Введение в регрессионный анализ: различия между версиями
Строка 99: | Строка 99: | ||
| Домашнее задание 1 || [https://docs.google.com/spreadsheets/d/1CG3MkrjXmDxmiYHHGc4DXbwJwKyyWWhvpIVGc5L1C_8/edit?usp=sharing варианты] [https://www.dropbox.com/sh/gqqucd3zndplddq/AADKlBTli-IRU4h6gOoGONpIa?dl=0 данные]|| 6 октября 23:59 || по группам: [https://www.dropbox.com/request/IAywSNTtKA263Z3lEEl7 211] [https://www.dropbox.com/request/Y1zBGgRuvfZCzbCsJK5n 212] [https://www.dropbox.com/request/cVf9l2TBpuximwy0WIVz 213] [https://www.dropbox.com/request/zIH0LPMZDDEgxtbRQGIw 214] | | Домашнее задание 1 || [https://docs.google.com/spreadsheets/d/1CG3MkrjXmDxmiYHHGc4DXbwJwKyyWWhvpIVGc5L1C_8/edit?usp=sharing варианты] [https://www.dropbox.com/sh/gqqucd3zndplddq/AADKlBTli-IRU4h6gOoGONpIa?dl=0 данные]|| 6 октября 23:59 || по группам: [https://www.dropbox.com/request/IAywSNTtKA263Z3lEEl7 211] [https://www.dropbox.com/request/Y1zBGgRuvfZCzbCsJK5n 212] [https://www.dropbox.com/request/cVf9l2TBpuximwy0WIVz 213] [https://www.dropbox.com/request/zIH0LPMZDDEgxtbRQGIw 214] | ||
|- | |- | ||
− | | Домашнее задание 2 || задание || | + | | Домашнее задание 2 || [https://www.dropbox.com/s/5i6lfs0frud9n9j/reg-hw02.pdf?dl=0 задание] || 15 октября 23:59 || по группам: [https://www.dropbox.com/request/Fyvek0eWxrDisTwwVZhC 211] [https://www.dropbox.com/request/RAGA5pxn07tTfvp3keK2 212] [https://www.dropbox.com/request/iEtS6NzSruEbyXq9S5gH 213] [https://www.dropbox.com/request/afB2WrjwFwprpwpnG8Fa 214] |
|- | |- | ||
| Домашнее задание 3 || задание || || | | Домашнее задание 3 || задание || || | ||
|} | |} |
Версия 15:09, 9 октября 2022
Дорогие студенты!
Это страница обязательного курса «Введение в регрессионный анализ», читаемого на программе «Политология» 2 курса бакалавриата в 1 модуле 2022-2023 учебного года.
Лекции читает: Макаров Алексей Алексеевич.
Семинары ведёт: Тамбовцева Алла Андреевна.
Гостевые лекторы: Стукал Денис Константинович, Сальникова Дарья Вячеславовна, Седашов Евгений Александрович.
Содержание
- 1 Правила игры
- 2 Программное обеспечение
- 3 Материалы занятий
- 3.1 Неделя 1. Введение в регрессионный анализ.
- 3.2 Неделя 2. Парная линейная регрессия. Условия Гаусса-Маркова.
- 3.3 Неделя 3. Оценка качества модели. Парная регрессия с бинарным предиктором.
- 3.4 Неделя 4. Множественная регрессия.
- 3.5 Неделя 5. Множественная регрессия. Гетероскедастичность и влиятельные наблюдения.
- 3.6 Памятки по темам
- 4 Домашние задания
Правила игры
- Формула оценки: Итог = 0.15 * ДЗ1 + 0.15 * ДЗ2 + 0.25 * ДЗ3 + 0.15 * Проверочная работа + 0.3 * Экзамен.
- Подробные пояснения по формам контроля можно посмотреть здесь.
- Домашние задания сдаются в электронном виде через запросы Dropbox.
- Домашнее задание можно сдать в течение суток после дедлайна с потерей 2 баллов от полученной оценки. Работы, сданные позже, не проверяются.
Программное обеспечение
Для работы на этом курсе необходимо установить (именно в таком порядке): R и RStudio. Если у вас уже установлена более ранняя версия R или RStudio, специально переустанавливать их не нужно, они подходят для работы в рамках курса. Ссылки для скачивания:
- R: для Windows, для Mac OS (файл R-4.2.1.pkg);
- RStudio: для разных систем.
При желании можно воспользоваться облачной версией RStudio Cloud.
Введение в R и RStudio:
- Интерфейс RStudio, работа с консолью, сохранение выборки в виде числового вектора и её описание (видео).
- Создание файла с кодом, загрузка данных из csv-файла, предварительное знакомство с данными (видео, CSV).
- Примеры построения графиков в R (видео).
Материалы занятий
Неделя 1. Введение в регрессионный анализ.
Лекция 1. Повторение основных понятий статистики. Коэффициент корреляции Пирсона и парная линейная регрессия. Метод наименьших квадратов.
- что почитать по теме
Практикум 1. Введение в работу с данными. Коэффициент корреляции Пирсона и парная линейная регрессия.
- файл с данными canada.csv, файл с кодом regression-practice01.R, конспект practice01.pdf
- все файлы в одной папке на Dropbox
Дополнительно: список цветов в R, палитра цветов от Google.
Неделя 2. Парная линейная регрессия. Условия Гаусса-Маркова.
Лекция 2. Парная линейная регрессия. Условия Гаусса-Маркова. Распределение оценок коэффициентов модели. Анализ остатков.
- что почитать по теме
Практикум 2. Парная линейная регрессия. Анализ остатков модели.
- семинарский листок, запись семинаров
- файл с данными canada.csv, файл с кодом regression-practice02.R.
- все файлы в одной папке на Dropbox
Неделя 3. Оценка качества модели. Парная регрессия с бинарным предиктором.
Лекция 3. Качество модели: ANOVA-таблица и коэффициент детерминации. Парная регрессия с бинарным предиктором.
- что почитать по теме
Практикум 3. Анализ остатков модели. Качество линейной модели и ANOVA-таблица.
- семинарский листок, решения, запись семинаров
- файл с данными life_expect.csv, файл с кодом regression-practice03.R, конспект practice03.pdf
- все файлы в одной папке на Dropbox
Неделя 4. Множественная регрессия.
Лекция 4. Множественная регрессия.
- что почитать по теме
Практикум 4. Парная линейная модель с бинарным предиктором. Множественная регрессия.
- запись семинаров
- файл с данными canada.csv, файл с кодом regression-practice04.R
- визуализация для множественной регрессии
Неделя 5. Множественная регрессия. Гетероскедастичность и влиятельные наблюдения.
Памятки по темам
- Повторение. Введение в парную линейную регрессию (по мотивам лекции 1). PDF.
- Парная линейная регрессия: основные понятия и формулы, условия Гаусса-Маркова, распределение оценок коэффициентов модели, проверка гипотезы о значимости коэффициента регрессии (по мотивам лекции 2). PDF.
- ANOVA-таблица и коэффициент детерминации (по мотивам лекции 3). PDF.
Домашние задания
Домашнее задание | Условия | Дедлайн | Куда сдавать |
---|---|---|---|
Домашнее задание 1 | варианты данные | 6 октября 23:59 | по группам: 211 212 213 214 |
Домашнее задание 2 | задание | 15 октября 23:59 | по группам: 211 212 213 214 |
Домашнее задание 3 | задание |