آموزش EViews-Econometrics-تحلیل رگرسیون

دانلود EViews-Econometrics-Regression analysis

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره: تئوری و کاربرد اقتصاد سنجی: مشتقات و آزمون فرضیه ها درک مفاهیم داده ها. توضیح خواص OLS. برآورد ابزارهای مختلف اقتصادسنجی مورد استفاده در داده های سری زمانی تعیین مدل های اقتصادی پایه و تفسیر آنها. پیش نیازها: ایده اولیه در مورد مدیریت داده ها،

در این دوره آموزشی یاد خواهید گرفت:

  • انواع داده

  • سایت های مختلف برای استناد داده ها کدامند

  • نحوه وارد کردن داده در E-views

  • بررسی ثابت بودن داده ها

  • تبدیل داده‌های سری زمانی به داده‌های تابلویی

  • برآورد و تفسیر OLS

  • مفروضات مدل رگرسیون خطی کلاسیک (CLRM)

  • تشخیص و حذف همبستگی خودکار

  • تشخیص و حذف ناهمگونی

  • طبیعی بودن با استفاده از آزمون جورک برا

  • آزمون همگرایی یوهانسن

  • تخمین و تفسیر مدل ARDL

  • اثر ثابت

  • اثر تصادفی

  • آزمون هاوسامن

  • آزمایش ریشه واحد داده پانل

  • نمایش گرافیکی داده های پانل

  • آزمون همگرایی پانل

  • گروه میانگین جمع شده

  • آزمون ایستایی نسل دوم مقطعی

  • درون زایی و برون زایی در داده های پانل

  • OLS پویا (DOLS) و OLS کاملاً اصلاح شده (FMOLS)

  • آزمایش بای پرون برای بررسی چند وقفه

  • چو تست

  • آزمایش بری بوشان


هدف از ایجاد این دوره این است که همه شما بتوانید با استفاده از Eviews مدل های مختلف را برای تخمین تخمین زده و اجرا کنید. تمام سخنرانی ها به صورت متوالی طراحی می شوند و سپس آزمون ها و تکالیف را با فیلم ها مرتبط می کنند، شما سود زیادی در حرفه حرفه ای خود خواهید داشت.

انواع زیادی از داده‌ها در اقتصاد وجود دارد، اما در این دوره، من فقط به آن دسته از انواع داده‌هایی اشاره کردم که بیشتر برای تخمین و پیش‌بینی در مورد اقتصاد استفاده می‌شوند.

وقتی نوبت به دانلود داده می‌شود، کار آسان و در عین حال بسیار دشوار است زیرا اکثر دانش‌آموزان نمی‌دانند از کجا و چگونه باید داده‌ها را دانلود کنند. بنابراین، نحوه و از کجا می‌توانید داده‌ها را دانلود کنید نیز بحث شده است.

در این دوره، تک تک مراحل مورد بحث قرار می گیرد، نه تنها بحث می شود، بلکه آنها را به صورت عملی نشان داده ام. بنابراین استفاده از آنها در زندگی آینده برای فراگیران مفید خواهد بود.'

با فرض مدل رگرسیون خطی کلاسیک، من آنها را از طریق ریاضی و همچنین با استفاده از EVeiws مورد بحث قرار داده‌ام.

این دوره به شما امکان می دهد در مورد مدل های رگرسیون بیاموزید، و نحوه ایجاد متغیرهای ساختگی و نحوه ساخت داده های پانل را یاد خواهید گرفت.

در این دوره آموزشی با ARCH و خانواده GARCH نیز آشنا خواهید شد.




سرفصل ها و درس ها

مقدمه Introduction

  • مقدمه Introduction

  • طرح کلی و نمای کلی دوره Course outline and overview

منابع داده Sources of data

  • دانلود داده ها از صندوق بین المللی پول (IMF) Downloading Data From International Monetary Fund (IMF)

  • دانلود داده ها از شاخص های توسعه جهانی (WDI) Downloading Data from World Development Indicators (WDI)

  • نحوه ساخت پانل دیتا How to make panel data

  • پایه تکلیف در دانلود داده ها Assignment base on downloadting data

انواع داده ها Types of data

  • انواع داده ها Types of Data

  • آزمون انواع داده ها Quiz on data Types

وارد کردن داده ها به E-views Importing data into E-views

  • وارد کردن داده ها به Eviews Importing data into Eviews

  • ایجاد داده به صورت دستی در E-views. Creating data Manually in E-views.

