لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
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)
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.
نمایش نظرات