"ניתוח נתונים ואקונומטריה" - קורס 34,000 רובל. מ-MSU, אימון 12 שבועות. (3 חודשים), תאריך: 29 בנובמבר 2023.

Miscellanea / by admin / December 01, 2023

click fraud protection

המטרה העיקרית היא להכיר לתלמידים את שיטות הניתוח האקונומטרי המשמשות במחקר עסקי ומודרני. התוכנית תעזור לך להבין טוב יותר כיצד ליישם שיטות אקונומטריות בפתרון בעיות יישומיות ב עסקים, מה שהם כותבים במאמרים מדעיים, כמו גם לבצע מחקר אקונומטרי משלהם.

המטרה העיקרית היא להכיר לתלמידים את שיטות הניתוח האקונומטרי המשמשות במחקר עסקי ומודרני.

התוכנית תעזור לך להבין טוב יותר כיצד ליישם שיטות אקונומטריות בפתרון בעיות יישומיות ב עסקים, מה שהם כותבים במאמרים מדעיים, כמו גם לבצע מחקר אקונומטרי משלהם.

למי מיועדת התוכנית הזו:

לכל מי שעומד בפני הצורך לזהות קשרי סיבה ותוצאה ולבצע תחזיות על סמך נתונים סטטיסטיים
אינו דורש דרישות הכנה מתמטיות קפדניות. ידע ביסודות תורת ההסתברות וסטטיסטיקה מתמטית יהיה שימושי, אך לא חובה.

מה ייתן לך שליטה בתוכנית זו:

למד לאסוף ולהכין מידע, כמו גם לבצע ניתוח נתונים ראשוני;
למד כיצד לנסח השערות כלכליות במונחים של מודלים אקונומטריים;
תוכל לבצע חישובים אקונומטריים באמצעות תוכנה אקונומטרית כדי לבדוק את ההשערות שלך לגבי הנתונים המנותחים
תוכל להעריך את איכות המודלים האקונומטריים המתקבלים;
להיות מסוגל לפרש נכון את התוצאות של מודלים אקונומטריים

מסמכים עם סיום התוכנית: תעודת השתלמות

instagram viewer

מֶשֶׁך
3 חודשים, 72 שעות

צורת לימוד: התכתבות באמצעות טכנולוגיות מרחק

מבוא

תלמד מהי אקונומטריה ולמה היא נחוצה. סקור את יישומי האקונומטריה במחקר יישומי ודוגמאות לשאלות שניתן לענות עליהן באמצעותה. למד אילו סוגי נתונים משמשים במודלים אקונומטריים.

הם יגידו לך מהי: רגרסיה זוגית, גזירת נוסחאות להערכת מקדמים ברגרסיה זוגית, מקדם ריבועי R, תכונות אסימפטוטיות של אומדני OLS, תנאים מוקדמים למודל ליניארי של זוגיות רגרסיות, בדיקת המובהקות הסטטיסטית של מקדמים, רווחי סמך, הומוסקסדסטיות והטרוסקדסטיות, תנאים סטנדרטיים התואמים להטרוסקדסטיות שגיאות

2 רגרסיה מרובה

מוטיבציה לשימוש ברגרסיה מרובה. הנחות של מודל רגרסיה מרובה ליניארי. בדיקת השערות ובניית רווחי סמך.

3 מולטי-קולינאריות. משתני דמה

מולטי-קולינאריות. דמה (משתנים בינאריים) תזוזה ושיפוע.

הפיכת משתנים למודלים של רגרסיה. תלות לינארית, לוגריתמית, לוגריתמית למחצה וצורות אחרות של תלות. פרשנות משמעותית של מקדמים. המלצות להצגת תוצאות מחקר אקונומטריות.

4 מפרט משוואת רגרסיה

אנדוגניות. השלכות של פירוט שגוי של מודל רגרסיה. משתנים תחליפים. קריטריונים להחלטה האם לכלול משתנה במודל. בדיקות מפרט.

5 משתנים אינסטרומנטליים

השלכות של משתני הסבר מתואמים וטעויות אקראיות. בעיית האנדוגניות. משתנים אינסטרומנטליים. שיטת הריבועים הקטנים בשני שלבים.

6 דגמי נתוני פאנלים

יתרונות של דגמים באמצעות נתוני פאנל. רגרסיה מלאה (מאוחדת) פשוטה, מודל אפקטים קבועים, מודל אפקטים אקראיים. מבחן בחירת סוג דגם.

7 דגמי בחירה בינארית

מודל הסתברות ליניארי (LPM). יתרונות וחסרונות של LVM. מודל לוגיט, מודל פרוביט. הערכת פרמטרים של מודלים של לוגיט ופרוביט. פרשנות מקדמים במודלים של לוגיט ופרוביט (חישוב השפעות שוליים). הערכת איכות מודלים של לוגיט ופרוביט. בדיקת המשמעות של מקדמים במודלים של לוגיט ופרוביט.

8 חיזוי מנתוני סדרות זמן

סדרת זמן. הגדרות ודוגמאות. נייחות ואי נייחות. שורשי יחידה. מעבדים AR(p), MA(q), ARMA(p, q). הליכה אקראית. תהליך משולב מסדר ק. תהליך ARIMA(p, k, q).

בדיקת שורש יחידה.

הערכת מודלים של ARIMA. נוהל זיהוי דגם. חיזוי בדגמי ARIMA.

מודל Autoregressive Conditional heteroscedasticity (ARCH). הכללות שונות של מודל ההטרוסקדסטיות המותנית אוטורגרסיבית (GARCH ואחרים). הערכה וחיזוי.

דגמי פיגור מבוזרים אוטומטית. הערכה וחיזוי.

לוגיקה

הקורס מציג לתלמידים לוגיקה מתמטית, שיטותיה, המשפטים והיישומים שלה. בתהליך לימוד הקורס יוכלו הסטודנטים ללמוד על מערכות לוגיות שונות - לוגיקה קלאסית, לוגיקה אינטואיציונית, הגיונות מודאליים שונים, כמו גם לוגיקה פרדיקט קלאסית ותיאוריות שנבנו מבוסס על זה.

4,2

בחינם

פרטים נוספים לאתר הקורס