  • آزمون بر اساس وارد کردن داده ها به Eviews Quiz based on importing data into Eviews

ثابت بودن داده ها Stationarity of the data

  • بررسی ثابت بودن داده های سری زمانی checking the stationarity of the Time series data

  • بررسی ثابت بودن داده های پانل Checking the stationarity of Panel data

  • توضیح تست ریشه واحد به صورت جدول Unit root test explanation in table form

  • داده های ثابت در مقابل داده های غیر ثابت Stationary vs non-stationary data

  • تبدیل غیر ثابت به ثابت Converting non stationary into Stationary

  • آزمون بر اساس ثابت بودن داده ها Quiz based on stationarity of data

  • نحوه بررسی ثابت بودن داده های سری زمانی How to check the stationarity of time series data

تجزیه و تحلیل سری زمانی Time Series Analysis

  • تخمین و تفسیر OLS Estimation and interpretation of OLS

  • آمار توصیفی Descriptive statistics

  • اشتقاق برآوردگرهای OLS Derivation of OLS estimators

  • استخراج روش جایگزین برآوردگرهای OLS Derivation of the OLS estimators alternative method

  • اهمیت F-stat در E-views Importance of F-stat in E-views

  • R-Square و Adjusted R-Squared R-Square and Adjusted R-Squared

  • بررسی پایداری متغیر وابسته Checking for the stability of the Dependent variable

  • به دست آوردن باقیمانده Obtaining the residual

  • تست مشخصات مدل (تست بازنشانی رمزی) Model Specification Test (Ramsey Reset Test)

  • تست متغیر حذف شده Omitted Variable Test

  • چگونه در Eviews تاخیر داشته باشیم How to take lags in Eviews

  • نحوه انتخاب طول تاخیر بهینه How to select optimal lag length

  • نحوه شناسایی نقاط پرت در مجموعه داده های خود How to identify the outlier in your data set

  • تکلیف بر اساس تخمین و تفسیر OLS Assignment based on OLS estimation and interpretation

  • آزمون تفسیر و تخمین داده های سری زمانی Quiz on interpretation and estimation of time series data

مفروضات مدل رگرسیون خطی کلاسیک Assumptions of Classical Linear Regression Model

  • مفروضات مدل رگرسیون خطی کلاسیک (CLRM) Assumptions of Classical linear Regression Model (CLRM)

  • فرض 1: خطی بودن Assumption 1: Linearity

  • فرض 2: مقادیر X غیر تصادفی هستند. Assumption 2: X-values are non-stochastic"

  • فرض 3: مقادیر X نباید یکسان باشند (ثابت/ثابت) Assumption 3: X-values should not be the same (fixed/constant)

  • فرض 4: همسانی (واریانس باید ثابت باشد) Assumption 4: Homoscedastic (Variance should be constant)

  • فرض 5: صفر شرطی میانگین باقیمانده Assumption 5: Zero conditional Mean of residuals

  • فرض 6: برون زایی وجود ندارد Assumption 6: No exogeneity

  • فرض 7: تعداد مشاهدات باید بیشتر از تعداد پارامترها باشد Assumption 7: Number of observations should be greater than number of parameters

  • فرض 8: عدم وجود چند خطی Assumption 8: No Multicollinearity

  • فرض 9: بدون خود همبستگی Assumption 9: No Autocorrelation

  • فرض 10: مدل باید به درستی مشخص شود Assumption 10: Model Should be correctly Specified

  • آزمون بر اساس فرض مدل رگرسیون خطی کلاسیک. Quiz based on Assumption of Classical linear regression model.

مدل رگرسیون خطی چندگانه Multiple linear Regression Model

  • تفاوت بین مدل رگرسیون خطی ساده و چندگانه Difference between simple and multiple linear regression model

  • استخراج تخمینگر مدل رگرسیون خطی چندگانه Derivation of Multiple linear regression model estimator

  • اشتقاق برآوردگرهای رگرسیون چندگانه به صورت عددی Derivation of Multiple regression estimators numerically

  • درک آزمون فرضیه در تحلیل رگرسیون چندگانه Understanding Hypothesis Testing in Multiple Regression Analysis

  • تست چاو برای شکست های ساختاری در Eviews Chow test for structural Breaks in Eviews

  • تست Bry-Boschan (تشخیص اوج و فرود چرخه تجاری) Bry-Boschan Test ( detection of business cycle peaks and troughs)

  • تست بای پرون برای چند وقفه Bai Perron Test for Multiple Breaks

ویژگی های مدل رگرسیون خوب Features of The good regression Model

  • ویژگی های مدل رگرسیون خوب جلسه 1 (نظری) Features of good regression model Session 1 (Theoretical)

  • ویژگی های مدل رگرسیون خوب جلسه 2 (عملی) Features of good regression model Session 2 (Practical)

دگرگونی Heteroscedasticity

  • مقدمه Heteroscedastic و Homoscedastic Heteroscedastic and Homoscedastic introduction

  • تشخیص ناهمسانی قسمت 1 (به صورت نظری) Detection of Heteroscedasticity Part 1 (Theoratically)

  • تشخیص ناهمگونی قسمت 2 (عملا) Detection of Heteroscedasticity Part 2 (Practically)

