Delivered at:: Department of Higher Mathematics (Independent HSE Departments)

Course type:: Compulsory course

When:: 1 year, 3, 4 module

Instructors

Myachin, Alexey L.

Salnikova, Daria

Полная версия программы учебной дисциплины Задать вопрос

Аннотация

Чаще всего в социальных науках, в частности, в политологии, исследователям приходится работать с неоднородными данными. Примером могут выступать данные с панельной структурой (наличие как пространственного, так и временного измерения: данные по каждой стране из выборки представлены за несколько лет), с иерархической структурой (к примеру, в массиве представлены данные на индивидуальном и страновом уровне). В таком случае предположение об одинаковых параметрах для всех единиц анализа является неправдоподобным. Допустим, взаимосвязь между протестной активностью и доходом может быть разного характера в разных странах. Оценивание классической модели линейной регрессии в таком случае приводит к некорректным результатам статистической инференции. Курс «Методы анализа неоднородных данных и паттерн-анализ» посвящен изучению количественных методов, позволяющих учесть отсутствие независимости наблюдений в подгруппах выборки. Будут рассмотрены и критически проанализированы следующие методы: 1) корректировка с помощью робастных стандартных ошибок 2) регрессионный анализ на подвыборках 3) регрессионный анализ с включением переменных взаимодействия 4) моделирование с фиксированными эффектами 5) моделирование со смешанными эффектами, в частности, многоуровневое моделирование. Программное обеспечение – Python. Преподавателем будут предложены конкретные исследования для обсуждения методологического подхода и соответствующие массивы данных для репликации результатов.

Цель освоения дисциплины

овладение статистическими методами, позволяющих учесть отсутствие независимости наблюдений в подгруппах выборки, для решения политологических и социально-экономических задач

Планируемые результаты обучения

Знает возможные стратегии работы с неоднородными данными и знает их область применения, корректно применяет и интерпретирует оценки моделей с переменными взаимодействия
Корректно интерпретирует оценки коэффициентов в моделях со смешанными эффектами, понимает различие между фиксированными и случайными эффектами в контексте модели со смешанными эффектами
Корректно интерпретирует результаты оценивания модели с фиксированными эффектами, знает область применения модели с фиксированными эффектами
Умеет выбрать и обосновать спецификацию модели со смешанными эффектами для анализа панельных данных, корректно интерпретирует оценки коэффициентов в моделях со смешанными эффектами

Содержание учебной дисциплины

Введение: основы работы с гетерогенной выборкой
Модели с фиксированными эффектами: возможности и ограничения
Модели со смешанными эффектами. Сравнение альтернативных подходов к работе с гетерогенной выборкой
Анализ панельных данных при помощи моделей со смешанными эффектами
Методы анализа паттернов

Элементы контроля

Проверочная работа 3
Проверочная работа 2
Семинарская активность
Экзамен
Домашние задания
Эссе
Проверочная работа 1

Промежуточная аттестация

2024/2025 4th module
0.1 * Домашние задания + 0.1 * Проверочная работа 1 + 0.1 * Проверочная работа 2 + 0.1 * Проверочная работа 3 + 0.1 * Семинарская активность + 0.3 * Экзамен + 0.2 * Эссе

Список литературы

Авторы

Сальникова Дарья Вячеславовна

Master’s Programme 'Applied Politics'

International accreditation

Analysis of Heterogeneous Data and Data Pattern Analysis

Instructors

Программа дисциплины