Эконометрика — наука, которая позволяет исследовать закономерности в реальных данных. К концу курса вы научитесь отвечать на два вопроса: как одна переменная — y зависит от другой переменной — x и как спрогнозировать переменную y.
- Метод наименьших квадратов, или Рабочая лошадка эконометриста. Введение в RЦенные ресурсы.Суть метода наименьших квадратов.Геометрия МНК.R: введение и МНК.
- Статистические свойства оценок коэффициентовУсловная дисперсия и условное математическое ожидание.Построение доверительных интервалов и проверка гипотез.R: проверка гипотез и загрузка данных.
- Дамми-переменные, сравнение вложенных моделейПрогнозирование и дамми-переменные.Линейные ограничения и пропущенные переменные.R: графики, построение прогнозов и наноисследование.
- МультиколлинеарностьМультиколлинеарность: понятие и методы борьбы.R: методы борьбы с мультиколлинеарностью.
- ГетероскедастичностьГетероскедастичность: понятие и последствия.Тесты на гетероскедастичность.R: создание функций и циклов, проверка на гетероскедастичность.
- АвтокорреляцияАвтокорреляция: понятие, последствия и тесты.R: даты и временные ряды, загрузка данных и тесты на автокорреляцию.Практическое задание по реальным данным RLMS.
- Метод максимального правдоподобия. Модели бинарного выбораМетод максимального правдоподобия: суть и использование.Логит-модель: вид, оценивание и интерпретация.R: качественные переменные, предельные эффекты и ROC-кривая.
- Стационарные временные рядыОпределение стационарности, AR- и MA-процессы.Проверка на стационарность, прогнозирование и ARMA-процесс.R: примеры анализа временных рядов.
- ЭндогенностьЭндогенность: определение, причины и методы борьбы.R: деление выборки на две части и двухшаговый МНК.
- Нестандартные сюжетыНестандартные регрессии и алгоритм случайного леса.Байесовский подход, апостериорное распределение и MCMC.R: реализация описанных методов.
- Метод наименьших квадратов, или Рабочая лошадка эконометриста. Введение в RЦенные ресурсы.Суть метода наименьших квадратов.Геометрия МНК.R: введение и МНК.
- Дамми-переменные, сравнение вложенных моделейПрогнозирование и дамми-переменные.Линейные ограничения и пропущенные переменные.R: графики, построение прогнозов и наноисследование.
- ГетероскедастичностьГетероскедастичность: понятие и последствия.Тесты на гетероскедастичность.R: создание функций и циклов, проверка на гетероскедастичность.
- Стационарные временные рядыОпределение стационарности, AR- и MA-процессы.Проверка на стационарность, прогнозирование и ARMA-процесс.R: примеры анализа временных рядов.
- АвтокорреляцияАвтокорреляция: понятие, последствия и тесты.R: даты и временные ряды, загрузка данных и тесты на автокорреляцию.Практическое задание по реальным данным RLMS.
- МультиколлинеарностьМультиколлинеарность: понятие и методы борьбы.R: методы борьбы с мультиколлинеарностью.
- Статистические свойства оценок коэффициентовУсловная дисперсия и условное математическое ожидание.Построение доверительных интервалов и проверка гипотез.R: проверка гипотез и загрузка данных.
- ЭндогенностьЭндогенность: определение, причины и методы борьбы.R: деление выборки на две части и двухшаговый МНК.
- Нестандартные сюжетыНестандартные регрессии и алгоритм случайного леса.Байесовский подход, апостериорное распределение и MCMC.R: реализация описанных методов.
- Метод максимального правдоподобия. Модели бинарного выбораМетод максимального правдоподобия: суть и использование.Логит-модель: вид, оценивание и интерпретация.R: качественные переменные, предельные эффекты и ROC-кривая.
- Цена - Бесплатно
- Продолжительность курса составляет 30 часов
Перейти к курсу
