
Формат изучения:
без онлайн-курса
Охват аудитории:
для своего кампуса
Преподаватели:
Сальникова Дарья Вячеславовна
Язык:
русский
Кредиты:
10
Контактные часы:
96
Программа дисциплины
Аннотация
Курс «Регрессионный анализ социально-экономических процессов» читается для студентов 3 курса бакалаврской программы «Вычислительные социальные науки». Целью освоения дисциплины является формирование у студентов практических навыков применения регрессионного анализа, необходимых для решения прикладных задач машинного обучения и анализа данных в социальных науках. Программа курса охватывает классическую линейную регрессию; методы, подходящие для случая категориальной зависимой переменной; регрессионные модели, применяемые в контексте анализа панельных и TSCS данных. Одним из наиболее важных форматов семинарских занятий, позволяющих студентам развить практические навыки, является репликация результатов исследований с последующей критикой и корректировкой примененной стратегии эмпирического анализа. На занятиях для анализа данных используется Python.
Цель освоения дисциплины
- Формирование у студентов практических навыков применения регрессионного анализа, необходимых для решения прикладных задач машинного обучения и анализа данных в социальных науках
Планируемые результаты обучения
- Корректно интерпретирует оценки коэффициентов множественной регрессии, включающей переменные взаимодействия
- Умеет выбирать релеватную спецификацию модели для анализа панельных данных, корректно интерпретирует результаты оценивания модели с фиксированными эффектами и модели со случайными эффектами
- Корректно интерпретирует результаты оценивания модели с фиксированными эффектами, знает область применения модели с фиксированными эффектами
- Корректно интерпретирует оценки коэффициентов множественной регрессионной модели
- Умеет объяснять суть понятия "гетероскедастичность" и применять необходимые поправки в условиях гетероскедастичности
- Умеет диагностировать нетипичные наблюдения по отклику (outliers) и предикторам (leverages), влиятельные наблюдения в регрессионной модели
- Умеет объяснять суть понятия "мультиколлинеарность", диагностировать мультиколлинеарность и применять необходимые поправки в условиях мультиколлинеарности, умеет объяснить, к каким последствиям и почему приводит строгая и сильная мультиколлинеарность
- Умеет осуществлять инференцию в регрессии при помощи бутстрапа
Содержание учебной дисциплины
- Парная линейная регрессия. Повторение
- Модель множественной линейной регрессии. Спецификация модели
- МНК-оценки в рамках множественной линейной регрессии
- Оценка качества регрессионной модели: коэффициент детерминации
- Свойства оценок коэффициентов в регрессионной модели
- Мультиколлинеарность
- Устойчивость регрессионной модели
- Инференция в регрессии при помощи бутстрапа
- Переменные взаимодействия в регрессионной модели
- Модели бинарного выбора
- Модели множественного упорядоченного выбора
- Регрессионные модели для анализа панельных данных
- Эндогенность в регрессионных моделях
Элементы контроля
- Проверочная работа 1
- Проверочная работа 2
- Проверочная работа 3
- Экзамен 1
- Семинарская активность 1
- Семинарская активность 2
- Домашнее задание 1
- Домашнее задание 2
- Домашнее задание 3
- Домашнее задание 4
- Экзамен 2
Промежуточная аттестация
- 2024/2025 1st module0.1 * Домашнее задание 1 + 0.1 * Домашнее задание 2 + 0.2 * Проверочная работа 1 + 0.1 * Семинарская активность 1 + 0.5 * Экзамен 1
- 2024/2025 4th module0.1 * Домашнее задание 3 + 0.1 * Домашнее задание 4 + 0.15 * Проверочная работа 2 + 0.15 * Проверочная работа 3 + 0.1 * Семинарская активность 2 + 0.4 * Экзамен 2
Список литературы
Рекомендуемая основная литература
- An Introduction to the Bootstrap, Efron, B., 1993
- Applied Logistic Regression, 2nd ed., 375 p., Hosmer, D. W., Lemeshow, S., 2000
- Basic econometrics, Gujarati, D. N., 2009
- Bootstrapping : a nonparametric approach to statistical inference, Mooney, C. Z., 1993
- Fixed effects regression models, Allison, P. D., 2009
- Mastering 'Metrics : the path from cause to effect, Angrist, J. D., 2015
- Mostly harmless econometrics : an empiricist's companion, Angrist, J. D., 2009
- Regression models for categorical and limited dependent variables, Long, J. S., 1997
- Прикладная статистика. Основы эконометрики. Т.1: Теория вероятностей и прикладная статистика, Айвазян, С. А., 2001
Рекомендуемая дополнительная литература
- An introduction to categorical data analysis, Agresti, A., 2007
- Categorical data analysis, Agresti, A., 2002
- Counterfactuals and causal inference : methods and principles for social research, Morgan, S. L., 2012
- Introductory econometrics : a modern approach, Wooldridge, J. M., 2020