Econometrics

2022/2023

Academic Year

RUS

Instruction in Russian

4

ECTS credits

Delivered at:

Department of Information Technologies in Business (Faculty of Computer Science, Economics, and Social Sciences)

Course type:

Elective course

When:

3 year, 4 module

Instructors

Semenova, Daria

Shenkman, Evgeniya

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

• 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

• 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

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

Элементы контроля

• 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
• 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
• 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.
• 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
• Отчеты
  По итогам части семинаров студенты оформляют отчет о проделанной работе. Оценка за отчеты составляет среднее арифметическое всех отчетов

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

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.