Econ metrics 2023-24 — различия между версиями

Материал из Wiki - Факультет компьютерных наук
Перейти к: навигация, поиск
(Первый семестр. Эконометрика 1)
(Первый семестр. Эконометрика 1)
Строка 106: Строка 106:
 
'''Неделя 11. Ошибки спецификации модели.'''
 
'''Неделя 11. Ошибки спецификации модели.'''
 
*[https://github.com/pvpogorelova/metrics_23_24/blob/main/seminars/sem_11.pdf Семинар 11. Задания и решения.]
 
*[https://github.com/pvpogorelova/metrics_23_24/blob/main/seminars/sem_11.pdf Семинар 11. Задания и решения.]
 +
'''Неделя 12. Выбор функциональной зависимости.'''
 +
*[https://github.com/pvpogorelova/metrics_23_24/blob/main/seminars/sem_12.pdf Семинар 12. Задания.]
 +
*[https://github.com/pvpogorelova/metrics_23_24/blob/main/scripts/sem_12.R Семинар 12: R]
 +
*[https://github.com/pvpogorelova/metrics_23_24/blob/main/scripts/sem_12.ipynb Семинар 12: Python]

Версия 12:37, 11 декабря 2023

Общая информация

Официальные программы курса:

Курс в ЛМС:

Преподаватели:

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


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

Таблицы

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.

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.