Econometrics (Advanced Level)

2020/2021

Academic Year

RUS

Instruction in Russian

6

ECTS credits

Delivered at:

Department of Trade Policy (Institute of Trade Policy)

Course type:

Compulsory course

When:

1 year, 3, 4 module

Instructor

Melikyan, Alisa

Программа дисциплины

Аннотация

В результате освоения дисциплины студенты изучат современные методы эконометрического анализа данных для проведения исследований и овладеют практическими навыками использования современных программных средств для работы с данными. Студенты смогут осуществить предварительную подготовку данных для последующей работы с ними в специализированных программах, выбрать подходящий метод анализа в зависимости от типа данных и исследовательской задачи, провести эконометрический анализ данных и интерпретировать полученные результаты, представлять их в доступном для широкой аудитории виде.

Цель освоения дисциплины

• формирование у студентов профессиональных компетенций, связанных с использованием статистических и эконометрических методов в области мировой экономики;
• получение практических навыков применения эконометрических методов;
• получение студентами навыков самостоятельной исследовательской работы, предполагающей изучение академической литературы, применение специфических методов математической статистики и эконометрики, инструментов и средств, необходимых для решения прикладных задач.

Планируемые результаты обучения

• Уметь исследовать и давать количественную оценку взаимосвязям между переменными разного типа
• Уметь осуществлять выбор подходящего метода анализа данных для проведения конкретного исследования в соответствии с целями, задачами, гипотезами и имеющимися в наличии данными
• Уметь провести описательный анализ данных
• Уметь формулировать исследовательские гипотезы и исследовать взаимосвязи между переменными
• Уметь провести факторный анализ данных
• Уметь провести кластерный анализ данных
• Уметь построить модель регрессии и описать её
• Уметь анализировать временные ряды
• Уметь построить модель панельных данных и описать её

Содержание учебной дисциплины

• Введение в эконометрический анализ данных
  Обзор методов эконометрического анализа данных. Обзор статистических пакетов. Источники данных. Ввод, редактирование, модификация экспорт/импорт данных и результатов.
• Описательный анализ данных
  Частотный анализ данных. Графический анализ данных. Подсчёт статистических характеристик (мода, медиана, среднее арифметическое, дисперсия и среднее квадратичное отклонение, стандартная ошибка среднего, доверительный интервал, квартили, межквартальная широта, симметричность и заострённость распределения). Основные типы шкал и соответствующие им меры средней тенденции и меры разброса. Нормальное распределение, Z-стандартизация, тест Колмогорова-Смирнова. Работа с многовариантными вопросами.
• Исследование взаимосвязей между переменными. Проверка гипотез
  Таблица сопряжённости. Формулировка гипотез. Этапы проверки гипотез. Уровень значимости и ошибка первого рода. Тест Хи-квадрат. Построение диаграммы рассеяния. Парные коэффициенты корреляции (Пирсона, Кендалла, Спирмана). Частные корреляции. Сравнение средних (t-тест для независимых и зависимых выборок, однофакторный дисперсионный анализ). Непараметрические тесты.
• Факторный анализ данных
  Порядок выполнения факторного анализа. Оценка пригодности исходных данных для проведения факторного анализа. Метод главных компонент. Факторные нагрузки. Вращение осей. Сохранение факторов в виде новых переменных в файле данных. Интерпретация значений факторов.
• Кластерный анализ данных
  Методы кластерного анализа данных. Иерархический кластерный анализ. Кластерный анализ методом к-средних. Поиск оптимального кластерного решения. Индекс Цалиньски-Харабаша. Содержательная характеристика кластеров.
• Регрессионный анализ
  Задачи регрессионного анализа. Простая линейная регрессия. Множественная регрессия. Нелинейная регрессия. Бинарные модели. Модели выбора. ROC-кривая. Оценка качества модели. Анализ остатков. Мультиколлинеарность. Гетероскедастичность. Фиктивные переменные. Диагностика регрессионной модели.
• Анализ временных рядов
  Стационарные и нестационарные временные ряды. АРПСС (Бокс и Дженкинс). Прогнозирование значений на будущие периоды. Авторегрессионые модели, интегральные модели и модели скользящего среднего.
• Анализ панельных данных
  Преимущества и проблемы использования панельных данных. Классификация моделей панельных данных. Методы оценки регрессий по панельным данным. Модели с детерминированными и случайными эффектами. Критерии выбора оптимальной модели.

Элементы контроля

• Контрольные работы
  Письменная контрольная работа проводится в конце модуля с целью оценки результатов освоения пройдённого материала.
• Работа на семинаре
  Задания, выполняемые на компьютере во время семинаров.
• Домашнее задание
  Домашнее задание представляет собой исследовательский проект по сбору и анализу данных. Предусматривает подготовку аналитического отчёта по результатам анализа.
• Письменный экзамен
  Экзамен проводится в письменной форме. Экзамен проводится на платформе Zoom. К экзамену необходимо подключиться за 5 минут до начала. Компьютер студента должен удовлетворять требованиям: наличие рабочей камеры и микрофона, установленное приложение Zoom. Для участия в экзамене студент обязан явиться на экзамен согласно точному расписанию и быть готовым отвечать на вопросы преподавателя с включённым микрофоном и камерой. Во время экзамена студентам запрещено пользоваться подсказками посторонних людей. Во время экзамена студентам разрешено задавать преподавателю уточняющие вопросы, если не понятно задание. Кратковременным нарушением связи во время экзамена считается нарушение связи менее 10 минут. Долговременным нарушением связи во время экзамена считается нарушение длительностью более 10 минут. При долговременном нарушении связи студент не может продолжить участие в экзамене. Процедура пересдачи аналогична процедуре сдачи.

Промежуточная аттестация

• Промежуточная аттестация (4 модуль)
  0.2 * Домашнее задание + 0.3 * Контрольные работы + 0.3 * Письменный экзамен + 0.2 * Работа на семинаре

Список литературы

Рекомендуемая основная литература

• Введение в эконометрику : учебник для вузов, Доугерти, К., 2009
• Эконометрика в задачах и упражнениях, Борзых, Д. А., 2017

Рекомендуемая дополнительная литература

• Boris Mirkin. (2011). Core Concepts in Data Analysis: Summarization, Correlation and Visualization (Vol. 2011). Springer.
• Эконометрика : учебник и практикум для прикладного бакалавриата, Демидова, О. А., 2017