"Analisi dei dati ed econometria" - corso 34.000 rubli. da MSU, formazione 12 settimane. (3 mesi), Data: 29 novembre 2023.
Miscellanea / / December 01, 2023
L'obiettivo principale è introdurre gli studenti ai metodi di analisi econometrica utilizzati nell'economia e nella ricerca moderna. Il programma ti aiuterà a comprendere meglio come applicare i metodi econometrici per risolvere i problemi applicati affari, ciò che scrivono in articoli scientifici, nonché svolgere le proprie ricerche econometriche.
L'obiettivo principale è introdurre gli studenti ai metodi di analisi econometrica utilizzati nell'economia e nella ricerca moderna.
Il programma ti aiuterà a comprendere meglio come applicare i metodi econometrici per risolvere i problemi applicati affari, ciò che scrivono in articoli scientifici, nonché svolgere le proprie ricerche econometriche.
Per chi è questo programma:
Per tutti coloro che si trovano di fronte alla necessità di identificare relazioni di causa-effetto e fare previsioni basate su dati statistici
Non richiede rigidi requisiti di preparazione matematica. La conoscenza dei fondamenti della teoria della probabilità e della statistica matematica sarà utile, ma non obbligatoria.
Cosa ti darà padroneggiare questo programma:
Imparare a raccogliere e preparare informazioni, nonché a eseguire analisi preliminari dei dati;
Imparare a formulare ipotesi economiche in termini di modelli econometrici;
Sarai in grado di eseguire calcoli econometrici utilizzando software econometrici per testare le tue ipotesi relative ai dati analizzati
Sarai in grado di valutare la qualità dei modelli econometrici risultanti;
Essere in grado di interpretare correttamente i risultati della modellizzazione econometrica
Documenti al completamento del programma: Certificato di formazione avanzata
Durata
3 mesi, 72 ore
Forma di studio: corrispondenza mediante tecnologie a distanza
introduzione
Imparerai cos'è l'econometria e perché è necessaria. Rivedere le applicazioni dell'econometria nella ricerca applicata ed esempi di domande a cui è possibile rispondere utilizzandola. Scopri quali tipi di dati vengono utilizzati nella modellazione econometrica.
Ti diranno cos'è: regressione a coppie, derivazione di formule per la stima dei coefficienti nella regressione a coppie, coefficiente R quadrato, proprietà asintotiche delle stime OLS, prerequisiti per un modello lineare di regressione a coppie regressioni, verifica della significatività statistica di coefficienti, intervalli di confidenza, omoschedasticità ed eteroschedasticità, condizioni standard coerenti con l'eteroschedasticità errori
2 Regressione multipla
Motivazione per l'utilizzo della regressione multipla. Ipotesi di un modello di regressione multipla lineare. Testare ipotesi e costruire intervalli di confidenza.
3 Multicollinearità. False variabili
Multicollinearità. Spostamento e pendenza fittizi (variabili binarie).
Trasformare le variabili in modelli di regressione. Dipendenza lineare, logaritmica, semilogaritmica e altre forme. Interpretazione significativa dei coefficienti. Raccomandazioni per la presentazione dei risultati della ricerca econometrica.
4 Specificazione dell'equazione di regressione
Endogenità. Conseguenze dell'errata specificazione del modello di regressione. Variabili sostitutive. Criteri per decidere se includere una variabile nel modello. Prove di specifica.
5 Variabili strumentali
Implicazioni di variabili esplicative correlate ed errori casuali. Il problema dell'endogeneità. Variabili strumentali. Metodo dei minimi quadrati in due passaggi.
6 Modelli di dati panel
Vantaggi dei modelli che utilizzano dati panel. Regressione completa semplice (raggruppata), modello a effetti fissi, modello a effetti casuali. Test di selezione del tipo di modello.
7 Modelli di scelta binaria
Modello di probabilità lineare (LPM). Vantaggi e svantaggi di LVM. Modello logit, modello probit. Stima dei parametri dei modelli logit e probit. Interpretazione dei coefficienti nei modelli logit e probit (calcolo degli effetti marginali). Stima della qualità dei modelli logit e probit. Verifica della significatività dei coefficienti nei modelli logit e probit.
8 Previsioni da dati di serie temporali
Serie temporali. Definizioni ed esempi. Stazionarietà e non stazionarietà. Radici unitarie. Processi AR(p), MA(q), ARMA(p, q). Passeggiata casuale. Processo integrato dell'ordine k. Processo ARIMA(p, k, q).
Test della radice unitaria.
Valutazione dei modelli ARIMA. Procedura di identificazione del modello. Previsione nei modelli ARIMA.
Modello di eteroschedasticità condizionale autoregressiva (ARCH). Varie generalizzazioni del modello di eteroschedasticità condizionale autoregressiva (GARCH e altri). Stima e previsione.
Modelli autoregressivi a ritardi distribuiti. Stima e previsione.
Il corso introduce gli studenti alla logica matematica, ai suoi metodi, teoremi e applicazioni. Durante lo studio del corso, gli studenti saranno in grado di conoscere vari sistemi logici: logica classica, logica intuizionistica, varie logiche modali, nonché logica classica dei predicati e teorie costruite basato su di esso.
4,2
gratuito