آموزش اکونومتریکس: روش‌ها و کاربردها - آخرین آپدیت

دانلود Econometrics: Methods and Applications

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.

نمونه ویدیوها: (صرفا برای مشاهده نمونه ویدیو، ممکن هست نیاز به شکن داشته باشید.)

توضیحات دوره: به شما خوش آمدیم! آیا می‌خواهید بدانید چگونه سوالات تجاری و اقتصادی را با استفاده از ابزارهای تحلیل داده‌ها تحلیل و حل کنید؟ در این صورت، دوره اکونومتریکس دانشگاه اراسموس روتردام دقیقاً همان چیزی است که نیاز دارید؛ زیرا در این دوره می‌آموزید چگونه داده‌ها را به مدل‌هایی تبدیل کنید تا بتوانید پیش‌بینی‌های دقیق انجام داده و از تصمیم‌گیری‌های استراتژیک حمایت کنید. * در این دوره چه می‌آموزم؟ با تسلط بر اکونومتریکس، شما قادر خواهید بود داده‌ها را در حوزه‌های مختلف، از اقتصاد کلان گرفته تا امور مالی و بازاریابی، به مدل‌های پیش‌بینی تبدیل کنید. دوره ما با مباحث مقدماتی رگرسیون ساده و چندگانه آغاز شده و سپس به موضوعات تخصصی مانند تعیین مشخصات مدل (Model Specification)، متغیرهای درون‌زا، داده‌های انتخاب دوتایی (Binary Choice) و داده‌های سری زمانی می‌پردازد. شما این مفاهیم کلیدی را از طریق تماشای ویدیوهای آموزشی، پاسخ به کوئیزهای داخل ویدیو و انجام تمرینات کاربردی پس از هر درس فرا خواهید گرفت. * آیا به پیش‌زمینه علمی نیاز دارم؟ این دوره برای دانشجویان (مقطع کارشناسی ارشد و سال‌های آخر کارشناسی) رشته‌های اقتصاد، مالی، مدیریت بازرگانی، مهندسی و تحلیل داده‌ها و همچنین متخصصان فعال در این حوزه‌ها مناسب است. برای موفقیت در این دوره، آشنایی با مفاهیم پایه ماتریس‌ها، احتمال و آمار لازم است که در ماژول «Building Blocks» مرور شده‌اند. اگر به دنبال دوره‌ای مقدماتی‌تر با نیاز کمتر به ریاضیات هستید، پیشنهاد می‌کنیم دوره «Enjoyable Econometrics» از همان دانشگاه اراسموس روتردام در کورسرا را بررسی کنید. * برای مطالعه بیشتر از چه منابعی استفاده کنم؟ شما می‌توانید بدون منابع اضافی این دوره را بگذرانید. با این حال، برای مطالعه عمیق‌تر، کتاب مرجع ما با عنوان "Econometric Methods with Applications in Business and Economics" (انتشارات دانشگاه اکسفورد) پیشنهاد می‌شود. ارتباط بین ماژول‌های دوره و فصل‌های کتاب در بخش راهنمای دوره (Course Guide) ذکر شده است. * آیا دستیاران آموزشی برای راهنمایی در دوره حضور دارند؟ کارشناسان و دانشجویان دکتری مؤسسه اکونومتریکس ما در ماه‌های ژانویه و فوریه هر سال راهنمایی‌های لازم را ارائه می‌دهند. در سایر بازه‌های زمانی، راهنمایی‌های اولیه ارائه می‌شود. توصیه می‌کنیم برای بحث درباره موضوعات و تمرین‌ها با سایر دانشجویان این دوره در ارتباط باشید. * چگونه گواهینامه دریافت کنم؟ برای دریافت گواهینامه، باید شش تمرین آزمونی (یک مورد برای هر ماژول) و یک پروژه موردی (Case Project) را به پایان برسانید. همچنین باید فعالیت‌های داوری (Peer-review) آثار سه نفر از هم‌کلاسی‌های خود را انجام دهید. در صورت قبولی در هر هفت تکلیف، گواهینامه شما صادر خواهد شد. سفری خوش به دنیای اکونومتریکس داشته باشید! تیم اکونومتریکس

سرفصل ها و درس ها

ماژول خوش‌آمدگویی Welcome Module

خوش‌آمدگویی به دوره آنلاین اکونومتریکس Welcome to our MOOC on Econometrics
درباره این دوره About this course

