Микроэконометрика, магистратура, 2022 — различия между версиями
Potanin (обсуждение | вклад) (→Неделя 1. Вводная лекция) |
Potanin (обсуждение | вклад) (→Неделя 2. Модели бинарного выбора) |
||
| Строка 109: | Строка 109: | ||
*[https://github.com/bogdanpotanin/Microeconometrics-Master-2022/raw/main/2.%20%D0%9C%D0%BE%D0%B4%D0%B5%D0%BB%D0%B8%20%D0%B1%D0%B8%D0%BD%D0%B0%D1%80%D0%BD%D0%BE%D0%B3%D0%BE%20%D0%B2%D1%8B%D0%B1%D0%BE%D1%80%D0%B0.pdf Презентация] | *[https://github.com/bogdanpotanin/Microeconometrics-Master-2022/raw/main/2.%20%D0%9C%D0%BE%D0%B4%D0%B5%D0%BB%D0%B8%20%D0%B1%D0%B8%D0%BD%D0%B0%D1%80%D0%BD%D0%BE%D0%B3%D0%BE%20%D0%B2%D1%8B%D0%B1%D0%BE%D1%80%D0%B0.pdf Презентация] | ||
| + | |||
| + | ==Неделя 3. Спецификация моделей бинарного выбора== | ||
| + | |||
| + | Материалы лекции: | ||
| + | |||
| + | *[https://github.com/bogdanpotanin/Microeconometrics-Master-2022/raw/main/3.%20%D0%A1%D0%BF%D0%B5%D1%86%D0%B8%D1%84%D0%B8%D0%BA%D0%B0%D1%86%D0%B8%D1%8F%20%D0%BC%D0%BE%D0%B4%D0%B5%D0%BB%D0%B5%D0%B9%20%D0%B1%D0%B8%D0%BD%D0%B0%D1%80%D0%BD%D0%BE%D0%B3%D0%BE%20%D0%B2%D1%8B%D0%B1%D0%BE%D1%80%D0%B0.pdf Презентация] | ||
==Основная литература== | ==Основная литература== | ||
Версия 02:25, 13 апреля 2022
Содержание
Общая информация
- Формула оценки
0.4*(Домашнее задание 1)+0.4*(Домашнее задание 2)+0.2*Экзамен
- Экзамен
проводится в двух формах:
1) Выступление с докладом по материалам научной статьи, использующей модели, изучаемые в курсе. Условия: Статья должна а) быть из хорошего журнала, с красивой интерпретацией б) использовать модели вероятностного выбора или с ограниченными зависимыми переменными.
2) Выполнение письменной экзаменационной работы.
Вводный курс по R
Занятия по микроэконометрике проходят в R. Те, кому не знаком данный язык, могут быстро изучить его просмотрев курс видеолекций с задачами и решениями:
- Урок 1. Компиляция кода
- Урок 3. Типы переменных
- Урок 4. Векторы
- Урок 5. Использование функций
- Урок 6. Создание функций
- Урок 7. Логические выражения
- Урок 8. Базовые типы объектов
- Урок 9. Листы
- Урок 10. Атрибуты и классы
- Урок 11. Матрицы и массивы
- Урок 12. Датафреймы
- Урок 14. Сортировка
- Урок 15. Циклы
- Урок 16. Факторы
- Урок 17. Библиотеки (пакеты)
- Урок 18. Функция apply
- Урок 19. Графики
- Урок 20. Пропуски
- Урок 21. Числа с плавающей точкой (сложно)
- Урок 22. Численное дифференцирование
- Урок 23. Численная оптимизация
Также, для изучения R можно использовать:
Инструкции по установке R и R-studio:
Материалы курса в STATA
Для воспроизведения .do файлов вам понадобятся данные по индивидам 25-й волны РМЭЗ в .dta формате (полная выборка), которые можно скачать по ссылке.
1. Метод максимального правдоподобия и численные методы оптимизации
2. Классические модели бинарного выбора
3. Выбор оптимальной спецификации модели бинарного выбора
5. Модели множественного выбора
6. Моделированние частоты и вложенный выбор
Неделя 1. Вводная лекция
Материалы лекции:
Дополнительные материалы:
- Повторение метода максимального правдоподобия в R (видео)
- Повторение метода максимального правдоподобия в R (файл)
Неделя 2. Модели бинарного выбора
Материалы лекции:
Неделя 3. Спецификация моделей бинарного выбора
Материалы лекции:
