Бакалавриат
2025/2026
Регрессионный анализ социально-экономических процессов
Статус:
Курс обязательный (Вычислительные социальные науки)
Кто читает:
Кафедра высшей математики
Где читается:
Общеуниверситетские кафедры
Когда читается:
3-й курс, 1, 3, 4 модуль
Охват аудитории:
для своего кампуса
Преподаватели:
Сальникова Дарья Вячеславовна
Язык:
английский
Кредиты:
8
Контактные часы:
96
Course Syllabus
Abstract
The course is taught for 3rd year students of the Bachelor's degree program "Computational Social Sciences". The purpose of mastering the discipline is to develop students' practical skills in applying regression analysis, necessary for solving applied problems of machine learning and data analysis in the social sciences.
Learning Objectives
- Формирование у студентов практических навыков применения регрессионного анализа, необходимых для решения прикладных задач машинного обучения и анализа данных в социальных науках
Expected Learning Outcomes
- Корректно интерпретирует оценки коэффициентов множественной регрессии, включающей переменные взаимодействия
- Умеет выбирать релеватную спецификацию модели для анализа панельных данных, корректно интерпретирует результаты оценивания модели с фиксированными эффектами и модели со случайными эффектами
- Корректно интерпретирует результаты оценивания модели с фиксированными эффектами, знает область применения модели с фиксированными эффектами
- Корректно интерпретирует оценки коэффициентов множественной регрессионной модели
- Умеет объяснять суть понятия "гетероскедастичность" и применять необходимые поправки в условиях гетероскедастичности
- Умеет диагностировать нетипичные наблюдения по отклику (outliers) и предикторам (leverages), влиятельные наблюдения в регрессионной модели
- Умеет объяснять суть понятия "мультиколлинеарность", диагностировать мультиколлинеарность и применять необходимые поправки в условиях мультиколлинеарности, умеет объяснить, к каким последствиям и почему приводит строгая и сильная мультиколлинеарность
- Умеет осуществлять инференцию в регрессии при помощи бутстрапа
Course Contents
- Парная линейная регрессия. Повторение
- Модель множественной линейной регрессии. Спецификация модели
- МНК-оценки в рамках множественной линейной регрессии
- Оценка качества регрессионной модели: коэффициент детерминации
- Свойства оценок коэффициентов в регрессионной модели
- Мультиколлинеарность
- Устойчивость регрессионной модели
- Инференция в регрессии при помощи бутстрапа
- Переменные взаимодействия в регрессионной модели
- Модели бинарного выбора
- Модели множественного упорядоченного выбора
- Регрессионные модели для анализа панельных данных
- Эндогенность в регрессионных моделях
Assessment Elements
- Проверочная работа 2
- Семинарская активность 2
- Домашния задания 2
- Проверочная работа 3
- Домашние задания 1
- Экзамен 1
- Проверочная работа 1
- Семинарская активность 1
- Экзамен 2
- Проверочная работа 4
Interim Assessment
- 2025/2026 1st module0.2 * Домашние задания 1 + 0.2 * Проверочная работа 1 + 0.1 * Семинарская активность 1 + 0.5 * Экзамен 1
- 2025/2026 4th module0.15 * Домашния задания 2 + 0.1 * Проверочная работа 2 + 0.1 * Проверочная работа 3 + 0.1 * Проверочная работа 4 + 0.1 * Семинарская активность 2 + 0.45 * Экзамен 2
Bibliography
Recommended Core Bibliography
- An Introduction to the Bootstrap, Efron, B., 1993
- Applied Logistic Regression, 2nd ed., 375 p., Hosmer, D. W., Lemeshow, S., 2000
- Basic econometrics, Gujarati, D. N., 2009
- Bootstrapping : a nonparametric approach to statistical inference, Mooney, C. Z., 1993
- Fixed effects regression models, Allison, P. D., 2009
- Mastering 'Metrics : the path from cause to effect, Angrist, J. D., 2015
- Mostly harmless econometrics : an empiricist's companion, Angrist, J. D., 2009
- Regression models for categorical and limited dependent variables, Long, J. S., 1997
- Прикладная статистика. Основы эконометрики. Т.1: Теория вероятностей и прикладная статистика, Айвазян, С. А., 2001
Recommended Additional Bibliography
- An introduction to categorical data analysis, Agresti, A., 2007
- Categorical data analysis, Agresti, A., 2002
- Counterfactuals and causal inference : methods and principles for social research, Morgan, S. L., 2012
- Introductory econometrics : a modern approach, Wooldridge, J. M., 2020