کتاب اقصادسنجی کاربردی پانل دیتا تجدید چاپ و اپدیت شده براساس ایویوز ۱۰ هست و چند فصل جدید نیز اضافه شده است.

✅با توجه به اهمیت روز افزون روش GVAR و کاربردهای گسترده آن، امروز فایل معرفی روش + معرفی منابع معتبر برای مطالعه در حوره نظری + مقالات مرتبط در حوزه تجربی + معرفی تولباکس GVAR + و یک مثال کابردی همراه با داده های اون ارائه میشه. این مثاله برای کسانی هم هیچ پیش زمینه ای در مورد متلب یا اکسل ندارند به راحتی قابل انجام خواهدبود.
✅یک سایت بسیار عالی در زمینه آموزش مدل GVAR همراه با مثال ها، کاربردها، آموزش ها و سایر موراد موردنیاز این روش هست.

معرفی مدل GVAR
کانال اقتصادسنجی
@Dataecofin

کاربردهای مدل GVAR
کانال اقتصادسنجی
@Dataecofin

مراحل روش GVAR
کانل اقتصادسنجی:
@dataecofin

اجرای نرم افزاری مدل GVAR
کانال اقتصادسنجی:
@Dataecofin

در حال حاضر مشغول ترجمه این کتاب هستم که یکی از بهترین کتاب ها در مدل سازی GVAR هست و در انتشارات آکسفورد به چاپ رسیده است و ویرایش دو نویسنده مشهور در حوزه اقتصاد سنجی :
Filippo di Mauro & M. Hashem Pesaran
است.
کانال اقتصادسنجی-آمار و داده های اقتصادی
@Dataecofin

relaxation
##econometrics
@Dataecofin

برشی از کتاب اقتصادسنجی کاربردی با ایویوز 10: جلد دوم (سری های زمانی)
کانال اقتصادسنجی-آمار و داده های اقتصادی
@Dataecofin

آموزش بسیار عالی برای ایویوز نسخه 12
در فایل ضمیمه شده% 15 فایل جداگانه که هرکدام شامل پاور پوینت + ورکفایل ایویوز + داده های خام اکسل و آموزش مربوط به هر بخش براساس ورکفایل ها قرار داده شده است.
منبع تمامی فایل ها سایت ایویوز است و منبعی بسیار عالی برای شروع کار با ایویوز است. این فایل ها برای افراد مبتدی و حتی افرادی که مقدماتی از ایویوز را نیز کار کرده اند، بسیار مفید و کاربردی خواهد بود. در مجموع با خواندن این فایل ها که زبان انگلیسی بسیار ساده ای نیز دارند، می توانید تقریبا با تمامی منوهای ایویوز، کاربرد آن ها، اجرای برخی از پرکاربردترین روش ها، تبدیلات داده در ایویوز، برآورد رگرسیون، متغیهرای مجازی، پیش بینی ، فروض کلاسیک، برنامه نویسی در ایویوز، توابع کاربردی در ایویوز و مروری تقریبا کامل بر سری زهای زمانی داشته باشید.
کانال اقتصاد سنجی:
@Dataecofin

☑️رگرسیون کوانتایل (یا چندکی)
رگرسیون یک روش آماری است که به طور گسترده در مدل سازی کمی استفاده می شود. رگرسیون خطی چندگانه؛ عموماً میانگین تأثیر متغیرهای توضیحی را در کل توزیع متغیر وابسته توضیح می دهد، اما رگرسیون کوانتایل ارتباط بین مجموعه ای از متغیرهای پیش بینی کننده (مستقل) و صدک‌ها (یا چندک های) خاصِ یک متغیر هدف (وابسته) را مدل می‌کند. رگرسیون کوانتایل به طور گسترده ای برای تحقیقات در صنایعی مانند اکولوژی، مراقبت های بهداشتی و اقتصاد مالی استفاده می شود و دارای مزایای بسیار زیادی نسبت به رگرسیون معمولی است:
✅رگرسیون کوانتایل هیچ فرضی در مورد توزیع متغیر هدف ایجاد نمی کند.
✅رگرسیون کوانتایل در برابر تأثیر مشاهدات دور افتاده (یا پرت) مقاوم است.
✅امکان دخالت متغیرهای توضیحی را، نه تنها در مرکز ثقل داده ها، بلکه در کلیه قسمت های توزیع به خصوص در دنباله های ابتدایی و انتهایی فراهم می کند.
✅این روش محدودیت فروض کلاسیک در رگرسیون معمولی، مانند ناهمسانی واریانس و حضور تأثیرگذار داده-های پرت در برآورد ضرایب پدیدار را ندارد.
⏺با توجه به کاربردهای گسترده روش کوانتایل، بزودی چندین منبع بسیار معتبر در زمینه رویکرد رگرسیون کوانتایل در کانال قرار داده خواهد شد. از چند مدت پیش هم دو کتاب کم حجم اما بسیار مناسب تخصصی در زمینه رگرسیون کوانتایل با عناوین:
✅Quantile Regression for Cross-Sectional and Time Series Data: Applications in Energy Markets Using R

✅Quantile Regression for Spatial Data

رو برای ترجمه انتخاب و در اواخر ترجمه اونها هستم. کتاب ها بسیار کم حجم (هرکدام حدود 120 صفحه) اما بسیار مفید هستند و می توانند خلا فعلی که در ایران تاکنون کتابی جامع در زمینه کوانتایل ترجمه یا تالیف نشده رو پوشش بده.
کانال اقتصادسنجی-آمار-داده های اقتصادی
@dataecofin

✅Quantile Regression for Cross-Sectional and Time Series Data: Applications in Energy Markets Using R
✅Quantile Regression for Spatial Data

تقدیم به همراهان کانال
@dataecofin