رگرسیون ساده Simple Regression

درس ۱.۱ رگرسیون ساده: انگیزه و ضرورت Lecture 1.1 on Simple Regression: Motivation
درس ۱.۲ رگرسیون ساده: نمایش مدل Lecture 1.2 on Simple Regression: Representation
درس ۱.۳ رگرسیون ساده: تخمین Lecture 1.3 on Simple Regression: Estimation
درس ۱.۴ رگرسیون ساده: ارزیابی Lecture 1.4 on Simple Regression: Evaluation
درس ۱.۵ رگرسیون ساده: کاربرد Lecture 1.5 on Simple Regression: Application

رگرسیون چندگانه Multiple Regression

درس ۲.۱ رگرسیون چندگانه: انگیزه و ضرورت Lecture 2.1 on Multiple Regression: Motivation
درس ۲.۲ رگرسیون چندگانه: نمایش مدل Lecture 2.2 on Multiple Regression: Representation
درس ۲.۳ رگرسیون چندگانه: تخمین Lecture 2.3 on Multiple Regression: Estimation
درس ۲.۴.۱ رگرسیون چندگانه: ارزیابی - ویژگی‌های آماری Lecture 2.4.1 on Multiple Regression: Evaluation - Statistical Properties
درس ۲.۴.۲ رگرسیون چندگانه: ارزیابی - آزمون‌های آماری Lecture 2.4.2 on Multiple Regression: Evaluation - Statistical Tests
درس ۲.۵ رگرسیون چندگانه: کاربرد Lecture 2.5 on Multiple Regression: Application

تعیین مشخصات مدل Model Specification

درس ۳.۱ تعیین مشخصات مدل: انگیزه و ضرورت Lecture 3.1 on Model Specification: Motivation
درس ۳.۲ تعیین مشخصات مدل: مشخص‌سازی Lecture 3.2 on Model Specification: Specification
درس ۳.۳ تعیین مشخصات مدل: تبدیل Lecture 3.3 on Model Specification: Transformation
درس ۳.۴ تعیین مشخصات مدل: ارزیابی Lecture 3.4 on Model Specification: Evaluation
درس ۳.۵ تعیین مشخصات مدل: کاربرد Lecture 3.5 on Model Specification: Application

درون‌زایی Endogeneity

درس ۴.۱ درون‌زایی: انگیزه و ضرورت Lecture 4.1 on Endogeneity: Motivation
درس ۴.۲ درون‌زایی: پیامدها Lecture 4.2 on Endogeneity: Consequences
درس ۴.۳ درون‌زایی: تخمین Lecture 4.3 on Endogeneity: Estimation
درس ۴.۴ درون‌زایی: آزمون Lecture 4.4 on Endogeneity: Testing
درس ۴.۵ درون‌زایی: کاربرد Lecture 4.5 on Endogeneity: Application

انتخاب دوتایی Binary Choice

درس ۵.۱ انتخاب دوتایی: انگیزه و ضرورت Lecture 5.1 on Binary Choice: Motivation
درس ۵.۲ انتخاب دوتایی: نمایش مدل Lecture 5.2 on Binary Choice: Representation
درس ۵.۳ انتخاب دوتایی: تخمین Lecture 5.3 on Binary Choice: Estimation
درس ۵.۴ انتخاب دوتایی: ارزیابی Lecture 5.4 on Binary Choice: Evaluation
درس ۵.۵ انتخاب دوتایی: کاربرد Lecture 5.5 on Binary Choice: Application

سری‌های زمانی Time Series

درس ۶.۱ سری‌های زمانی: انگیزه و ضرورت Lecture 6.1 on Time Series: Motivation
درس ۶.۲ سری‌های زمانی: نمایش مدل Lecture 6.2 on Time Series: Representation
درس ۶.۳ سری‌های زمانی: مشخص‌سازی و تخمین Lecture 6.3 on Time Series: Specification and Estimation
درس ۶.۴ سری‌های زمانی: ارزیابی و نمایش Lecture 6.4 on Time Series: Evaluation and Illustration
درس ۶.۵ سری‌های زمانی: کاربرد Lecture 6.5 on Time Series: Application

پروژه موردی Case Project

اختیاری: مفاهیم پایه (Building Blocks) OPTIONAL: Building Blocks

درس M.1: مقدمه‌ای بر بردارها و ماتریس‌ها Lecture M.1: Introduction to Vectors and Matrices
درس M.2: عملیات خاص ماتریسی Lecture M.2: Special Matrix Operations
درس M.3: بردارها و مشتق‌گیری Lecture M.3: Vectors and Differentiation
درس P.1: متغیرهای تصادفی Lecture P.1: Random Variables
درس P.2: توزیع‌های احتمالی Lecture P.2: Probability Distributions
درس S.1: تخمین پارامترها Lecture S.1: Parameter Estimation
درس S.2: آزمون‌های آماری Lecture S.2: Statistical Testing