Анализ количественных данных в социальных науках

Бакалавриат 2021/2022

Статус: Курс обязательный (Городское планирование)

Направление: 07.03.04. Градостроительство

Кто читает: Высшая школа урбанистики имени А.А. Высоковского

Где читается: Факультет городского и регионального развития

Когда читается: 3-й курс, 3, 4 модуль

Формат изучения: без онлайн-курса

Охват аудитории: для своего кампуса

Преподаватели: Полякова Марина Васильевна, Поляков Константин Львович

Язык: русский

Кредиты: 5

Контактные часы: 60

Полная версия программы учебной 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.
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.
Определение и классификация временных рядов.
Моделирование влияния внешних переменных на основные показатели процессов
Моделирование долговременных и сезонных явлений.
Модели нестационарных процессов.

Элементы контроля

Работа на семинарах 1
Текущая оценка TO=10 Score/Score_max , где Score — сумма баллов, полученная за работу на семинарах. Score_max — максимальная сумма
Самостотельная работа 1
Работа на семинарах 2
Текущая оценка TO=10 Score/Score_max , где Score — сумма баллов, полученная за работу на семинарах. Score_max — максимальная сумма баллов в группе
Самостоятельная работа 2
Экзамен

Промежуточная аттестация

2021/2022 учебный год 4 модуль
0.3 * Экзамен + 0.25 * Самостоятельная работа 2 + 0.1 * Работа на семинарах 2 + 0.1 * Работа на семинарах 1 + 0.25 * Самостотельная работа 1

Программа дисциплины