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. Методы исключения тенденции. Автокорреляция в остатках. Критерий Дарбина-Уотсона. Оценивание параметров уравнения регрессии при наличии автокорреляции в остатках. 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

1. Предмет и задачи социально-экономической статистики и эконометрики.
2. Данные и их статистические характеристики.
3. Типовые распределения выборочных характеристик.
4. Точность и надежность выборочных характеристик.
5. Классификация эконометрических моделей и основные этапы моделирования.

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

[math]\displaystyle{ \mu = \frac{1}{n}\sum_{i=1}^n x_i }[/math]; [math]\displaystyle{ \sigma^2 = \frac{1}{n-1}\sum_{i=1}^n (x_i - \mu)^2 }[/math]

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

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. Методы исключения тенденции. Автокорреляция в остатках. Критерий Дарбина-Уотсона. Оценивание параметров уравнения регрессии при наличии автокорреляции в остатках.

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.

Тесты NetLogo

https://modelingcommons.org/browse/one_model/1450#model_tabs_browse_nlw