آموزش اقتصادسنجی - تئوری و کاربرد - آخرین آپدیت

قلمرو اقتصادسنجی و آشنایی با معادله خطی ساده Scope of Econometrics and Introduction to Simple Linear Equation

• معرفی دوره Course Introduction

• ویدیوهای پیش‌نیاز: آشنایی با نرم‌افزار Stata - بخش اول Pre-sessional Videos: Introduction to Stata–Part 1

• ویدیوهای پیش‌نیاز: آشنایی با نرم‌افزار Stata - بخش دوم Pre-sessional Videos: Introduction to Stata–Part 2

• ویدیوهای پیش‌نیاز: آشنایی با نرم‌افزار Stata - بخش سوم Pre-sessional Videos: Introduction to Stata–Part 3

• تعریف اقتصادسنجی، مدل‌های اقتصادی و مدل‌های اقتصادسنجی Defining Econometrics, Economic Models, and Econometric Models 

• انواع مجموعه‌داده‌ها Types of Datasets 

• ماهیت متغیرها در تحلیل‌های تجربی Nature of Variables in Empirical Analysis 

• بررسی هم‌زمان دو متغیر Thinking About Two Variables Simultaneously

• معادله خط راست و مقدمه‌ای بر تابع رگرسیون جامعه Equation of a Straight Line and Introduction to Population Regression Function

• کوواریانس، همبستگی و علیت Covariance, Correlation, and Causation

مدل رگرسیون خطی با یک متغیر توضیحی The Linear Regression Model With One Explanatory Variable

• آشنایی با تابع رگرسیون نمونه Introduction to Sample Regression Function

• برآورد و تفسیر برآوردگرهای حداقل مربعات معمولی (OLS) Estimation and Interpretation of Ordinary Least Squares (OLS) Estimators

• ویژگی‌های عددی برآوردگرهای OLS Numerical Properties of OLS Estimators

• معیار نیک‌برازش (R2) Measure of Goodness of Fit (R2)

• مفروضات و ویژگی بی‌طرفی برآوردگرهای OLS Assumptions and Unbiasedness Property of OLS Estimators

• فرض همسانی واریانس و واریانس برآوردگرهای OLS Assumption of Homoskedasticity and Variance of OLS Estimators

• برآورد واریانس خطا و ویژگی دقت برآوردگرهای OLS Estimation of Error Variance and Precision Property of OLS Estimators

• برآوردگرهای OLS در حالت عدم وجود عرض از مبدأ OLS Estimators When There Is no Intercept

• مدل اثر درصدی ثابت: لگاریتمی-خطی Constant Percentage Effect Model: Log-Linear

• مدل کشش ثابت: دو لگاریتمی Constant Elasticity Model: Double-Log

• مدل نیمه‌کشش: خطی-لگاریتمی Semi-Elasticity Model: Lin-Log

مدل رگرسیون خطی با چندین متغیر توضیحی The Linear Regression Model with Multiple Explanatory Variables

• نمایی کلی از مدل رگرسیون خطی چندگانه An Overview of the Multiple Linear Regression Model

• برآورد و تفسیر برآوردگرهای OLS Estimation and Interpretation of OLS Estimators

• مفروضات استاندارد و ویژگی بی‌طرفی Standard Assumptions and Unbiasedness Property

• معیار نیک‌برازش در رگرسیون چندگانه و R2 تعدیل شده Measure of the Goodness of Fit in Multiple Regression and Adjusted R2

• فرض همسانی واریانس و ویژگی دقت Homoskedasticty Assumption and Precision Property

• گنجاندن متغیرهای نامرتبط و حذف متغیرهای مرتبط در مدل رگرسیون Including Irrelevant and Excluding Relevant Variables in a Regression Model

• رگرسیون عبوری از مبدأ Regression Through Origin

• تغییر در مقیاس متغیرهای وابسته و مستقل Changes in Scale of Dependent and Independent Variables

• رگرسیون روی متغیرهای استاندارد شده و تفسیر ضرایب بتا Regression on Standardized Variables and Interpreting Beta Coefficients

• رگرسیون در زمانی که متغیر توضیحی ماهیت دوگانه (Binary) دارد Regression When the Explanatory Variable Is Binary in Nature

آزمون فرضیه و استنباط آماری Hypothesis Testing and Statistical Inference

• نرمال بودن جمله خطا و برآوردگرهای OLS Normality of the Error Term and the OLS Estimators

• مقدماتی برای آزمون فرضیه Preliminaries to Hypothesis Testing

• مراحل آزمون فرضیه برای یک پارامتر واحد: آماره t Steps in Hypothesis Testing for a Single Parameter: t- Statistic

• آزمون فرضیه برای یک پارامتر: مقدار فرضی صفر Hypothesis Testing for a Single Parameter: Hypothesized Value-0

• آزمون فرضیه برای یک پارامتر: مقدار فرضی ثابت Hypothesis Testing for a Single Parameter: Hypothesized Value-Constant

