Курс находится на модерации. Данные могут быть неактуальны.
Сложность
Сложность
Начинающий
Тип обучения
Тип обучения
Курс
Формат обучения
Формат обучения
Записанные лекции
Трудоустройство
Трудоустройство
Отсутствует
Сертификат
Сертификат
Да

Стоимость курса

3 600 ₽
нет рассрочки

Что вы получите после обучения

Приобретаемые навыки
1
Регрессионный анализ с использованием языка R
2
МНК
3
Мультиколлинеарность и гетероскедастичность
4
Байесовские методы в машинном обучении
5
MCMC

Вас будут обучать

Магистр Должность: Старший преподаватель Департамента прикладной экономики, Факультет экономических наук

Борис Демешев — старший преподаватель кафедры математической экономики и эконометрики, департамент прикладной экономики. Окончил бакалавриат и магистратуру Высшей Школы Экономики в 2003 году по специальности «Математические методы анализа экономики».

Борис имеет большой опыт (более 10 лет) преподавания. Преподаёт эконометрику, теорию вероятностей и стохастический анализ. Он неоднократно становился победителем конкурса Высшей Школы Экономики «Лучший преподаватель». Проходил стажировки в Лондонской Школе Экономики по эконометрике и стохастическому анализу в финансах, в Университете Собронна-1 в Париже и в Университете города Лукка в Италии. в В 2009–2010 годах преподавал математическую статистику в Католическом Университете города Луван-ля-Нёв в Бельгии.

Борис создал и поддерживает блог pokrovka11.wordpress.com, где выкладываются материалы по различным предметам кафедры, а также новости в мире программирования.

Он прекрасно ориентируется в современных компьютерных технологиях в целом, публикует в открытом доступе материалы к своим семинарам (эконометрика, теория вероятностей). В своих курсах Борис учит студентов пользоваться статистическим пакетом R, показывая, как в реальности можно применять полученные в ходе обучения знания.

Научные интересы Бориса лежат в области анализа данных, байесовских методов, стохастического анализа и эконометрики. Сейчас Борис работает над своей кандидатской диссертацией. Недавно с Дмитрием Борзых Борис выпустил задачник по эконометрике, где студентам предлагаются как теоретические, так и практические упражнения.

Профессиональные интересы:

визуализация данных

байесовский подход

Образование 

2003

Магистратура: Высшая школа экономики, факультет: Экономика, специальность «Математические методы анализа экономики»

2001 

Бакалавриат: Высшая школа экономики, факультет: Экономика, специальность «Экономика»

Дополнительное образование / Повышение квалификации / Стажировки

Курс "Econometrics in R", лектор Д. Фантаццини, сентябрь-октябрь 2014, НИУ ВШЭ

Курс "Spatial Econometrics", лектор А.К.Бера, университет Иллинойса, США, 2-6 июня 2014, НИУ ВШЭ 

Летняя Школа Университета Эссекса, Великобритания, "Иерархические модели", август 2012

Награды и достижения 

Июль 2010 г. Победитель конкурса Фонда образовательных инноваций НИУ ВШЭ с проектом дистанционной образовательной программы по курсу "Моделирование аукционов".
Ноябрь 2011 г. Победитель конкурса Фонда образовательных инноваций НИУ ВШЭ с оригинальной разработкой "Серия Screencast по эконометрическому моделированию для магистрантов нематематических и практико-ориентированных специализаций факультета экономики в свободно распространяемом кроссплатформенном эконометрическом пакете Gretl" (в соавторстве с Вакуленко Е.С. и Ратниковой Т.А.).
Медаль "Признание - 15 лет успешной работы" НИУ ВШЭ (январь 2018)
Благодарность Высшей школы экономики (ноябрь 2013)
Благодарность Высшей школы экономики (декабрь 2012)
Лучший преподаватель – 2019, 2018, 2017, 2016, 2015, 2014, 2013, 2012, 2011
Надбавка за академическую работу (2017-2018, 2016-2017, 2015-2016)

Образовательная организация

Образовательная платформа «Академика» — более 200 онлайн-курсов от известных вузов и компаний. На “Академике” на данный момент представлено 8 ключевых направлений по таким темам, как разработка, дизайн, маркетинг, фотография.  Создано Skillbox (входит в экосистему VK).

Программа курса

Метод наименьших квадратов, или Рабочая лошадка эконометриста. Введение в R
Ценные ресурсы.
Суть метода наименьших квадратов.
Геометрия МНК.
R: введение и МНК.
Статистические свойства оценок коэффициентов
Условная дисперсия и условное математическое ожидание.
Построение доверительных интервалов и проверка гипотез.
R: проверка гипотез и загрузка данных.
Дамми-переменные, сравнение вложенных моделей
Прогнозирование и дамми-переменные.
Линейные ограничения и пропущенные переменные.
R: графики, построение прогнозов и наноисследование.
Мультиколлинеарность
Мультиколлинеарность: понятие и методы борьбы.
R: методы борьбы с мультиколлинеарностью.
Гетероскедастичность
Гетероскедастичность: понятие и последствия.
Тесты на гетероскедастичность.
R: создание функций и циклов, проверка на гетероскедастичность.
Автокорреляция
Автокорреляция: понятие, последствия и тесты.
R: даты и временные ряды, загрузка данных и тесты на автокорреляцию.
Практическое задание по реальным данным RLMS.
Метод максимального правдоподобия. Модели бинарного выбора
Метод максимального правдоподобия: суть и использование.
Логит-модель: вид, оценивание и интерпретация.
R: качественные переменные, предельные эффекты и ROC-кривая.
Стационарные временные ряды
Определение стационарности, AR- и MA-процессы.
Проверка на стационарность, прогнозирование и ARMA-процесс.
R: примеры анализа временных рядов.
Эндогенность
Эндогенность: определение, причины и методы борьбы.
R: деление выборки на две части и двухшаговый МНК.
Нестандартные сюжеты
Нестандартные регрессии и алгоритм случайного леса.
Байесовский подход, апостериорное распределение и MCMC.
R: реализация описанных методов.

 

 

Рейтинг курса

2.9
рейтинг
0
0
0
0
0

Может быть интересно

обновлено 10.11.2024 09:56
Эконометрика

Эконометрика

Оставить отзыв
Поделиться курсом с друзьями