Econ metrics 2023-24 — различия между версиями

Версия 17:21, 27 декабря 2023

Общая информация

Официальные программы курса:

• Официальная программа курса "Эконометрика 1 (углубленный курс)"

Курс в ЛМС:

• "Эконометрика 1 (углубленный курс)"

Преподаватели:

• Лектор: Елена Сергеевна Вакуленко evakulenko@hse.ru
• Семинарист: Полина Вячеславовна Погорелова pvpogorelova@hse.ru
• Учебные ассистенты: Аксёнов Антон (БЭК211), Горевой Никита (БЭК212), Трофименко Илья (БЭК213), Зайцев Александр (волонтёр)

Формула оценивания:

• Оценка за курс "Эконометрика 1 (углубленный курс)" = 0.2 * Домашняя работа + 0.25 * Контрольная работа + 0.15 * Работа на семинарах и лекциях + 0.4 * Экзамен

В случае пропуска любой проверочной работы по уважительной причине (при наличии справки) её вес равномерно перераспределяется на другие проверочные работы.

Текущие оценки

• Таблица с успеваемостью по курсу "Эконометрика 1 (углубленный курс)".
• Таблица с успеваемостью по курсу "Эконометрика 2 (углубленный курс)."

Проверочные работы

• Демо-версия проверочной работы №1
• Проверочная работа №4

Контрольные работы

• Контрольная работа №1

Домашние задания

• Домашнее задание №1.
• Домашнее задание №1. Решение.
• Домашнее задание №2.

Материалы к курсу

• Подборка контрольных прошлых лет. Кажется, я нашел опечатку.

Нажми "развернуть", чтобы увидеть ещё больше! - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - 🡣

Таблицы

• Таблицы нормального и прочих распределения
• Таблицы для теста Колмогорова (по-русски), (English version).
• Приложения вместо таблиц android, ios1, ios2

Первый семестр. Эконометрика 1

Неделя 1. Что такое эконометрика и зачем она нужна?

• Семинар 1. Задания.

Неделя 2. Модель парной регрессии. МНК.

• Семинар 2. Задания.

Неделя 3. Модель множественной регрессии в матричном виде.

• Семинар 3. Задания.

Неделя 4. Модель множественной регрессии. Стандартизированные показатели.

• Семинар 4. Задания.
• Семинар 4. Решение.

Неделя 5. Блочные матрицы и проверка гипотез.

• Семинар 5. Задания.
• Семинар 5. Решение задачи 3.
• Семинар 5: R.
• Семинар 5: Python.
• Данные dataflats.xlsx.

Неделя 6. Фиктивные переменные. Тест Чоу.

• Семинар 6. Задания.
• Семинар 6: R.
• Семинар 6: Python.
• Данные Chow_2.xlsx.

Консультация перед КР

• Задания.
• Решение.

Неделя 7. Обнаружение аномальных наблюдений. Безусловное прогнозирвоание.

• Семинар 7. Задания.
• Семинар 7: R.
• Семинар 7: Python.
• Данные Chow_2.xlsx.

Неделя 8. Мультиколлинеарность. Метод главных компонент (PCA).

• Семинар 8. Задания.

Неделя 9. Мультиколлинеарность. PCA, LASSO, RIDGE.

• Семинар 9: R
• Семинар 9: Python

Неделя 10. Гетероскедастичность.

• Семинар 10. Задания и решения.
• Данные Heterosk_5.xlsx
• Семинар 10: R
• Семинар 10: Python

Неделя 11. Ошибки спецификации модели.

• Семинар 11. Задания и решения.

Неделя 12. Выбор функциональной зависимости.

• Семинар 12. Задания.
• Семинар 12: R
• Семинар 12: Python

Неделя 13. Эндогенность.

• Семинар 13. Задания.