Макру написали, теперь пора вспомнить про метрику! Напоминаю, что на диске лежит много полезностей!!! Здесь напишу полное содержание, а вы ориентируйтесь, что уже прошли

🔥 Краткие читлисты с теорией за 1 модуль:

0️⃣ Основные обозначения в метрике

1️⃣ Повторение линала, тервера и матстата

2️⃣ Метод наименьших квадратов (суть метода + формулы оценок)

3️⃣ Дисперсионный анализ (свойства регрессии с константой + TSS, ESS, RSS + R^2)

4️⃣ Теорема Гаусса-Маркова (немного про случайные величины + формулировка теоремы для парной регрессии)

5️⃣ Тестирование гипотез (формулы разных дисперсий + распределения разных параметров + гипотезы о значениях коэфов регрессии)

6️⃣ Прогнозирование в парной регрессии (точечный прогноз + интервальный прогноз)

7️⃣ Основы множественной регрессии (общий вид + МНК + полезные формулы из линала)

8️⃣ Дисперсионный анализ в множественной регрессии (R^2 + скорректированный R^2 + ограничения)

🔥 Теория за 1 модуль:

1️⃣ Парная регрессия (доказательства 6 важных свойств + доказательства свойств R^2 + ТГМ с пояснениями + доказательство TSS = ESS + RSS)

2️⃣ Множественная регрессия (вывод RSS + геометрический вывод формулы оценок МНК + аналог теоремы Пифагора + R^2 + скорректированный R^2)

3️⃣ Гайд по ANOVA (табличка из стат. пакета, которую часто включают в задачи на кр и просят найти пропущенные параметры: здесь расписано, что где находится и что по каким формулам искать - я дала таблицу именно в том виде, в котором она в вариантах)

⚠️ NB: этот гайд охватывает очень большой пласт теории. Если вы совсем потерялись в метрике, заботайте хотя бы его!

В следующих постах напишу, что было в моем большом читлисте для кр + расскажу о всяких важных моментах и частых ошибках уже ближе к кр

Здесь должен быть знак =

Дублирую сюда материалы от великого Владимира Перепелкина!!

🦖 Затеханные конспекты семинаров, которые стали общественным достоянием

🦖 Всякие тесты, многие с решениями

P.S. Вова желает вам "здоровья чтобы жить жизнь можно было", а я желаю творческого и эконометрического вдохновения перед грядущим праздником!

Напоминаю, что на диске лежит мой читлист к контрольной (первая страница)! Что я выписывала (а вам придется запомнить):

Тервер и матстат
▪️ распределения
▪️ матожидание, дисперсия, ковариация, корреляция
▪️ свойства матожидания и дисперсии
▪️ независимость, совместное распределение
▪️ свойства оценок (несмещенность, состоятельность, эффективность)
▪️ ДИ для матожидания (с известной и неизвестной дисперсией)

Парная регрессия
▪️ оценки МНК для регрессии с константой, без константы и с линейным преобразованием регрессора (последние две на всякий случай)
▪️ 6 свойств регрессии с константой + с чего начинать их доказательство
▪️ формулы всяких штук из таблицы ANOVA
▪️ случайность и распределения некоторых величин (тоже на всякий случай)
▪️ прогнозы (точечный, интервальный для среднего и интервальный для индивидуального значения) + ошибки и их дисперсии

Множественная регрессия
▪️ RSS
▪️ FOC и SOC в задаче МНК
▪️ оценка МНК + ее дисперсия
▪️ факторное разложение R^2 (зачем - без понятия)

——————————————————
Дисклеймер: прям все-все-все это помнить вряд ли требуется! Но вот вам список базовых вещей, которые нужно знать обязательно (не считая тервер/матстат):

🔺 как выводить формулу RSS (в парной и множественной)
🔺 МНК-оценки регрессии с константой (в парной и множественной) и их дисперсия
🔺 6 свойств регрессии (хотя бы сами формулировки без доказательства)
🔺 теорема Гаусса-Маркова
🔺 все из таблицы ANOVA
🔺 прогнозы (точечный, интервальный для среднего и интервальный для индивидуального значения)
🔺 R^2 и его свойства
🔺 R^2 adjusted и его свойства
——————————————————

Ближе к контрольной напомню о частых ошибках и других вещах, на которые нужно обратить внимание!

Итак, в преддверии праздника держите священные заповеди эконометриста! Я сделала подборку из частых ошибок, про которые всегда говорят, но которые почему-то упорно продолжают допускать... Уверена, что на этом канале лучшие на свете подписчики, которые так делать не будут😍

‼️ НЕЛЬЗЯ ИНТЕРПРЕТИРОВАТЬ НЕЗНАЧИМЫЕ КОЭФФИЦИЕНТЫ!!! Коэффициент не значим => X не оказывает влияния на Y. Все. Никаких "при возрастании X на 1 единицу..."