  • علل ناهمسانی Causes of Heteroscedasticity

  • پیامدهای ناهمگونی Consequences of Heteroscedasticity

  • اقدام اصلاحی برای ناهمسانی Remedial Measure for Heteroscedasticity

  • حذف ناهمگونی Removal of Heteroscedasticity

  • مسابقه در Hetero Quiz on Hetero

چند خطی Multicollinearity

  • چند خطی و علل آن Multicollinearity and its causes

  • چند خطی کامل و ناقص Perfect and imperfect Multicollinearity

  • شناسایی چند خطی Identification of Multicollinearity

  • تست هایی برای تشخیص چند خطی Tests for the Detection of Multicollinearity

  • اثرات چند خطی Effects of Multicollinearity

  • تشخیص چند خطی Detection of Multicollinearity

  • رویکردهایی برای حل مسئله چند خطی Approaches to Resolve the issue of Multicollinearity

  • پایه آزمون بر اساس چند خطی Quiz base on Multicollinearity

همبستگی خودکار Auto correlation

  • خودهمبستگی و انواع آن Autocorrelation and its types

  • علل خودهمبستگی Causes of Autocorrelation

  • پیامدهای خودهمبستگی (به لحاظ نظری) Consequences of Autocorrelation (Theoratically)

  • تشخیص خودکار به صورت تئوکراتیک Detection of Auto Theocratically

  • تشخیص، علل و پیامدهای خودهمبستگی Detection , causes and consequences of autocorrelation

  • حذف خودکار Removal of auto

  • آزمون خود همبستگی. Quiz on Autocorrelation.

خودکار رگرسیون توزیع شده مدل تاخیری Auto Regressive distributed Lagged Model

  • ARDL ARDL

آزمون علیت Causality Test

  • آزمون علیت گرنجر Granger Causality test

  • آزمون همجمعی یوهانسن Johansen cointegration test

مدل خودکار رگرسیون وکتور (VAR). Vector auto Regressive (VAR) model

  • VAR VAR

  • VECM (مدل تصحیح خطای برداری/حالت VAR محدود) VECM (vector error correction model / restricted VAR mode)

  • تابع پاسخ ضربه ای (IRF) Impulse response function (IRF)

تجزیه و تحلیل داده های پانل Panel data Analysis

  • تبدیل داده های استخر به داده های پانل با استفاده از Eviews Converting Pool Data to Panel Data using Eviews

  • اثر ثابت و اثر تصادفی (تست هاسمن) Fixed Effect and Random Effect (Hausman test)

  • بررسی نرمال بودن و وابستگی مقطعی داده یا مدل Checking the Normality and cross section dependence of the data or Model

  • نمایش گرافیکی داده های پانل Graphical Representation of Panel Data

  • تست ریشه واحد داده پانل Panel data unit root testing

  • تست همگرایی پانل Panel cointegration Test

  • حداکثر احتمال شبه پواسون (PPML) Poisson Pseudo Maximum Likelihood (PPML)

  • علیت گرنجر پانل دومیترسکو-هورلین Dumiterscu-Hurlin Panel Granger Causality

  • گروه میانگین ادغام شده (PML) Pooled Mean Group (PML)

  • وابستگی مقطعی-نسل دوم-آزمون ریشه واحد Cross Sectional Dependence-Second Generation-Unit Root Test

  • درون زایی و برون زایی در داده های تابلویی Endogeneity and Exogeneity in Panel Data

  • OLS پویا (DOLS) و OLS کاملاً اصلاح شده (FMOLS) Dynamic OLS (DOLS) and Fully Modified OLS (FMOLS)

نمایش نظرات

آموزش EViews-Econometrics-تحلیل رگرسیون
جزییات دوره
12.5 hours
84
Udemy (یودمی) Udemy (یودمی)
(آخرین آپدیت)
1,576
4.7 از 5
ندارد
دارد
دارد
Nasir Munir
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Nasir Munir Nasir Munir

مدرس دانشگاه SZABIST

آقای نصیر، مربی بسیار ماهر و با تجربه، بیش از یک دهه است که در دانشگاه های مختلف تدریس می کند. آقای نصیر با مدرک دکترا در اقتصاد، دانش و تخصص زیادی را به کلاس درس می آورد و به پرورش اشتیاق برای یادگیری در دانش آموزان خود اختصاص داده است. در حال حاضر، آقای نصیر به عنوان عضو هیئت علمی در SZABIST اسلام‌آباد، یکی از دانشگاه‌های پیشرو در پاکستان مشغول به کار است. کسب تجربه و بینش ارزشمند در این مسیر. آقای نصیر علاوه بر فعالیت‌های آکادمیک، با PLAN پاکستان، یک سازمان غیردولتی پیشرو نیز همکاری کرده است و دانش و درک خود را از این رشته بیشتر گسترش داده است. با تعهد عمیق به تدریس و اشتیاق به کمک به دیگران برای موفقیت، آقای نصیر دارایی ارزشمندی برای هر موسسه آموزشی است.