Введение в регрессионный анализ: различия между версиями

Материал из MathINFO
Перейти к навигации Перейти к поиску
Строка 58: Строка 58:
  
 
'''Лекция 3.''' Качество модели: ANOVA-таблица и коэффициент детерминации. Парная регрессия с бинарным предиктором.  
 
'''Лекция 3.''' Качество модели: ANOVA-таблица и коэффициент детерминации. Парная регрессия с бинарным предиктором.  
−
 
−
* [https://github.com/allatambov/IntroToReg22/blob/main/read03.md что] почитать по теме
 
  
 
'''Практикум 3.''' Анализ остатков модели. Качество линейной модели и ANOVA-таблица.
 
'''Практикум 3.''' Анализ остатков модели. Качество линейной модели и ANOVA-таблица.
Строка 66: Строка 64:
 
* файл с данными [https://raw.githubusercontent.com/allatambov/IntroToReg22/main/life_expect.csv life_expect.csv], файл с кодом [https://www.dropbox.com/s/5k2fiezb1f5f6bj/regression-practice03.R?dl=0 regression-practice03.R], конспект [https://www.dropbox.com/s/y6shqm2hmp9mwiq/practice03.pdf?dl=0 practice03.pdf]
 
* файл с данными [https://raw.githubusercontent.com/allatambov/IntroToReg22/main/life_expect.csv life_expect.csv], файл с кодом [https://www.dropbox.com/s/5k2fiezb1f5f6bj/regression-practice03.R?dl=0 regression-practice03.R], конспект [https://www.dropbox.com/s/y6shqm2hmp9mwiq/practice03.pdf?dl=0 practice03.pdf]
 
* все файлы в одной [https://www.dropbox.com/sh/vijv4tdj16ofjsn/AAAOpoHyOA14qGDjjZHE0FW4a?dl=0 папке] на Dropbox
 
* все файлы в одной [https://www.dropbox.com/sh/vijv4tdj16ofjsn/AAAOpoHyOA14qGDjjZHE0FW4a?dl=0 папке] на Dropbox
 +
 +
Что [https://github.com/allatambov/IntroToReg22/blob/main/read03.md почитать] по теме
  
 
=== Неделя 4. Множественная регрессия. ===
 
=== Неделя 4. Множественная регрессия. ===

Версия 01:06, 19 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.

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:

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. Коэффициент корреляции Пирсона и парная линейная регрессия. Метод наименьших квадратов.

Практикум 1. Введение в работу с данными. Коэффициент корреляции Пирсона и парная линейная регрессия.

Что почитать по теме.

Неделя 2. Парная линейная регрессия. Условия Гаусса-Маркова.

Лекция 2. Парная линейная регрессия. Условия Гаусса-Маркова. Распределение оценок коэффициентов модели.

Практикум 2. Парная линейная регрессия. Анализ остатков модели.

Что почитать по теме.

Неделя 3. Оценка качества модели. Парная регрессия с бинарным предиктором.

Лекция 3. Качество модели: ANOVA-таблица и коэффициент детерминации. Парная регрессия с бинарным предиктором.

Практикум 3. Анализ остатков модели. Качество линейной модели и ANOVA-таблица.

Что почитать по теме

Неделя 4. Множественная регрессия.

Лекция 4. Множественная регрессия.

  • что почитать по теме

Практикум 4. Парная линейная модель с бинарным предиктором. Множественная регрессия.

Неделя 5. Множественная регрессия. Гетероскедастичность и влиятельные наблюдения.

Лекция 5. Гетероскедастичность и влиятельные наблюдения.

  • что почитать по теме

Практикум 5. Множественная регрессия на экспериментальных данных. Выявление гетероскедастичности.

Неделя 6. Проверка условий Гаусса-Маркова для множественной регрессии.

Лекция 6. Проверка условий Гаусса-Маркова для множественной регрессии. Проверка нормальности остатков модели.

  • что почитать по теме

Практикум 6. Проверка условий Гаусса-Маркова для множественной регрессии.

Памятки по темам

  • 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.

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 данные 23 октября 23:59 или 26 октября 15:00 по группам: 211 212 213 214
Источник — http://math-info.hse.ru/wiki2022-23/index.php?title=Введение_в_регрессионный_анализ&oldid=330