„Duomenų analizė ir ekonometrija“ - kursas 34 000 rublių. iš MSU, mokymas 12 sav. (3 mėnesiai), data: 2023 m. lapkričio 29 d.

Įvadas

Sužinosite, kas yra ekonometrija ir kodėl ji reikalinga. Apžvelgti ekonometrijos taikymą taikomuosiuose tyrimuose ir klausimų, į kuriuos galima atsakyti naudojant ją, pavyzdžius. Sužinokite, kokių tipų duomenys naudojami ekonometriniam modeliavimui.

Jie jums pasakys, kas yra: porinė regresija, porinės regresijos koeficientų įvertinimo formulių išvedimas, R kvadrato koeficientas, OLS įverčių asimptotinės savybės, prielaidos tiesiniam porų modeliui regresijos, koeficientų statistinio reikšmingumo tikrinimas, pasikliautinieji intervalai, homoskedastiškumas ir heteroskedastiškumas, standartinės sąlygos, atitinkančios heteroskedastiką klaidų

2 Daugkartinė regresija

Motyvacija naudoti daugybinę regresiją. Tiesinės daugkartinės regresijos modelio prielaidos. Hipotezių tikrinimas ir pasikliautinųjų intervalų sudarymas.

3 Daugiakolinisiškumas. Dummy kintamieji

Daugiakolinisiškumas. Dummy (dvejetainiai kintamieji) poslinkis ir nuolydis.

Kintamųjų transformavimas į regresijos modelius. Tiesinės, logaritminės, pusiau logaritminės ir kitos priklausomybės formos. Prasmingas koeficientų aiškinimas. Ekonometrinių tyrimų rezultatų pateikimo rekomendacijos.

4 Regresijos lygties specifikacija

Endogeniškumas. Regresijos modelio klaidingo specifikacijos pasekmės. Pakaitiniai kintamieji. Kriterijai, pagal kuriuos sprendžiama, ar įtraukti kintamąjį į modelį. Specifikacijos testai.

5 Instrumentiniai kintamieji

Koreliuojamųjų aiškinamųjų kintamųjų ir atsitiktinių klaidų pasekmės. Endogeniškumo problema. Instrumentiniai kintamieji. Dviejų žingsnių mažiausių kvadratų metodas.

6 Skydelių duomenų modeliai

Modelių, naudojančių skydelio duomenis, pranašumai. Paprasta pilna (sujungta) regresija, fiksuotų efektų modelis, atsitiktinių efektų modelis. Modelio tipo pasirinkimo testas.

7 dvejetainio pasirinkimo modeliai

Tiesinis tikimybių modelis (LPM). LVM privalumai ir trūkumai. Logit modelis, probit modelis. Logit ir probit modelių parametrų įvertinimas. Koeficientų interpretavimas logit ir probit modeliuose (ribinių efektų skaičiavimas). Logit ir probit modelių kokybės įvertinimas. Koeficientų reikšmingumo tikrinimas logit ir probit modeliuose.

8 Prognozavimas iš laiko eilučių duomenų

Laiko eilutės. Apibrėžimai ir pavyzdžiai. Stacionarumas ir nestacionarumas. Vieneto šaknys. Apdoroja AR(p), MA(q), ARMA(p, q). Atsitiktinis pasivaikščiojimas. Procesas integruotas į užsakymą k. ARIMA(p, k, q) procesas.

Vieneto šaknies testavimas.

ARIMA modelių vertinimas. Modelio identifikavimo procedūra. Prognozavimas ARIMA modeliuose.

Autoregresyvaus sąlyginio heteroskedastiškumo (ARCH) modelis. Įvairūs autoregresinio sąlyginio heteroskedastiškumo modelio apibendrinimai (GARCH ir kt.). Įvertinimas ir prognozavimas.

Autoregresyvūs paskirstyto vėlavimo modeliai. Įvertinimas ir prognozavimas.