Python ile Ekonometri
Цель данного исследования не ограничивается применением 132 примеров из книги Джеффри Вулдриджа «Введение в эконометрику: современный подход», которая в течение 10 лет была наиболее широко используемой книгой по эконометрике в мире согласно бестселлеру Amazon за 2010-2020 гг. отчет с Python.
За гранью этого;
Благодаря бесплатным и доступным пакетам приложений с открытым исходным кодом, написанным на языке Python, вы сможете создавать дорогостоящее программное обеспечение, написав несколько строк кода, сэкономив сотни и тысячи долларов.
Не завися от лицензионного программного обеспечения в университетских лабораториях, вы можете легко делать домашнюю работу, проектировать, работать из дома, в сети кофеен за углом, в библиотеке, на шезлонге на пляже,
Вы сможете ощутить преимущества пакетов Python, разработанных и обновленных сотнями тысяч добровольцев, которые никогда не встречались друг с другом в мире, но будут пользоваться бесплатными учебными ресурсами этих пакетов,
Вы сделаете решительный шаг к получению навыков кодирования, одной из самых важных компетенций нашего времени.
ИНГРЕДИЕНТЫ
МНОЖЕСТВЕННАЯ РЕГРЕССИОННАЯ МОДЕЛЬ
Множественный регрессионный анализ: включение
Множественный регрессионный анализ: асимптотические свойства CCT
МНОЖЕСТВЕННЫЙ РЕГРЕССИОННЫЙ АНАЛИЗ: ДОПОЛНИТЕЛЬНЫЕ ТЕМЫ
Множественный регрессионный анализ с качественной информацией: бинарные (или фиктивные) переменные
РАЗЛИЧНАЯ ДИСПЕРСИЯ
БОЛЬШЕ О ПРОБЛЕМАХ ИДЕНТИФИКАЦИИ И ДАННЫХ
РЕГРЕССИОННЫЙ АНАЛИЗ С ВРЕМЕННЫМИ РЯДАМИ
ДОПОЛНИТЕЛЬНЫЕ ВОПРОСЫ ПРИ ИСПОЛЬЗОВАНИИ SEKK С ДАННЫМИ ВРЕМЕННЫХ РЯДОВ
ПОСЛЕДОВАТЕЛЬНАЯ КОРРЕЛЯЦИЯ И ВАРИАНТНОСТЬ РЕГРЕССИЙ ВРЕМЕННЫХ РЯДОВ
ОБЪЕДИНЕННЫЕ ГОРИЗОНТАЛЬНЫЕ РАЗРЕЗЫ: ПРОСТЫЕ МЕТОДЫ ПАНЕЛЬНЫХ ДАННЫХ
РАСШИРЕННЫЕ МЕТОДЫ ПАНЕЛЬНЫХ ДАННЫХ
ОГРАНИЧЕННЫЕ ЗАВИСИМЫЕ МОДЕЛИ ПЕРЕМЕННЫХ И ИСПРАВЛЕНИЯ ВЫБОРА ОБРАЗЦОВ
ПРОДВИНУТЫЕ ТЕМЫ СЕРИИ