Введение в регрессионный анализ

Бакалавриат 2023/2024

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: 2-й курс, 1 модуль

Формат изучения: без онлайн-курса

Охват аудитории: для своего кампуса

Преподаватели: Стукал Денис Константинович, Тамбовцева Алла Андреевна

Язык: русский

Кредиты: 3

Контактные часы: 28

Полная версия программы учебной дисциплины

Аннотация

Регрессионный анализ - основной инструмент анализа данных в политической науке, государственном управлении, микро и макроэкономике. Он позволяет строить прогнозы, описывать сложные взаимосвязи между наборами признаков, а в некоторых случаях - даже измерять эффекты воздействий и оценивать силу причинно-следственных связей. Дисциплина «Введение в регрессионный анализ» посвящена базовым темам регрессионного анализа и дает студентам представление о содержательном смысле линейных регрессионных моделей, их основных допущениях, инструментах диагностики этих допущений, а также интерпретации полученных результатов. Для успешного освоения этой дисциплины требуются знания по теории вероятностей и математической статистике в объеме вводного курса, а также умение дифференцировать линейную функцию и полином. Студенты смогут продолжить углублённое изучение регрессионных и других моделей анализа социально-экономических и политологических данных в курсах по выбору: «Линейная алгебра и приложения в многомерной статистике» и «Регрессионный анализ:панельные данные и каузальность» на втором и третьем курсах образовательной программы.

Цель освоения дисциплины

Знакомство студентов-политологов с основные понятиями и инструментами регрессионного анализа и их использованием в фундаментальных и прикладных исследованиях

Планируемые результаты обучения

Умение строить парную регрессию
Умение интерпретировать результаты построения парной регрессии
Понимать логику и алгоритмы статистического вывода (с примерами)
Знать основные статистические критерии, используемые в регрессионном анализе
Понимать правила создания фиктивных переменных, верно интерпретировать коэффициенты при них
Знать основные понятия, связанные со множественной регрессией
Объяснять преимущества множественной регрессии перед парной в терминах пропущенных переменных
Проверять гипотезы о коэффициентах множественной регрессии
Оценивать качество модели множественной регрессии
Объяснять суть гетерогенности эффектов
Понимать механизм создания и интерпретацию моделей со взаимодействиями переменных
Объяснять суть проблемы эндогенности
Объяснять суть и механизм нахождения оценок инструментальных переменных
Приводить примеры инструментальных переменных
Уметь проверять статистические гипотезы с помощью понятия критической области и минимального уровня значимости (p-value)
Уметь применять критерий Стьюдента для двух выборок к решению содержательных задач
Уметь применять доверительный интервал для среднего к решению содержательных задач

Содержание учебной дисциплины

Парная регрессия
Статистический вывод: повторение
Категориальные объясняющие переменные в регрессии
Множественная регрессия
Гетерогенность эффектов воздействия
Эндогенность

Элементы контроля

Проверочные работы
Оценка рассчитывается как 10*ДБ (без округления), где ДБ - это доля баллов, набранных за все проверочные работы, проведенные в течение реализации дисциплины.
Экзамен
Экзаменационная работа состоит из теоретической и практической частей.
Домашние задания
Оценка выставляется как среднее арифметическое оценок за домашние задания (без округления)
Практикум
Практикум по регрессионному анализу на компьютере

Промежуточная аттестация

2023/2024 учебный год 1 модуль
0.25 * Домашние задания + 0.2 * Практикум + 0.25 * Проверочные работы + 0.3 * Экзамен

Список литературы

Авторы

Стукал Денис Константинович
Макаров Алексей Алексеевич

Программа дисциплины