Сложность
Сложность
Начинающий
Тип обучения
Тип обучения
Курс
Формат обучения
Формат обучения
С проверкой домашнего задания
Сертификат
Сертификат
Да

Стоимость курса

34 000 ₽
нет рассрочки

Главная цель - познакомить слушателей с методами эконометрического анализа, используемыми в бизнесе и современных исследованиях . Программа поможет лучше понимать, как применять эконометрические методы в решении прикладных задач в бизнесе, что пишут в научных статьях, а также осуществлять собственные эконометрические исследования.

Цель программы:

Главная цель - познакомить слушателей с методами эконометрического анализа, используемыми в бизнесе и современных исследованиях .

Программа поможет лучше понимать, как применять эконометрические методы в решении прикладных задач в бизнесе, что пишут в научных статьях, а также осуществлять собственные эконометрические исследования.
 
Для кого это программа:

Для всех, кто сталкивается с необходимостью выявлять причинно-следственные связи и строить прогнозы на основе статистических данных
Не предполагает жестких требований к математической подготовке. Знание основ теории вероятностей и математической статистики будет полезно, но необязательно.
 
Что даст вам освоение этой программы:

Научитесь  собирать и подготавливать информацию, а также делать предварительный анализ данных;
Узнаете, как формулировать экономические гипотезы в терминах эконометрических моделей;
Сможете проводить эконометрические расчеты с помощью эконометрического ПО для проверки ваших гипотез относительно анализируемых данных
Будете способны оценить  качество полученных эконометрических моделей;
Сумеете правильно интерпретировать результаты эконометрического моделирования
 
Документы по окончании программы: Удостоверение о повышении квалификации

Продолжительность
3 месяца, 72 часа
 
Форма обучения: заочная с применением дистанционных технологий

Образовательная организация

Общая информация

  • Программы дополнительного образования МГУ
  • Открытые лектории в Московском университете
  • «МГУ — школе»
  • «Университет без границ»
  • Подготовка к поступлению
  • Школы юных, кружки и образовательные курсы для школьников при факультетах МГУ
  • Общеуниверситетские подготовительные курсы
  • Подготовительные курсы факультетов МГУ (бакалавриат, специалитет, магистратура)
  • Мероприятия для школьников в музеях МГУ

Нормативные документы

  • Приказ Минобрнауки России от 1 июля 2013 г. №499 «Об утверждении Порядка организации и осуществления образовательной деятельности по дополнительным профессиональным программам»
  • Положение о повышении квалификации работников МГУ

Программа курса

Введение

Вы узнаете, что такое эконометрика и зачем она нужна. Рассмотрите применения эконометрики в прикладных исследованиях и примеры вопросов, ответы на которые можно получить с ее помощью. Узнаете, какие типы данных, используются в эконометрическом моделировании.

Вам расскажут, что такое: парная регрессия, вывод формул оценок коэффициентов в парной регрессии, коэффициент R-квадрат, асимптотические свойства МНК-оценок, предпосылки линейной модели парной регрессии, тестирование статистической значимости коэффициентов, доверительные интервалы, гомоскедастичность и гетероскедастичность, состоятельные в условиях гетероскеадстичности стандартные ошибки

2 Множественная регрессия

Мотивация для использования множественной регрессии. Предпосылки линейной модели множественной регрессии. Тестирование гипотез и построение доверительных интервалов.

3 Мультиколлинеарность. Фиктивные переменные

Мультиколлинеарность. Фиктивные (бинарные переменные) сдвига и наклона.

Преобразование переменных в модели регрессии. Линейная, логарифмическая, полулогарифмические и другие формы зависимости. Содержательная интерпретация коэффициентов. Рекомендации по оформлению результатов эконометрических исследований.

4 Спецификация уравнения регрессии

Эндогенность. Последствия ошибочной спецификации модели регрессии. Замещающие переменные. Критерии для принятия решения о включении переменной в модель. Спецификационные тесты.

5 Инструментальные переменные

Последствия коррелированности объясняющих переменных и случайных ошибок. Проблема эндогенности. Инструментальные переменные. Двухшаговый метод наименьших квадратов.

6 Модели на панельных данных

Преимущества моделей, использующих панельные данные. Простая полная (pooled) регрессия, модель с фиксированными эффектами, модель со случайными эффектами. Тест на выбор типа модели.

7 Модели бинарного выбора

Линейная вероятностная модель (ЛВМ). Преимущества и недостатки ЛВМ. Логит-модель, пробит-модель. Оценивание параметров логит- и пробит-моделей. Интерпретация коэффициентов в логит- и пробит-моделях (вычисление предельных эффектов). Оценка км мачества логит- и пробит-моделей. Тестирование значимости коэффициентов в логит- и пробит-моделях.

8 Прогнозирование по данным временных рядов

Временной ряд. Определения и примеры. Стационарность и нестационарность. Единичные корни. Процессы AR(p), MA(q), ARMA(p,q). Случайное блуждание. Процесс, интегрированный порядка k. Процесс ARIMA(p,k,q).

Тестирование единичных корней.

Оценивание моделей ARIMA. Процедура идентификации модели. Прогнозирование в моделях ARIMA.

Модель авторегрессионной условной гетероскедастичности (ARCH). Различные обобще-ния модели авторегрессионной условной гетероскедастичности (GARCH и другие). Оценивание и прогнозирование.

Авторегрессионные модели распределенных лагов. Оценивание и прогнозирование.

Рейтинг курса

2.5
рейтинг
0
0
0
0
0

Может быть интересно

обновлено 25.05.2024 09:51
«Анализ данных и эконометрика»

«Анализ данных и эконометрика»

Оставить отзыв
Поделиться курсом с друзьями