‼️ Не может быть "более значимого" или "менее значимого" коэффициента. Коэффициент значим <=> он не равен нулю. Мы не можем сказать, что что-то равно нулю в большей или меньшей степени: может быть или равно, или не равно. Если у вас два коэфа и они значимы на разных уровнях значимости (допустим, 1% и 5%), то это именно так и говорится - никаких историй про то, что один значимее второго

‼️ В теореме Гаусса-Маркова нет ни слова о нормальном распределении. Если ошибки (эпсилон) не распределены нормально, это НЕ нарушает ТГМ

‼️ У R^2 adjusted нет интерпретации, как у R^2. Он используется просто для сравнения моделей, про него мы не можем сказать, что это доля объясняемой дисперсии

‼️ Свойство TSS=ESS+RSS и еще 6 основных свойств выполняются только для регрессии с константой. Если константы (беты 0) нет, то они не работают, а еще ломается формула R^2, он перестает быть показателем качества подгонки регрессии

И еще парочка лайфхаков по мотивам прошлогодних кр, которые вы, конечно же, честно прорешали (!!!!!!):

✏️ Когда X и/или Y увеличивают во сколько-то или на сколько-то и спрашивают, как изменились оценки, проще всего расписывать беты через формулу с ковариацией, так гораздо быстрее

✏️ Если вам дали регрессию Y на X и X на Y, а потом что-то спросили про R^2, то пользуйтесь формулой на фотке (в комментах)

Желаю всем творческо-эконометрического вдохновения и энтузиазма, ведь совсем скоро наступит прекраснейший в мире эконометрический праздник🤩

И еще сюда же:

‼️ В гипотезе о (не)значимости у нас H0 и H1 выглядят так:

▪️H0: beta = 0 (коэф не значим)
▪️H1: beta != 0 (коэф значим)

▪️H0 не отвергается => коэф не значим (два "не" вместе)
▪️H0 отвергается => коэф значим

Соответственно, про p-value:
▪️p-value маленький (меньше 1% / 5% / 10%) => коэф значим на таком-то уровне значимости
▪️p-value большой (больше 1% / 5% / 10%) => наоборот, не значим

Когда интерпретируют по p-value, почему-то очень часто путаются, поэтому всегда нужно помнить, как сформулирована основная гипотеза!!

‼️ TSS, ESS и RSS всегда положительные! Если вы насчитали что-то отрицательное - пересчитайте, это точно ошибка (сумма квадратов меньше нуля это кринж)

Одолжу калькуляторы на кр двум желающим в обмен на качественный анекдот

Лучшие анекдоты рассказаны, калькуляторы забронированы

В честь выдачи проектной домашки я решила разобрать свою же прошлогоднюю работу, чтобы рассказать вам о кринжовых ошибках! Очень надеюсь, что вы все внимательно прочитаете и так делать не будете!

😍 Прочитать разбор можно здесь 😍

Краткое саммари:

1️⃣ Логичное исследование выглядит так: идея => литература => спецификация модели => поиск данных — не наоборот!

2️⃣ EDA в эконометрике не такой хардкорный, как в машинном обучении. Сильно закапываться в данных и строить миллион графиков не нужно

3️⃣ Гипотезы нужно сформулировать всего 2-3, а не для каждой переменной!

4️⃣ Гипотезы должны быть содержательные, а не просто о наличии влияния

5️⃣ Стройте интересные модели, а не такие, которые показывают что-то очевидное

6️⃣ НИКОГДА НЕ ВСТАВЛЯЙТЕ ТАБЛИЦУ МОДЕЛИ В ВИДЕ СКРИНШОТА‼️

7️⃣ У adjusted R^2 нет интерпретации — он используется просто для сравнения моделей

8️⃣ Ищите нормальную литературу. Если это статья, то желательно квартиль Q1 или Q2 (это можно проверить здесь: вводите название журнала, выбираете нужный, листаете вниз, там будет квартиль). Если это учебник, то хороший, а не сомнительный, как у нас

⚠️ Многое из этих пунктов выделено красным у вас в ТЗ домашки — пожалуйста, внимательно читайте все рекомендации и соблюдайте их!

Кстати, в своем разборе я показала другую нашу работу, более удачную. Так что получилось хорошее сравнение того, как делать надо и как не надо

🔥 БОНУС: Иван Павлович в конце прошлого года написал очень крутой гайд* о том, как проводить приличное исследование. Многие мои комменты совпадают с тем, что там написано. Очень советую почитать — это поможет не только грамотно сделать домашку, но и написать нормальный диплом, который у вас не за горами!

*Там говорится в том числе про всякие штуки, которые вы не прошли — на них не обращайте внимание!!!

В преддверии очередной проверочной держите разборы предыдущих! Все они лежат в этой папке:

🔥 прошлая проверочная (№2) этого года у групп Анастасии Александровны (на F- и t-тесты)

🔥 проверочная №2 нашего года

🔥 проверочная №3 нашего года

Советую внимательно все прочитать, потому что вопросики бывают хитренькие!

А я напоминаю, что не просто так старалась и писала этот гайд!! Буквально ключ к десятке за домашку😍🤤

Очень важный пост!

Уже не первый раз вижу, как вы вставляете в модель дамми на все категории переменной. Поэтому давайте еще раз.

Допустим, у вас есть категориальная переменная «пол», которая принимает два значения: женский и мужской. Из этих значений вы делаете две переменные: «женский пол» (1 для женщин и 0 иначе) и «мужской пол» (1 для мужчин и 0 иначе)

‼️ Эти переменные линейно зависимые, поэтому их нельзя вставлять в модель вдвоем — одну категорию нужно удалить‼️

То же самое касается любых других категориальных переменных: если у вас в признаке 4 времени года, то должно остаться 3 дамми-переменные (например, весна, лето и осень, а зиму вы берете за базовую). Если 3 ступени образования, то дамми-переменных две (например, бакалавриат и магистратура, а школа в качестве базовой категории)

‼️ Включать в модель с константой дамми на все категории — грубейшая ошибка‼️