Delivered at:: Department of Public Administration

Course type:: Compulsory course

When:: 2 year, 3 module

Instructor

Силаева Светлана Анатольевна

Полная версия программы учебной дисциплины

Аннотация

Целями курса «Количественные методы анализа данных» является формирование у студентов: - системных представлений об основных методах анализа данных; - практических навыков владения количественными методами анализа данных в системе публичного управления. Настоящая дисциплина относится к профессиональному циклу дисциплин и блоку дисциплин, обеспечивающих базовую подготовку бакалавра для направления подготовки 38.03.04 «Государственное и муниципальное управление». В результате освоения «Количественные методы анализа данных» студент должен: - знать методы сбора, первичной обработки, анализа, представления и интерпретации статистических данных; - уметь выбирать инструментальные средства и информационные технологии для сбора и обработки информации в области публичного управления; - владеть навыками анализа данных социальных, экономических, социологических исследований с использованием количественных методов. Изучение данной дисциплины базируется на знаниях, полученных при изучении следующих дисциплин: • Математика Основные положения дисциплины должны быть использованы в дальнейшем при изучении следующих дисциплин: • Технологии анализа больших данных • Регулирование и анализ рынка труда • Экономическая и социальная статистика Изучение дисциплины проводится в ходе лекционных и семинарских занятий, а также самостоятельной работы, без использования онлайн курса

Цель освоения дисциплины

формирование у студентов: - системных представлений об основных методах анализа данных; - практических навыков владения количественными методами анализа данных в системе публичного управления.

Планируемые результаты обучения

Применяет методы предобработки данных, анализирует показатели дескриптивной статистики, показатели структуры совокупности. Выделяет критерии проверки гипотез.
Использует параметрические и непараметрические методы анализа стохастических связей. Выполняет построение индексных систем.
Методы анализа временных рядов. Построение прогноза по временным рядам.

Содержание учебной дисциплины

Введение в анализ данных
Основные понятия и задачи анализа данных. Виды данных. Методы анализа данных. Дескриптивная статистика: визуализация распределения единиц совокупности, вычисление мер центральной тенденции, оценка разброса данных, выявление выбросов. Анализ структуры совокупности. Проверка гипотез о параметрах генеральной совокупности: о законе распределения вероятностей случайной величины (критерий Хи-квадрат Пирсона), о равенстве математических ожиданий нормальных генеральных совокупностей (критерий Стьюдента), о равенстве дисперсий нормальных генеральных совокупностей (критерий Фишера). Семинар 1. Анализ рядов распределения. Построение графика вариационного ряда. Расчет показателей центральной тенденции. Анализ вариации и формы распределения. Выявление выбросов. Анализ структуры совокупности (показатели структуры и структурных изменений). Семинар 2. Проверка статистических гипотез. Расчет критериев согласия: параметрических и непараметрических. Проверка гипотезы нормального распределения. Проверка гипотезы о принадлежности «выбросов» к исследуемой генеральной совокупности.
Анализ временных рядов
Понятие и компоненты временного ряда. Этапы анализа временных рядов. Показатели динамики. Методы сглаживания временных данных и моделирования тенденции развития. Выбор метода прогнозирования в зависимости от специфики анализируемых данных. Наивные модели. Прогнозы, основанные на вычислении динамических средних. Адаптивные модели прогнозирования. Моделирование и прогнозирование сезонных колебаний. Корреляционно-регрессионный анализ временных данных. Ложная корреляция и методы ее устранения. Построение, анализ и интерпретация параметров динамических моделей регрессии. Прогнозирование на основе динамической модели. Вычисление ошибок прогноза. Оценка адекватности выбранного метода прогнозирования. Семинар1. Анализ временных рядов. Периодизация временного ряда. Расчет и анализ показателей динамики. Методы сглаживания временных рядов с помощью скользящих средних. Построение прогнозов на основе наивных и адаптивных моделей прогнозирования. Семинар 2. Моделирование и прогнозирование по временным рядам. Моделирование временных рядов. Прогнозирование по временному ряду. Построение и анализ моделей с периодическими колебаниями. Построение и анализ регрессионных динамических моделей.
Методы анализа детерминированных и стохастических связей
Этапы построения регрессионной модели: формулировка целей и задач построения модели, выбор системы информативных признаков, корреляционный анализ, спецификация модели, оценка параметров модели (линейная и нелинейная регрессии), проверка значимости результатов корреляционно-регрессионного анализа (критерии Фишера и Стьюдента). Прогноз на основе полученного уравнения (точечный и интервальный). Интерпретация результатов корреляционно-регрессионного анализа. Случай множественной регрессии. Особенности построения и анализа. Уравнение регрессии в стандартизованной форме. Предпосылки МНК. Мультиколлинеарность и гетероскедастичность: методы выявления и устранения. Построение моделей с dummy-переменными. Непараметрические методы оценки связи. Оценка взаимосвязи на основе таблиц сопряженности. Показатели связи в случае дихотомических и многовариантных переменных. Измерение связи с помощью методов ранговой корреляции. Понятие ранга. Связанные ранги. Коэффициенты ранговой корреляции. Детерминированный факторный анализ оценки взаимосвязей. Индексный анализ. Виды индексов: индивидуальные и сводные, динамические и территориальные, агрегатные и средние. Выбор признака-веса при построении аналитических индексов. Система взаимосвязанных индексов, смысл ее применения. Примеры использования индексов в публичном управлении. Семинар 1. Построение и анализ парной регрессионной модели Решение задач на построение и анализ парных моделей регрессии. Прогнозирование на основе полученных моделей. Интерпретация результатов, подготовка аналитической записки. Семинар 2. Построение и анализ многофакторной регрессионной модели Решение задач на построение и анализ множественных моделей регрессии. Прогнозирование на основе полученных моделей. Интерпретация результатов, подготовка аналитической записки. Семинар 3. Непараметрические методы оценки связи. Решение задач на оценку статистических гипотез о непараметрических характеристиках генеральной совокупности. Анализ связи на основе таблиц сопряженности. Решение задач на измерение связи с помощью методов ранговой корреляции. Семинар 4. Индексный анализ. Расчет агрегатных и средневзвешенных индексов.

Элементы контроля

Оценка за выполнение индивидуальных заданий на семинарах (расчетно-аналитические работы)
Контрольная работа
Экзамен
Способ округления экзаменационной и результирующей оценок: арифметический. Полученный после округления этой величины до целого значения результат выставляется как результирующая оценка по 10-балльной шкале по учебной дисциплине "Количественные методы анализа данных" в экзаменационную ведомость (оценкам 1, 2, 3 в 10-балльной системе соответствует оценка «неудовлетворительно» в пятибалльной системе, оценкам 4, 5 – «удовлетворительно», оценкам 6, 7 – «хорошо», оценкам 8, 9, 10 – «отлично»). На пересдаче студенту не предоставляется возможность получить дополнительный балл для компенсации оценки за текущий контроль.Экзамен проведён в 3 модуле 2020 г.

Промежуточная аттестация

Промежуточная аттестация (3 модуль)
0.3 * Контрольная работа + 0.3 * Оценка за выполнение индивидуальных заданий на семинарах (расчетно-аналитические работы) + 0.4 * Экзамен

Bachelor’s Programme 'Public Policy and Analytics'

Contacts

Quantitative Methods of Data Analysis

Instructor

Программа дисциплины

Аннотация

Цель освоения дисциплины

Планируемые результаты обучения

Содержание учебной дисциплины

Элементы контроля

Промежуточная аттестация

Список литературы

Рекомендуемая основная литература

Рекомендуемая дополнительная литература