„Analiza datelor și econometrie” - curs 34.000 de ruble. de la MSU, antrenament 12 săptămâni. (3 luni), Data: 29 noiembrie 2023.
Miscelaneu / / December 01, 2023
Scopul principal este de a introduce studenții în metodele de analiză econometrică utilizate în afaceri și în cercetarea modernă. Programul vă va ajuta să înțelegeți mai bine cum să aplicați metode econometrice în rezolvarea problemelor aplicate în afaceri, ceea ce scriu în articole științifice, precum și să efectueze propriile cercetări econometrice.
Scopul principal este de a introduce studenții în metodele de analiză econometrică utilizate în afaceri și în cercetarea modernă.
Programul vă va ajuta să înțelegeți mai bine cum să aplicați metode econometrice în rezolvarea problemelor aplicate în afaceri, ceea ce scriu în articole științifice, precum și să efectueze propriile cercetări econometrice.
Pentru cine este acest program:
Pentru toți cei care se confruntă cu nevoia de a identifica relații cauză-efect și de a face prognoze bazate pe date statistice
Nu necesită cerințe stricte de pregătire matematică. Cunoașterea elementelor de bază ale teoriei probabilităților și statisticii matematice vor fi utile, dar nu obligatorii.
Ce vă va oferi stăpânirea acestui program:
Învață să colectezi și să pregătești informații, precum și să faci o analiză preliminară a datelor;
Aflați cum să formulați ipoteze economice în termeni de modele econometrice;
Veți putea efectua calcule econometrice folosind software-ul econometric pentru a vă testa ipotezele cu privire la datele analizate
Veți putea evalua calitatea modelelor econometrice rezultate;
Să fie capabil să interpreteze corect rezultatele modelării econometrice
Documente la finalizarea programului: Certificat de pregătire avansată
Durată
3 luni, 72 de ore
Forma de studiu: corespondență folosind tehnologii la distanță
Introducere
Veți afla ce este econometria și de ce este necesară. Revedeți aplicațiile econometriei în cercetarea aplicată și exemple de întrebări la care se poate răspunde folosindu-l. Aflați ce tipuri de date sunt utilizate în modelarea econometrică.
Ei vă vor spune ce este: regresia pereche, derivarea formulelor pentru estimarea coeficienților în regresia pereche, coeficientul R-pătrat, proprietățile asimptotice ale estimărilor MCO, premisele pentru un model liniar de pereche. regresii, testarea semnificației statistice a coeficienților, intervalele de încredere, homoscedasticitatea și heteroscedasticitatea, condițiile standard compatibile cu heteroscedasticitatea erori
2 Regresie multiplă
Motivația pentru utilizarea regresiei multiple. Ipotezele unui model de regresie multiplă liniară. Testarea ipotezelor și construirea intervalelor de încredere.
3 Multicoliniaritate. Variabile fictive
Multicoliniaritate. Manichin (variabile binare) deplasare și pantă.
Transformarea variabilelor în modele de regresie. Liniară, logaritmică, semilogaritmică și alte forme de dependență. Interpretarea semnificativă a coeficienților. Recomandări pentru prezentarea rezultatelor cercetării econometrice.
4 Specificarea ecuației de regresie
Endogenitate. Consecințele unei specificații greșite a modelului de regresie. Variabile de substituție. Criterii pentru a decide dacă se include o variabilă în model. Teste de specificație.
5 Variabile instrumentale
Implicațiile variabilelor explicative corelate și ale erorilor aleatorii. Problema endogeneității. Variabile instrumentale. Metoda celor mai mici pătrate în două etape.
6 Modele de date de panou
Avantajele modelelor care folosesc datele panoului. Regresie completă simplă (comună), model cu efecte fixe, model cu efecte aleatoare. Test de selecție a tipului de model.
7 modele cu alegere binară
Model de probabilitate liniară (LPM). Avantajele și dezavantajele LVM. Model Logit, model probit. Estimarea parametrilor modelelor logit și probit. Interpretarea coeficienților în modelele logit și probit (calculul efectelor marginale). Estimarea calității modelelor logit și probit. Testarea semnificației coeficienților în modelele logit și probit.
8 Prognoza din seria cronologică
Serii de timp. Definiții și exemple. Staționaritate și non-staționaritate. Rădăcinile unitare. Procesează AR(p), MA(q), ARMA(p, q). Plimbare aleatorie. Proces integrat de ordinul k. proces ARIMA(p, k, q).
Testarea rădăcinii unitare.
Evaluarea modelelor ARIMA. Procedura de identificare a modelului. Prognoza în modelele ARIMA.
Model de heteroscedasticitate condiționată autoregresivă (ARCH). Diverse generalizări ale modelului de heteroschedasticitate condiționată autoregresiv (GARCH și alții). Estimare si prognoza.
Modele autoregresive distribuite lag. Estimare si prognoza.
Cursul prezintă studenților logica matematică, metodele, teoremele și aplicațiile acesteia. În procesul de studiere a cursului, studenții vor putea învăța despre diverse sisteme logice - logica clasică, logica intuiționistă, diverse logici modale, precum și logica predicată clasică și teorii construite pe baza ei.
4,2
gratuit