Александр Филатов "Эконометрика". Лекция 3.1. Регрессионный анализ. МНК

Лекция 3.1. Введение в регрессионный анализ. Линейная регрессия: матричная форма. Метод наименьших квадратов: общий случай и случай парной регрессии. Численный пример: условие, идентификация, интерпретация. Свойства оценок: состоятельность, несмещенность, эффективность.

Лекция 3.2. Свойства классической линейной модели множественной регрессии. Значимость регрессоров. Построение доверительного интервала для коэффициентов регрессии. Значимость модели. Ошибки спецификации модели. Исключение значимых переменных. Полная и частичная мультиколлинеарность. Эвристические методы выявления мультиколлинеарности. Смещенные методы оценивания. Отбор наиболее существенных переменных. Метод главных компонент.

1. Видеозаписи лекций.

2. Презентации лекций.

3. Практика: презентация и датасет.

УЧЕБНИКИ ПО КУРСУ И ДРУГИЕ МАТЕРИАЛЫ ЗДЕСЬ: https://vk.com/baikalreadings?w=wall-49284819_2360

Телеграм: t.me/ainewsline

Источник: vk.com

Комментарии: