Séance de cours
Variables instrumentales : intuition et estimation
Séances de cours associées (37)
Variables instrumentales: Partie 1
Introduit des variables instrumentales pour résoudre les problèmes d'endogenèse, en utilisant des exemples pour illustrer les applications pratiques et les exigences d'essai.
Régression linéaire : Fondements
Couvre les bases de la régression linéaire, des variables instrumentales, de l'hétéroscédasticité, de l'autocorrélation et de l'estimation du maximum de vraisemblance.
Régression linéaire : Fondements
Couvre les bases de la régression linéaire, y compris l'OLS, l'hétéroskédasticité, l'autocorrélation, les variables instrumentales, l'estimation maximale de la probabilité, l'analyse des séries chronologiques et les conseils pratiques.
Flexibilité des modèles et de l'échange de devises
S'insère dans le compromis entre la flexibilité du modèle et la variation des biais dans la décomposition des erreurs, la régression polynomiale, le KNN, et la malédiction de la dimensionnalité.
Régression: Linéaire simple et multiple
Couvre la régression linéaire simple et multiple, y compris l'estimation des moindres carrés et le diagnostic du modèle.
Variables instrumentales: Traiter l'erreur de mesure et la causalité inverse
Explore comment les variables instrumentales corrigent les biais à partir des erreurs de mesure et de la causalité inverse dans les modèles de régression.
Régression linéaire : au-delà des bases
Explore les concepts avancés dans les modèles de régression linéaire, y compris la multicolinéarité, les tests d'hypothèses et les valeurs aberrantes de manipulation.
Hétéroskédasticité et autocorrélation
Explore l'hétéroscédasticité et l'autocorrélation en économétrie, couvrant les implications, les applications, les méthodes de test et les conséquences des tests d'hypothèses.
Régression linéaire: Multicolinéarité, Outliers, Spécification du modèle
Couvre la multicolinéarité, les valeurs aberrantes, la spécification du modèle et les stratégies pratiques en régression linéaire.
Les bases de la régression linéaire
Couvre les bases de la régression linéaire, y compris les estimateurs OLS, les tests d'hypothèse et les intervalles de confiance.