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

Контактные часы: 96

Программа дисциплины

Аннотация

Курс «Регрессионный анализ социально-экономических процессов» читается для студентов 3 курса бакалаврской программы «Вычислительные социальные науки». Целью освоения дисциплины является формирование у студентов практических навыков применения регрессионного анализа, необходимых для решения прикладных задач машинного обучения и анализа данных в социальных науках. Программа курса охватывает классическую линейную регрессию; методы, подходящие для случая категориальной зависимой переменной; регрессионные модели, применяемые в контексте анализа панельных и TSCS данных. Одним из наиболее важных форматов семинарских занятий, позволяющих студентам развить практические навыки, является репликация результатов исследований с последующей критикой и корректировкой примененной стратегии эмпирического анализа. На занятиях для анализа данных используется Python.

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

• Сальникова Дарья Вячеславовна
• Буваева Роксана Викторовна