Бакалавриат
2024/2025![Цель освоения дисциплины](/f/src/global/i/edu/objectives.svg)
![Планируемые результаты обучения](/f/src/global/i/edu/results.svg)
![Содержание учебной дисциплины](/f/src/global/i/edu/sections.svg)
![Элементы контроля](/f/src/global/i/edu/controls.svg)
![Промежуточная аттестация](/f/src/global/i/edu/intermediate_certification.svg)
![Список литературы](/f/src/global/i/edu/library.svg)
Научно-исследовательский семинар: Введение в регрессионный анализ
Статус:
Курс обязательный (Политология)
Направление:
41.03.04. Политология
Кто читает:
Департамент политики и управления
Где читается:
Факультет социальных наук
Когда читается:
2-й курс, 1, 2 модуль
Формат изучения:
без онлайн-курса
Охват аудитории:
для своего кампуса
Язык:
русский
Кредиты:
3
Контактные часы:
84
Программа 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
- Статистический вывод (повторение)
- Парная регрессия
- Основы множественной регрессии
- Категориальные объясняющие переменные в регрессии
- Гетерогенность эффектов воздействия
- Эндогенность
- Проверка допущений линейной регрессии
- Экологический вывод в регрессии
Элементы контроля
- ЭкзаменЭкзаменационная работа состоит из задач и заданий, проверяющих освоение как теоретической, так и практической частей курса
- Домашние заданияОценка выставляется как среднее арифметическое оценок за домашние задания (без округления)
- ПрактикумПрактикум по регрессионному анализу на компьютере
- Проверочные работыОценка рассчитывается как 10*ДБ (без округления), где ДБ - это доля баллов, набранных за все проверочные работы, проведенные в течение реализации дисциплины.
Промежуточная аттестация
- 2024/2025 2nd module0.05 * Домашние задания + 0.05 * Домашние задания + 0.15 * Практикум + 0.15 * Практикум + 0.1 * Проверочные работы + 0.1 * Проверочные работы + 0.4 * Экзамен
Список литературы
Рекомендуемая основная литература
- Gujarati, D. (2014). Econometrics by Example (Vol. 2nd ed). Basingstoke: Palgrave Macmillan. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=1525312
- Regression basics, Kahane, L. H., 2008
- Теория вероятностей и основы математической статистики - Махова Н.Б. - Академия водного транспорта Российского университета транспорта - 2019 - https://znanium.com/catalog/product/1057265 - 473987 - ZNANIUM
- Теория вероятностей, математическая статистика. В примерах, задачах и тестах : учеб. пособие, Сапожников П.Н., Макаров А.А., 2017
- Элементы теории вероятностей и математической статистики : учебное пособие / Т. А. Гулай, А. Ф. Долгополова, В. А. Жукова [и др.]. — 5-е изд., перераб. и доп. — Ставрополь : СтГАУ, 2021. — 112 с. — Текст : электронный // Лань : электронно-библиотечная система. — URL: https://e.lanbook.com/book/245606 (дата обращения: 00.00.0000). — Режим доступа: для авториз. пользователей.
Рекомендуемая дополнительная литература
- Голая статистика : самая интересная книга о самой скучной науке, Уилан, Ч., 2016