Эконометрика

Бакалавриат 2025/2026

Статус: Курс обязательный (Государственное и муниципальное управление)

Кто читает: Кафедра высшей математики

Где читается: Общеуниверситетские кафедры

Когда читается: 2-й курс, 3, 4 модуль

Охват аудитории: для всех кампусов НИУ ВШЭ

Преподаватели: Конча Валерия, Кручинская Екатерина Владиславовна

Язык: русский

Кредиты: 6

Контактные часы: 56

Дополнительные материалы в LMS Задать вопрос

Аннотация

Дисциплина «Эконометрика» направлена на обучение студентов методам анализа и визуализации данных в рамках частотного подхода. Целью курса является развитие навыков построения регрессионных моделей для решения актуальных прикладных задач в сфере государственного и муниципального управления. Задачи курса включают изучение теоретических основ эконометрики, проверку статистических гипотез и интерпретацию полученных результатов для принятия эффективных управленческих решений. Вся практическая часть курса и работа с данными реализуются на языке Python, что позволяет освоить современные инструменты автоматизации аналитических расчетов и прогнозирования.

Цель освоения дисциплины

ознакомить студентов с базовыми и некоторыми продвинутыми концепциями эконометрики, научить их понимать и критически оценивать результаты эконометрического анализа, а также применять эконометрические методы для анализа данных и поддержки принятия решений в сфере государственного и муниципального управления.

Планируемые результаты обучения

знать определение эконометрики, основные типы данных, базовые статистические показатели, формулировку ЦПТ
понимать важность эконометрики для управленческих решений, смысл ЦПТ для получения надежных выводов
уметь различать типы данных и переменных, интерпретировать основные описательные статистики
знать определения статистической гипотезы, p-value, критического значения, доверительного интервала
понимать логику проверки статистических гипотез, взаимосвязь между pvalue, уровнем значимости и критическими значениями
уметь интерпретировать p-value и доверительные интервалы для принятия решений по гипотезам, отличать корреляцию от причинности
знать понятие регрессии, компоненты простой линейной регрессии, принцип МНК
понимать зачем нужна регрессия, как МНК находит "лучшую" линию, основные требования к данным
уметь описывать модель простой линейной регрессии, объяснить интуицию МНК, распознавать базовые требования к данным
знать основные этапы эконометрического исследования на примере простой регрессии
понимать, как интерпретировать результаты простой регрессии и использовать их для принятия управленческих решений
уметь формулировать управленческую проблему, оценивать и интерпретировать простую регрессию, представлять выводы для стейкхолдеров
знать основные свойства оценок МНК (BLUE), общую формулировку Теоремы Гаусса-Маркова
понимать зачем нужна Теорема Гаусса-Маркова и важность ее допущений
уметь объяснить смысл свойств BLUE и последствия нарушения допущений
знать модель множественной регрессии, определение пропущенных переменных; понимать необходимость множественной регрессии, как пропущенные переменные влияют на смещенность оценок, как распознать эндогенность
уметь интерпретировать коэффициенты множественной регрессии, выявлять потенциальные пропущенные переменные в кейсах ГМУ
знать методы диагностики мультиколлинеарности (VIF), гетероскедастичности (графики, тесты), автокорреляции (графики, тесты)
понимать почему важна диагностика, последствия нарушений допущений и общие подходы к их устранению (робастные ошибки)
уметь использовать статистические (диагностические) тесты, интерпретировать их результаты и принимать решение о дальнейших шагах по регрессии
знать, что такое панельные данные и модель с фиксированными эффектами
понимать преимущества использования панельных данных, когда и почему применять FE модель
уметь описывать принцип FE, интерпретировать ее результаты и делать выводы для управленческих решений
знать модель со случайными эффектами, тест Хаусмана
понимать принцип RE, его отличия и преимущества перед FE в определенных условиях
уметь выбирать наиболее подходящую модель панельных данных (FE или RE) на основе теоретических соображений и результатов теста Хаусмана, интерпретировать результаты RE модели
понимать сравнительные преимущества каждой из моделей
знать основные принципы A/B тестирования и его роль в оценке политик
уметь использовать концепцию A/B тестирования для проектирования эффективных программ и политик

Содержание учебной дисциплины

Эконометрика в государственном управлении: цели, задачи и статистические основы
Статистический вывод: гипотезы, p-value, критические значения и доверительные интервалы
Введение в регрессионный анализ: простая линейная регрессия и метод наименьших квадратов (МНК)
Прикладная эконометрика в управлении: от данных простой регрессии к первым решениям
Теорема Гаусса-Маркова: общие понятия и важность для МНК
Множественная регрессия и проблема пропущенных переменных
Диагностика нарушений условий МНК: тесты и возможные решения
Панельные данные и методы работы с ними
Оценка политик и программ: A/B тестирование, критический анализ и этика в эконометрике

Элементы контроля

Контрольная работа 1
в классе, closed-books письменная работа по пройденному материалу, 120 минут
Контрольная работа 2
в классе, closed-books письменная работа по пройденному материалу, 120 минут
Контрольная работа 3
в классе, closed-books письменная работа по пройденному материалу, 120 минут
Проект
Активность
Экзамен
в классе, closed-books письменная работа по всем темам, 120 минут

Промежуточная аттестация

2025/2026 4th module
0.15 * Контрольная работа 3 + 0.15 * Контрольная работа 2 + 0.15 * Активность + 0.1 * Контрольная работа 1 + 0.3 * Экзамен + 0.15 * Проект

Список литературы

Авторы

Кручинская Екатерина Владиславовна
Буваева Роксана Викторовна

Программа дисциплины