Econ metrics 2023-24 — различия между версиями
Polina (обсуждение | вклад) |
Polina (обсуждение | вклад) |
||
| Строка 28: | Строка 28: | ||
== Домашние задания == | == Домашние задания == | ||
*[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_2.pdf Домашнее задание №2.] | *[https://github.com/pvpogorelova/metrics_23_24/blob/main/hw/HW_2.pdf Домашнее задание №2.] | ||
Текущая версия на 16:23, 8 октября 2024
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
- Таблица с успеваемостью по курсу "Эконометрика 1 (углубленный курс)".
- Таблица с успеваемостью по курсу "Эконометрика 2 (углубленный курс)."
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).
Неделя 9. Мультиколлинеарность. PCA, LASSO, RIDGE.
Неделя 10. Гетероскедастичность.
Неделя 11. Ошибки спецификации модели.
Неделя 12. Выбор функциональной зависимости.
Неделя 13. Эндогенность.
Второй семестр. Эконометрика 2
Неделя 14. Оценка эффекта воздействия. ATE. DID.
Неделя 15. Оценка эффекта воздействия. LATE. RDD.
Неделя 16. Системы регрессионных уравнений: SUR.
Неделя 17. Системы регрессионных уравнений: SEM.
Неделя 18. Метод максимального правдоподобия. LR тест.
Неделя 19. Метод максимального правдоподобия. Тест Вальда, LM.
Неделя 20. Анализ временных рядов. MA, AR.
Неделя 21. Анализ временных рядов. MA, AR, ARMA. Тесты на стационарность.
Неделя 22. Анализ временных рядов. ARMA, ETS.
Неделя 23. ARDL, коинтеграция.
Неделя 24. Модели бинарного выбора.
Неделя 25. Модели множественного выбора.
Неделя 26. Упорядоченный логит. Цензурированные данные.
Неделя 27. Панельные данные.
Неделя 28. Модели пространственной эконометрики.
- [Разбирали теорию]
Неделя 29. Модели счетных данных.
