• A
  • A
  • A
  • АБВ
  • АБВ
  • АБВ
  • А
  • А
  • А
  • А
  • А
Обычная версия сайта

Эконометрика

2022/2023
Учебный год
RUS
Обучение ведется на русском языке
4
Кредиты

Преподаватели

Программа дисциплины

Аннотация

Настоящая дисциплина относится к дисциплинам по выбору. Изучение данной дисциплины базируется на курсе "Анализ данных в бизнесе". Формат изучения дисциплины: без использования онлайн-курса. В курсе будут рассмотрены темы, которые необходимы для успешного освоения основных понятий и методов, связанных с анализом данных и эконометрикой.
Цель освоения дисциплины

Цель освоения дисциплины

  • Знать и применять основные методы базового анализа данных, понимать применимость и ограничение этих методов
  • Знать и применять базовые регрессионные модели, понимать применимость и ограничение этих моделей
Планируемые результаты обучения

Планируемые результаты обучения

  • Понимать и корректно использовать основные статистические понятия
  • Вычислять релевантные описательные статистики и интерпретировать полученные результаты
  • Визуализировать данные с помощью простейших видов диаграмм: линейной, точечной, столбчатой
  • Уметь реализовывать все шаги проверки статистических гипотез
  • Применять параметрические статистические критерии для проверки гипотез
  • Применять непараметрические статистические критерии для проверки гипотез
  • Строить уравнение линейной регрессии с использованием метода наименьших квадратов
  • Оценивать качество модели линейной регрессии с помощью релевантных метрик
  • Оценивать качество модели логистической регрессии с помощью релевантных метрик
  • Уметь интерпретировать коэффициенты линейной регрессии
  • Выбирать релевантную эконометрическую спецификацию
  • Интерпретировать коэффициенты логистической регрессии и предельные эффекты
  • Уметь конструировать главные компоненты
  • Распознавать ситуации, когда целесообразно применять метод главных компонент
  • Интерпретировать сконструированные компоненты
Содержание учебной дисциплины

Содержание учебной дисциплины

  • Введение в статистический анализ
  • Линейная регрессия
  • Нелинейная регрессионная модель
  • Метод главных компонент
Элементы контроля

Элементы контроля

  • неблокирующий Экзамен
    Экзамен представляет собой 80-минутную письменную работу, которая включает в себя (1) тестовые задания открытого типа; (2) тестовые задания закрытого типа; (3) интерпретация результатов работы алгоритма в MS Excel и SPSS
  • неблокирующий Микроконтроль
    Оценка за микроконтроли рассчитывается как среднее арифметическое отдельных микроконтролей, всего из будет проведено около 5-8. Обычно микроконтроль проводится в начале семинара или лекции в течение 5-7 минут, включает в себя тестовые вопросы по пройденному материалу
  • неблокирующий Проект
    Проект представляет с собой расчетную работу студентов на базе данных, выбранной студентами. Проект имеет жесткую структуру и ограниченное количество инструментов, которые могут быть применимы. Проект выполняется в группах не более 2-3х человек.
  • неблокирующий Контрольная работа
    Контрольная работа представляет собой 60-минутную письменную работу, которая включает в себя (1) тестовые задания открытого типа; (2) тестовые задания закрытого типа; (3) интерпретация результатов работы алгоритма
  • неблокирующий Отчеты
    По итогам части семинаров студенты оформляют отчет о проделанной работе. Оценка за отчеты составляет среднее арифметическое всех отчетов
Промежуточная аттестация

Промежуточная аттестация

  • 2022/2023 учебный год 4 модуль
    0.15 * Отчеты + 0.2 * Контрольная работа + 0.15 * Микроконтроль + 0.3 * Экзамен + 0.2 * Проект
Список литературы

Список литературы

Рекомендуемая основная литература

  • Frederick J Gravetter, Larry B. Wallnau, Lori-Ann B. Forzano, & James E. Witnauer. (2020). Essentials of Statistics for the Behavioral Sciences, Edition 10. Cengage Learning.
  • Wooldridge, J. M. . (DE-588)131680463, (DE-627)512715513, (DE-576)298669293, aut. (2013). Introductory econometrics a modern approach Jeffrey M. Wooldridge.
  • Анализ данных : учебник для вузов / В. С. Мхитарян [и др.] ; под редакцией В. С. Мхитаряна. — Москва : Издательство Юрайт, 2020. — 490 с. — (Высшее образование). — ISBN 978-5-534-00616-2. — Текст : электронный // ЭБС Юрайт [сайт]. — URL: http://biblio-online.ru/bcode/450166 (дата обращения: 31.08.2020).

Рекомендуемая дополнительная литература

  • Newbold, P., Carlson, W. L., & Thorne, B. (2013). Statistics for Business and Economics: Global Edition (Vol. Eight edition). Boston, Massachusetts: Pearson Education. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=1417883
  • Демидова, О. А.  Эконометрика : учебник и практикум для вузов / О. А. Демидова, Д. И. Малахов. — Москва : Издательство Юрайт, 2023. — 334 с. — (Высшее образование). — ISBN 978-5-534-00625-4. — Текст : электронный // Образовательная платформа Юрайт [сайт]. — URL: https://urait.ru/bcode/511223 (дата обращения: 28.08.2023).
  • Тихомиров, Д. А., Анализ данных (с применением программы SPSS) : учебник / Д. А. Тихомиров. — Москва : КноРус, 2022. — 244 с. — ISBN 978-5-406-09208-8. — URL: https://book.ru/book/942678 (дата обращения: 25.08.2023). — Текст : электронный.

Авторы

  • Борисова Елена Феликсовна
  • Шенкман Евгения Андреевна