Введение в регрессионный анализ: различия между версиями

Материал из MathINFO
Перейти к навигации Перейти к поиску
 
Строка 92: Строка 92:
  
 
* [https://www.dropbox.com/sh/zk19xymwzjh38br/AAD45A-p_v9jXcqzd1E8u5qaa?dl=0 видеозапись] семинаров, не везде все записалось, рекомендую запись группы 214
 
* [https://www.dropbox.com/sh/zk19xymwzjh38br/AAD45A-p_v9jXcqzd1E8u5qaa?dl=0 видеозапись] семинаров, не везде все записалось, рекомендую запись группы 214
* файл с данными [https://www.dropbox.com/s/ktzkqae6sprx92m/Salaries.csv?dl=0 Salaries.csv], файл с кодом [https://www.dropbox.com/s/dteqxaxzmrgwkzm/regression-practice06.R?dl=0 regression-practice06.R], конспект [https://github.com/allatambov/IntroToReg22/blob/main/practice06.pdf regression-practice06.pdf] (если не открывается – [зhttps://www.dropbox.com/s/iprst99b0p5twt3/practice06.pdf?dl=0 десь]).
+
* файл с данными [https://www.dropbox.com/s/ktzkqae6sprx92m/Salaries.csv?dl=0 Salaries.csv], файл с кодом [https://www.dropbox.com/s/dteqxaxzmrgwkzm/regression-practice06.R?dl=0 regression-practice06.R], конспект [https://github.com/allatambov/IntroToReg22/blob/main/practice06.pdf regression-practice06.pdf] (если не открывается – [https://www.dropbox.com/s/iprst99b0p5twt3/practice06.pdf?dl=0 здесь]).
  
 
Что [https://github.com/allatambov/IntroToReg22/blob/main/read06.md почитать] по теме
 
Что [https://github.com/allatambov/IntroToReg22/blob/main/read06.md почитать] по теме

Текущая версия на 01:21, 23 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. Парная регрессия с бинарным предиктором. Множественная регрессия.

Лекция 4. Парная регрессия с бинарным предиктором. Множественная регрессия.

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

Неделя 5. Гетероскедастичность и влиятельные наблюдения.

Лекция 5. Гетероскедастичность и влиятельные наблюдения.

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

Что почитать по теме

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

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

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

Что почитать по теме

Неделя 7. Difference-in-Differences

Что [почитать] по теме

Памятки по темам

  • Парная линейная регрессия: основные понятия и формулы, условия Гаусса-Маркова, распределение оценок коэффициентов модели 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