Статистический анализ данных

2024/2025

Учебный год

RUS

Обучение ведется на русском языке

6

Кредиты

Кто читает:

Высшая школа урбанистики имени А.А. Высоковского

Статус:

Курс обязательный

Когда читается:

3-й курс, 1-3 модуль

Преподаватели

Поляков Константин Львович

Полякова Марина Васильевна

Программа дисциплины

Аннотация

Курс посвящен анализу количественных данных в социальных науках. Работа современного исследователя или специалиста в области городского планирования невозможна без применения специализированных исследовательских методов и инструментов. Обработка любых эмпирических данных требует корректного выбора подхода, программного обеспечения и метода анализа, чему и посвящен данный курс, в рамках которого студенты пройдут обучение практическим навыкам работы в специализированных пакетах для анализа данных (прежде всего, Phyton).

Цель освоения дисциплины

• Цель дисциплины — дать студентам научное представление о методах и моделях современного анализа данных, которые позволяют давать количественную оценку основным закономерностям экономической теории, а также прогнозировать социально-экономические процессы.

Планируемые результаты обучения

• Умеет анализировать качество данных, умеет обнаруживать статистические свойства данных.
• Умеет оценивать параметры МЛР. Знает свойства полученных оценок.
• Умеет специфицировать модель линейной регрессии (МЛР). Знает понятие «нелинейная внутренне линейная модель».
• Знает методы обнаружения «единичных корней».
• Знает определение модели ARIMAX.
• Знает определение модели ARMA.
• Знает определение стационарности в широком смысле.
• Умеет выделять полиномиальные и гармонические тренды
• Умеет определять наличие нарушений основных предположений МЛР.
• Умеет определять наличие/отсутствие стационарности.
• Умеет оценить значимость полученных оценок параметров МЛР. Умеет построить прогноз на основе оцененной модели.
• Умеет построить модель ARMA.
• Умеет построить модель ARMAX.
• Умеет приводить ряд к стационарному виду.
• Умеет проверять гипотезы из прикладной области с помощью построенной МЛР на основе проверки статистических гипотез.

Содержание учебной дисциплины

• Предварительный анализ данных.
• ISL_2. Определение и задачи статистического обучения
• Модель линейной регрессии (МЛР).
• Метод наименьших квадратов и линейная регрессия. Статистические свойства МНК оценки параметров МЛР.
• Анализ значимости регрессоров. Прогнозирование.
• Нарушение основных гипотез МЛР.
• Проверка гипотез о свойствах объектов и явлений с помощью МЛР.
• МИРЭК_1-9. Модели панельных данных
• ISL_6. Обучение с учителем. Методы классификации. Модели конечного выбора.
• МИРЭК_1-13. Подготовка к независимому экзамену Data Culture

Элементы контроля

• Активность на семинарах-1
• Активность на семинарах-2
• Вопрос на лекции-1
  Тест в конце каждой лекции по материалу текущей и предыдущей лекций.
• Экзамен-1
• Экзамен-2

Промежуточная аттестация

• 2024/2025 2nd module
  0.275 * Активность на семинарах-1 + 0.275 * Вопрос на лекции-1 + 0.45 * Экзамен-1
• 2024/2025 3rd module
  0.35 * Активность на семинарах-2 + 0.65 * Экзамен-2

Список литературы

Рекомендуемая основная литература

• Эконометрика - 2: продвинутый курс с приложениями в финансах: Учебник / С.А. Айвазян, Д. Фантаццини; Московская школа экономики МГУ им. М.В. Ломоносова (МШЭ). - М.: Магистр: НИЦ ИНФРА-М, 2014. - 944 с.: 70x100 1/32. (переплет) ISBN 978-5-9776-0333- - Режим доступа: http://znanium.com/catalog/product/472607

Рекомендуемая дополнительная литература

• Введение в эконометрику : учебник для вузов, Доугерти, К., 2009
• Введение в эконометрику : учебник для вузов, Доугерти, К., 2010
• Эконометрика. Начальный курс : учебник для вузов, Магнус, Я. Р., 2007

Авторы

• Полякова Марина Васильевна
• Поляков Константин Львович