Введение в регрессионный анализ

Материал из MathINFO
Перейти к навигации Перейти к поиску

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. 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.

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.

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.

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.

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 данные 23 октября 23:59 или 26 октября 15:00 по группам:
211 212 213 214