Бакалавриат 2024/2025

Регрессионный анализ социально-экономических процессов

Статус: Курс обязательный (Вычислительные социальные науки)

Направление: 01.03.02. Прикладная математика и информатика

Кто читает: Кафедра высшей математики

Где читается: Факультет социальных наук

Когда читается: 3-й курс, 1, 3, 4 модуль

Формат изучения: без онлайн-курса

Охват аудитории: для своего кампуса

Преподаватели: Сальникова Дарья Вячеславовна

Язык: русский

Кредиты: 10

Программа дисциплины

Аннотация

The course is taught for 3rd year students of the Bachelor's degree program "Computational Social Sciences". The purpose of mastering the discipline is to develop students' practical skills in applying regression analysis, necessary for solving applied problems of machine learning and data analysis in the social sciences.

Цель освоения дисциплины

• Формирование у студентов практических навыков применения регрессионного анализа, необходимых для решения прикладных задач машинного обучения и анализа данных в социальных науках

Планируемые результаты обучения

• Корректно интерпретирует оценки коэффициентов множественной регрессии, включающей переменные взаимодействия
• Умеет выбирать релеватную спецификацию модели для анализа панельных данных, корректно интерпретирует результаты оценивания модели с фиксированными эффектами и модели со случайными эффектами
• Корректно интерпретирует результаты оценивания модели с фиксированными эффектами, знает область применения модели с фиксированными эффектами
• Корректно интерпретирует оценки коэффициентов множественной регрессионной модели
• Умеет объяснять суть понятия "гетероскедастичность" и применять необходимые поправки в условиях гетероскедастичности
• Умеет диагностировать нетипичные наблюдения по отклику (outliers) и предикторам (leverages), влиятельные наблюдения в регрессионной модели
• Умеет объяснять суть понятия "мультиколлинеарность", диагностировать мультиколлинеарность и применять необходимые поправки в условиях мультиколлинеарности, умеет объяснить, к каким последствиям и почему приводит строгая и сильная мультиколлинеарность
• Умеет осуществлять инференцию в регрессии при помощи бутстрапа

Содержание учебной дисциплины

• Парная линейная регрессия. Повторение
• Модель множественной линейной регрессии. Спецификация модели
• МНК-оценки в рамках множественной линейной регрессии
• Оценка качества регрессионной модели: коэффициент детерминации
• Свойства оценок коэффициентов в регрессионной модели
• Мультиколлинеарность
• Устойчивость регрессионной модели
• Инференция в регрессии при помощи бутстрапа
• Переменные взаимодействия в регрессионной модели
• Модели бинарного выбора
• Модели множественного упорядоченного выбора
• Регрессионные модели для анализа панельных данных
• Эндогенность в регрессионных моделях

Элементы контроля

• Проверочная работа 1
• Проверочная работа 2
• Проверочная работа 3
• Экзамен 1
• Семинарская активность 1
• Семинарская активность 2
• Домашнее задание 1
• Домашнее задание 2
• Домашнее задание 3
• Домашнее задание 4
• Экзамен 2

Промежуточная аттестация

• 2024/2025 1st module
  0.1 * Домашнее задание 1 + 0.1 * Домашнее задание 2 + 0.2 * Проверочная работа 1 + 0.1 * Семинарская активность 1 + 0.5 * Экзамен 1
• 2024/2025 4th module
  0.1 * Домашнее задание 3 + 0.1 * Домашнее задание 4 + 0.15 * Проверочная работа 2 + 0.15 * Проверочная работа 3 + 0.1 * Семинарская активность 2 + 0.4 * Экзамен 2

Список литературы

Рекомендуемая основная литература

• An Introduction to the Bootstrap, Efron, B., 1993
• Applied Logistic Regression, 2nd ed., 375 p., Hosmer, D. W., Lemeshow, S., 2000
• Basic econometrics, Gujarati, D. N., 2009
• Bootstrapping : a nonparametric approach to statistical inference, Mooney, C. Z., 1993
• Fixed effects regression models, Allison, P. D., 2009
• Mastering 'Metrics : the path from cause to effect, Angrist, J. D., 2015
• Mostly harmless econometrics : an empiricist's companion, Angrist, J. D., 2009
• Regression models for categorical and limited dependent variables, Long, J. S., 1997
• Прикладная статистика. Основы эконометрики. Т.1: Теория вероятностей и прикладная статистика, Айвазян, С. А., 2001

Рекомендуемая дополнительная литература

• An introduction to categorical data analysis, Agresti, A., 2007
• Categorical data analysis, Agresti, A., 2002
• Counterfactuals and causal inference : methods and principles for social research, Morgan, S. L., 2012
• Introductory econometrics : a modern approach, Wooldridge, J. M., 2020

Авторы

• Буваева Роксана Викторовна
• Сальникова Дарья Вячеславовна