Многомерный статистический анализ

Бакалавриат 2020/2021

Лучший по критерию «Новизна полученных знаний»

Статус: Курс обязательный (Политология)

Направление: 41.03.04. Политология

Кто читает: Кафедра высшей математики

Где читается: Факультет социальных наук

Когда читается: 3-й курс, 1, 2 модуль

Формат изучения: без онлайн-курса

Преподаватели: Сальникова Дарья Вячеславовна

Язык: русский

Кредиты: 6

Контактные часы: 70

Полная версия программы учебной дисциплины Задать вопрос

Аннотация

Курс «Многомерный статистический анализ» состоит из двух частей: в рамках первой части студенты осваивают статистические инструменты для анализа панельных данных, вторая часть знакомит студентов с проблемой эндогенности в регрессионном анализе. Изучаемый теоретический материал иллюстрируется примерами из исследований в области социальных наук. На практических занятиях используется RStudio для отработки применения статистических методов анализа. Для успешного освоения материала студенты должны знать основы статистики и регрессионный анализ в объеме курсов «Теория вероятностей и математическая статистика» и «Дополнительные главы теории вероятностей и математической статистики».

Цель освоения дисциплины

выработать базовые компетенции по решению задач, связанных с анализом эмпирических данных с помощью методов многомерной статистики.

Планируемые результаты обучения

Умеет выбирать релеватную спецификацию модели для анализа панельных данных, корректно интерпретирует результаты оценивания модели с фиксированными эффектами и модели со случайными эффектами
Умеет выбрать и обосновать спецификацию модели со смешанными эффектами для анализа панельных данных, корректно интерпретирует оценки коэффициентов в моделях со смешанными эффектами, понимает различие между фиксированными и случайными эффектами в контексте модели со смешанными эффектами.
Умеет диагностировать потенциальные источники эндогенности. Корректно применяет методы инструментальных переменных и difference-in-differences, а также корректно интерпретирует результаты.

Содержание учебной дисциплины

Основы анализа панельных данных: модели с фиксированными эффектами и модели со случайными эффектами
Панельная структура данных VS пространственно-временные данные (time-series cross-section data). Модель с фиксированными эффектами. Внутригрупповое преобразование. Диагностика качества моделей с фиксированными эффектами. Модель со случайными эффектами и ее допущения. Выбор релевантной модели: F-тест, тест множителей Лагранжа Бреуша-Пагана, тест Хаусмана и его ограничения. Инструменты визуализации в анализе панельных данных. Обобщенный метод наименьших квадратов (GLS). Реализуемый обобщенный метод наименьших квадратов. Панельно-скорректированные стандартные ошибки.
Анализ панельных данных с помощью моделей со смешанными эффектами
Анализ панельных данных при помощи моделей со смешанными эффектами. Представление панельных данных как данных с иерархической структурой. Допущения модели со смешанными эффектами. Различие между фиксированными и случайными эффектами, их интерпретация. Спецификация модели. Визуализация результатов.
Эндогенность в регрессионном анализе. Инструменты выявления каузального эффекта в рамках анализа панельных данных
Причины и последствия нарушения условия экзогенности в регрессионном анализе. Проблема пропущенных существенных переменных и ее частные случаи. Базовые понятия causal inference. Difference-in-differences method. Допущения для возможности оценки каузального эффекта. Ограничения метода.

Элементы контроля

Домашние задания
Самостоятельные работы
Контрольная работа
Эссе
Экзаменационная работа
Работа на практических занятиях

Промежуточная аттестация

Промежуточная аттестация (2 модуль)
0.15 * Домашние задания + 0.15 * Контрольная работа + 0.1 * Работа на практических занятиях + 0.15 * Самостоятельные работы + 0.3 * Экзаменационная работа + 0.15 * Эссе

Программа дисциплины