Delivered at:: School of Politics and Governance

Course type:: Compulsory course

When:: 2 year, 1, 2 module

Instructors

Sinitsina, Arina

Stukal, Denis

Tambovtseva, Alla

Полная версия программы учебной дисциплины Задать вопрос

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

Экзамен
Экзаменационная работа состоит из задач и заданий, проверяющих освоение как теоретической, так и практической частей курса
Домашние задания
Оценка выставляется как среднее арифметическое оценок за домашние задания (без округления)
Практикум
Практикум по регрессионному анализу на компьютере
Проверочные работы
Оценка 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 module
0.05 * 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

Авторы

Макаров Алексей Алексеевич
Стукал Денис Константинович

Bachelor’s Programme 'Political Science'

International accreditation

Research Seminar: Introduction to Regression Analysis

Instructors

Программа дисциплины