Использование и анализ панельных данных в социальных науках

2026/2027

Статус: Маго-лего

Кто читает: Кафедра высшей математики

Где читается: Общеуниверситетские кафедры

Когда читается: 2 модуль

Охват аудитории: для своего кампуса

Преподаватели: Сальникова Дарья Вячеславовна

Язык: русский

Кредиты: 3

Контактные часы: 36

Дополнительные материалы в LMS Задать вопрос

Аннотация

Данная дисциплина знакомит студентов с методами анализа панельных данных. Курс состоит из нескольких частей: в первой части - повторение основ множественной линейной регрессии, вторая часть посвящена оцениванию регрессионных моделей с переменными взаимодействия, что пригодится для изучения моделей для анализа панельных данных. Далее третья и четвертая часть курса - соответственно, посвящены изучению моделей с фиксированными и случайными эффектами, моделей с лагированными переменными для тестирования отложенного эффекта и учета авторреляции. Одним из форматов занятий является репликация результатов исследований с последующей критикой примененной стратегии эмпирического анализа. В рамках курса для анализа данных используется Python

Цель освоения дисциплины

The course aims to provide students with the theoretical background and practical skills in conducting panel data analysis. Specifically, the learning objectives are as follows: to enable students to choose appropriate models for panel data analysis; to develop data manipulation and visualization skills; to enable students to implement linear panel models in Python
The course aims to provide students with the theoretical background and practical skills in conducting panel data analysis. Specifically, the learning objectives are as follows:  to enable students to choose appropriate models for panel data analysis  to develop data manipulation and visualization skills  to enable students to implement linear panel models in Python

Планируемые результаты обучения

умеет интерпретировать оценки коэффициентов во множественной линейной регрессии
умеет проверять, являются ли статистически значимыми оценки коэффициентов линейной регрессионной модели
проводит необходимые диагностики для выявления нарушений условий Гаусса-Маркова в множественной линейной регрессионной модели и умеет предлагать необходимые поправки
умеет интерпретировать выдачу в Python для множественной линейной регрессионной модели
корректно интерпретирует оценки коэффициентов в регрессионной модели с переменными взаимодействия
умеет считать предельный эффект предиктора на зависимую переменную в модели с переменными взаимодействия
объясняет разницу между применением модели с фиксированными эффектами и модели со случайными эффектами для анализа панельных данных
умеет объяснить суть метода оценивания - обобщенного метода наименьших квадратов
объясняет разницу в применении модели с фиксированными эффектами на пространственные единицы и модели с фиксированными эффектами на временные периоды, корректно интерпретирует оценки коэффициентов в этих моделях
умеет проверять результаты оценивания модели с фиксированными эффектами на устойчивость
корректно интерпретирует результаты оценивания регрессионной модели с разными наклонами
умеет проверять гипотезу об отложенном эффекте предиктора на зависимую переменную
умеет в явном виде учитывать автокорреляцию в модели посредством добавления лагов на зависимую переменную
объясняет суть допущения о параллельности трендов

Содержание учебной дисциплины

Множественная линейная регрессия. Повторение
Регрессионные модели с переменными взаимодействия
Модели с фиксированными эффектами. Модели со случайными эффектами
Автокорреляция. Динамические регрессионные модели с лагированными переменными
Панельные данные. Введение в каузальный вывод

Элементы контроля

Проверочная работа 1
Проверочная работа 2
Домашнее задание 1
Домашнее задание 2
Семинарская активность
Экзамен

Промежуточная аттестация

2026/2027 2nd module
0.15 * Проверочная работа 2 + 0.4 * Экзамен + 0.1 * Семинарская активность + 0.15 * Проверочная работа 1 + 0.1 * Домашнее задание 1 + 0.1 * Домашнее задание 2

Список литературы

Авторы

Сальникова Дарья Вячеславовна

Программа дисциплины