• استنباط آماری با استفاده از فاصله اطمینان Drawing Statistical Inference Using Confidence Interval

• بیان فرضیه با یک محدودیت خطی واحد شامل دو پارامتر Stating the Hypothesis with Single Linear Restriction Involving Two Parameters

• استخراج آماره t برای یک محدودیت خطی واحد شامل دو پارامتر Deriving the t-Statistic for a Single Linear Restriction Involving Two Parameters

• بیان فرضیه برای آزمون محدودیت‌های حذف چندگانه Stating the Hypothesis for Testing Multiple Exclusion Restrictions

• استخراج آماره F در مورد حذف‌های چندگانه Derivation of the F Statistic in Case of Multiple Exclusions

• فرم R مربع از آماره F The R-Squared Form of the F Statistic

• بیان فرضیه و استخراج آماره F برای محدودیت‌های خطی عمومی Stating the Hypothesis and Deriving the F Statistic for General Linear Restrictions

مقادیر مجانبی OLS و مباحث تکمیلی در تحلیل رگرسیون چندگانه OLS Asymptotics and Further Issues in Multiple Regression Analysis

• سازگاری: قانون اعداد بزرگ ​Consistency: Law of Large Numbers

• نرمال بودن مجانبی و کارایی مجانبی: قضیه حد مرکزی Asymptotic Normality and Asymptotic Efficiency: Central Limit Theorem​

• رگرسیون با جملات درجه دو از متغیرهای توضیحی Regression with Quadratic Terms of Explanatory Variables

• رگرسیون در زمانی که متغیر توضیحی ماهیت طبقه‌ای دارد Regression when Explanatory Variable is Categorical in Nature

• درک مفهومی جملات تعاملی در یک مدل رگرسیون Conceptual Understanding of Interaction Terms in a Regression Model

• مثال تجربی از تعامل بین دو رگرسور پیوسته Empirical Illustration of Interactions Between Two Continuous Regressors

• مثال تجربی از تعامل بین یک رگرسور پیوسته و یک رگرسور مجازی Empirical Illustration of Interactions Between One Continuous and One Dummy Regressor

• مثال تجربی از تعامل بین دو رگرسور مجازی Empirical Illustration of Interactions Between Two Dummy Regressors

ارزیابی انتقادی مدل رگرسیون خطی کلاسیک - بخش اول Critical Evaluation of the Classical Linear Regression Model-I

• بایاس متغیر حذف شده: مورد ساده Omitted Variable Bias: The Simple Case

• بایاس و ناسازگاری به دلیل حذف متغیرهای مرتبط Biasedness and Inconsistency Due to Omitting Relevant Variables

• بایاس متغیر حذف شده: مورد کلی Omitted Variable Bias: The General Case

• هم‌خطی کامل و ناقص Perfect and Imperfect Multicollinearity

• پیامدها، شناسایی و راهکارهای رفع هم‌خطی Consequence, Detection, and Remedies to Solve Multicollinearity

• پیامدهای ناهمسانی واریانس Consequences of Heteroscedasticity

• آزمون ناهمسانی واریانس در مدل رگرسیون Testing for Heteroscedasticity in a Regression Model

• راهکارهای رفع مشکل ناهمسانی واریانس در مدل رگرسیون Remedies to Solve the Problem of Heteroscedasticity in a Regression Model

ارزیابی انتقادی مدل رگرسیون خطی کلاسیک - بخش دوم Critical Evaluation of the Classical Linear Regression Model-II

• خطای تصریح مدل: حذف متغیرهای مرتبط Model Misspecification: Omission of Relevant Variables

• آزمون خطای تصریح مدل به دلیل حذف متغیرهای مرتبط: آزمون F Testing Model Misspecification Due to Omission of Relevant Variables: F Test

• آزمون خطای تصریح مدل به دلیل حذف متغیرهای مرتبط: آزمون Ramsey Testing Model Misspecification Due to Omission of Relevant Variables: Ramsey Test

• استفاده از متغیرهای جایگزین (Proxy) برای متغیرهای توضیحی مشاهده نشده Using Proxy Variables for Unobserved Explanatory Variables

• ویژگی‌های OLS در حضور خطای اندازه‌گیری در متغیرهای وابسته Properties of OLS Under Measurement Error in Dependent Variables

• ویژگی‌های OLS در حضور خطای اندازه‌گیری در متغیرهای مستقل Properties of OLS Under Measurement Error in Independent Variables

• متغیرهای وابسته دوگانه: مدل احتمال خطی Binary Dependent Variables: Linear Probability Model

• مقدمه‌ای بر رگرسیون سری‌های زمانی Introduction to Time Series Regression

• نقض فرض عدم همبستگی سری یا خودهمبستگی Violation of No Serial Correlation or Auto-Correlation Assumption

• آزمون‌های رسمی و اقدامات اصلاحی برای رفع خودهمبستگی Formal Testing and Remedial Measure to Solve Autocorrelation

• ویدیوی جمع‌بندی دوره Course Wrap-Up Video