Econ metrics 2023-24 — различия между версиями
Polina (обсуждение | вклад) (→Проверочные работы) |
Polina (обсуждение | вклад) |
||
| Строка 29: | Строка 29: | ||
*[https://github.com/pvpogorelova/metrics_23_24/blob/main/hw/hw_1.pdf Домашнее задание №1.] | *[https://github.com/pvpogorelova/metrics_23_24/blob/main/hw/hw_1.pdf Домашнее задание №1.] | ||
*[https://github.com/pvpogorelova/metrics_23_24/blob/main/hw/hw_1_sol.pdf Домашнее задание №1. Решение.] | *[https://github.com/pvpogorelova/metrics_23_24/blob/main/hw/hw_1_sol.pdf Домашнее задание №1. Решение.] | ||
| + | *[https://github.com/pvpogorelova/metrics_23_24/blob/main/hw/HW_2.pdf Домашнее задание №2.] | ||
== Материалы к курсу == | == Материалы к курсу == | ||
Версия 14:56, 25 ноября 2023
Содержание
Общая информация
Официальные программы курса:
Курс в ЛМС:
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
Проверочные работы
Контрольные работы
Домашние задания
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?
Неделя 2. Модель парной регрессии. МНК.
Неделя 3. Модель множественной регрессии в матричном виде.
Неделя 4. Модель множественной регрессии. Стандартизированные показатели.
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.
Консультация перед КР
Неделя 7. Обнаружение аномальных наблюдений. Безусловное прогнозирвоание.
Неделя 8. Мультиколлинеарность. Метод главных компонент (PCA).
