Микроэконометрика качественных данных 2023 — различия между версиями

Версия 18:48, 6 сентября 2023

Общая информация

• Официальная программа курса
• реализация текущего года

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 2. Создание и использование переменных

• 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 13. Выбор элементов по логическому вектору

• 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:

• datacamp

• Официальный курс от R-Studio

• Книга рецептов R

Инструкции по установке R и R-studio:

• Инструкция от datacamp

• Видео на youtube

Материалы курса в STATA

Нажмите "развернуть", чтобы увидеть - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - 🡣

Основная литература

• William H. Greene. Econometric Analysis (8th Edition)

• Путеводитель по современной эконометрике : учеб. пособие для вузов, Вербик М., Банникова В. А., 2008

5 сентября. Повторение метода максимального правдоподобия. Модели бинарного выбора: формулировка, интерпретация и оценивание

Материалы лекции:

• модели бинарного выбора, вступление
• линейная вероятностная модель
• probit подход - интерпретация
• оценивание, эпизод 1
• оценивание, эпизод 2
• свойства ОМП
• предельные эффекты

Материалы семинара:

• Метод максимального правдоподобия

Спойлер следующих серий - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - 🡣