Социально-экономическая статистика и эконометрика (syllabus)

Планируемые результаты обучения (Знать, Уметь, Владеть)	Знать: основные параметры распределений (математическое ожидание, дисперсия, стандартное отклонение) и их интерпретацию в социальных исследованиях; понятие корреляции и ковариации, методы оценки линейной связи между социально-экономическими показателями; базовые принципы регрессионного анализа: концепция модели, остатки, предпосылки (линейность, гомоскедастичность, нормальность остатков). Уметь рассчитывать и интерпретировать статистические характеристики выборки на конкретных данных (например, оценки доходов семей из выборочного обследования населения); строить и проверять графики распределения выборочных данных и диаграммы рассеяния для анализа связи между переменными; оценивать параметры простой линейной регрессии и проводить тест значимости коэффициентов (t-тест, F-тест). Владеть навыками описательного анализа с помощью R (функции mean(), sd(), plot(), lm()); приёмами проверки предпосылок регрессионной модели через графики остатков и тесты на гетероскедастичность (например, тест Уайта).
Содержание разделов курса	- Введение в социально-экономическую статистику и эконометрику Предмет и задачи социально-экономической статистики и эконометрики. Данные и их статистические характеристики. Типовые распределения выборочных характеристик. Точность и надежность выборочных характеристик. Классификация эконометрических моделей и основные этапы моделирования. Регрессионный анализ Парная регрессия. Спецификация модели. Линейная регрессия и корреляция: смысл и оценка параметров. Оценка значимости параметров линейной регрессии и корреляции. Интервальный прогноз на основе линейного уравнения регрессии. Нелинейная регрессия. Подбор линеаризующего преобразования. Корреляция для нелинейной регрессии. Средняя ошибка аппроксимации. Множественная регрессия. Спецификация модели. Отбор факторов при построении множественной регрессии. Выбор формы уравнения регрессии. Оценка параметров уравнения множественной регрессии. Частные уравнения регрессии. Множественная корреляция. Частная корреляция. Оценка надежности результатов множественной регрессии и корреляции. Фиктивные переменные во множественной регрессии. Анализ временных рядов Основные элементы временного ряда. Автокорреляция уровней временного ряда и выявление его структуры. Методы исключения тенденции. Автокорреляция в остатках. Критерий Дарбина-Уотсона. Оценивание параметров уравнения регрессии при наличии автокорреляции в остатках. Моделирование тенденции временного ряда. Системы эконометрических уравнений Общее понятие о системах уравнений, используемых в эконометрике. Структурная и приведенная формы модели. Проблема идентификации. Оценивание параметров структурной модели. Применение систем эконометрических уравнений. Система показателей социально-экономической статистики Статистика населения. Статистика трудовых ресурсов и занятости населения. Статистика использования рабочего времени. Статистика производительности труда.
Видео запись
Среды и средства, которые поддерживают учебный курс	NetLogo, R, CODAP
Книги, на которых основывается учебный курс	Awash in Data, Big Data with R, Causal Inference in R, Introduction to Econometrics with R, Дружелюбная эконометрика, Introductory Statistics for Economics

Введение в социально-экономическую статистику и эконометрику

	Description
Статистика	Стати́стика — отрасль знаний, наука, в которой излагаются общие вопросы сбора, измерения, мониторинга, анализа массовых статистических (количественных или качественных) данных и их сравнение; изучение количественной стороны массовых общественных явлений в числовой форме.
Эконометрика	Эконометрика — наука, изучающая количественные и качественные экономические взаимосвязи с помощью математических и статистических методов. Современное определение предмета эконометрики было выработано в уставе Эконометрического общества, которое главными целями назвало использование статистики и математики для развития экономической теории. Термин «эконометрика» состоит из двух частей: «эконо» — от «экономика» и «метрика» — от «измерение». Теоретическая эконометрика рассматривает статистические свойства оценок и испытаний, в то время как прикладная эконометрика занимается применением эконометрических методов для оценки экономических теорий.

Предмет и задачи социально-экономической статистики и эконометрики

1. Гипотеза

   Description

   Гипотеза

   Гипо́теза (др.-греч. ὑπόθεσις — «предположение; допущение», от ὑπό — «под; по причине; из-за» и θέσις — «место; положение; тезис») — предположение или догадка, утверждение, которое, в отличие от аксиом, постулатов, требует доказательства. Гипотеза считается научной, если она, в соответствии с научным методом, объясняет факты, охватываемые этой гипотезой; является логически непротиворечивой; принципиально опровергаема, то есть потенциально может быть проверена критическим экспериментом; не противоречит ранее установленным законам и, скорее всего, приложима к более широкому кругу явлений. Карл Поппер в книге философия науки дополнил позитивистский принцип верифицируемости принципом фальсифицируемости. Соответствие реальности естественнонаучной теория может быть установлена путём постановки соответствующего эксперимента (верификация). Любое научное знание носит лишь относительный характер. Также она может определяться как форма развитий знаний, представляющая собой обоснованное предположение, выдвигаемое с целью выяснения свойств и причин исследуемых явлений. Как правило, гипотеза высказывается на основе ряда подтверждающих её наблюдений (примеров) и поэтому принимается правдоподобной. Гипотезу впоследствии или доказывают, превращая её в установленный факт (см. теорема, теория), или же опровергают (например, указывая контрпример), переводя в разряд ложных утверждений.

   Данные и их статистические характеристики

   Основные параметры распределений

   1. математическое ожидание
   2. дисперсия
   3. стандартное отклонение

   Модель NetLogo «Wealth Distribution» для иллюстрации неравномерности распределения ресурсов и расчётных характеристик выборки; анализ результатов моделирования: оценка дисперсии и проверка гипотезы о нормальном распределении доходов агентов

   Типовые распределения выборочных характеристик

   Точность и надежность выборочных характеристик

   1. Классификация эконометрических моделей и основные этапы моделирования.

   Регрессионный анализ

   1. Парная регрессия. Спецификация модели.
   2. Линейная регрессия и корреляция: смысл и оценка параметров. Оценка значимости параметров линейной регрессии и корреляции. Интервальный прогноз на основе линейного уравнения регрессии.
   3. Нелинейная регрессия. Подбор линеаризующего преобразования. Корреляция для нелинейной регрессии. Средняя ошибка аппроксимации.
   4. Множественная регрессия. Спецификация модели. Отбор факторов при построении множественной регрессии. Выбор формы уравнения регрессии. Оценка параметров уравнения множественной регрессии. Частные уравнения регрессии.
   5. Множественная корреляция. Частная корреляция. Оценка надежности результатов множественной регрессии и корреляции.
   6. Фиктивные переменные во множественной регрессии.

   Анализ временных рядов

   1. Основные элементы временного ряда.
   2. Автокорреляция уровней временного ряда и выявление его структуры.
   3. Методы исключения тенденции. Автокорреляция в остатках.
   4. Критерий Дарбина-Уотсона.
   5. Оценивание параметров уравнения регрессии при наличии автокорреляции в остатках.

   Системы эконометрических уравнений

   1. Общее понятие о системах уравнений, используемых в эконометрике.
   2. Структурная и приведенная формы модели.
   3. Проблема идентификации.
   4. Оценивание параметров структурной модели.
   5. Применение систем эконометрических уравнений.

   Система показателей социально-экономической статистики

   1. Статистика населения.
   2. Статистика трудовых ресурсов и занятости населения.
   3. Статистика использования рабочего времени.
   4. Статистика производительности труда.