2024/2025
Проблемы эндогенности в экономико-социологических исследованиях
Статус:
Маго-лего
Кто читает:
Кафедра высшей математики
Онлайн-часы:
26
Охват аудитории:
для своего кампуса
Преподаватели:
Сальникова Дарья Вячеславовна
Язык:
русский
Кредиты:
6
Контактные часы:
30
Программа дисциплины
Аннотация
Курс "Проблемы эндогенности в экономико-социологических исследованиях" знакомит студентов со статистическими методами, подходящими для работы в условиях ситуации скоррелированных ошибок и предикторов в регрессионном анализе. Отдельное внимание уделено такому проявлению эндогенности как неоднозначность направления причинно-следственной связи. В результате освоения курса студенты получат навыки диагностики потенциальных источников эндогенности, освоят базовые понятия каузального анализа и научатся корректно применять количественные методы для выявления эффекта воздействия, а также интерпретировать полученные результаты. Курс читается в формате blended learning: слушатели курса работают дополнительно с материалом онлайн-курса "A Crash Course in Causality: Inferring Causal Effects from Observational Data" (University of Pennsylvania). Для успешного освоения материала студенты должны знать основы регрессионного анализа в объеме первых двух тем курса "Panel Data: Analysis and Applications for the Social Sciences", читаемого на первом курсе магистерской программы «Прикладные методы социального анализа рынков».
Цель освоения дисциплины
- Получить навыки в разработке дизайна количественного исследования, релеватного для работы с эндогенностью. Курс акцентирует внимание на эндогенности, вызванной проблемой обратной причинно-следственной связи.
Планируемые результаты обучения
- Знает базовые понятия каузального анализа, умеет формулировать исследовательские вопросы в терминах причинно-следственной связи
- Знает разницу между экспериментальным и квазиэкспериментальным дизайном, требования к проведению эксперимента для возможности идентификации каузального эффекта
- Умеет диагностировать потенциальные источники эндогенности в исследовании, знает последствия нарушения экзогенности в регрессионном анализе
- Умеет применять метод difference-in-differences, знает ограничения метода, корректно интерпретирует результаты.
- Умеет применять метод инструментальных переменных, знает ограничения метода
- Умеет применять методы взвешивания для оценки каузального эффекта
Содержание учебной дисциплины
- Проблема эндогенности в регрессионном анализе
- Обратная причинно-следственная связь как источник эндогенности. Введение в каузальный анализ
- Идентификация каузального эффекта
- Взвешивание для оценки каузального эффекта
- Метод инструментальных переменных
- Метод difference-in-differences
Элементы контроля
- Работа на семинарах
- Домашнее задание 1
- Проверочная работа 1
- Домашнее задание 2
- Проверочная работа 2
- Экзаменационная работа
- Домашнее задание 3
Промежуточная аттестация
- 2024/2025 2nd module0.05 * Домашнее задание 1 + 0.05 * Домашнее задание 2 + 0.1 * Домашнее задание 3 + 0.15 * Проверочная работа 1 + 0.15 * Проверочная работа 2 + 0.1 * Работа на семинарах + 0.4 * Экзаменационная работа
Список литературы
Рекомендуемая основная литература
- Angrist, J. D., & Pischke, J.-S. (2009). Mostly Harmless Econometrics : An Empiricist’s Companion. Princeton: Princeton University Press. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=329761
- Felix Elwert. (2013). Graphical Causal Models. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsbas&AN=edsbas.32FC96F4
- Imai, K., King, G., & Stuart, E. (2008). Misunderstandings between Experimentalists and Observationalists about Causal Inference. https://doi.org/10.1111/j.1467-985X.2007.00527.x
- Mostly harmless econometrics: an empiricist's companion, Angrist, J.D., 2009
Рекомендуемая дополнительная литература
- Basic econometrics, Gujarati, D. N., 1995
- Keele, L. (2015). The Statistics of Causal Inference: A View from Political Methodology. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsbas&AN=edsbas.4DF27A52
- Rohrer, J. (2017). Thinking Clearly About Correlations and Causation: Graphical Causal Models for Observational Data. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsbas&AN=edsbas.676EF5C4