Introduit des variables instrumentales pour résoudre les problèmes d'endogenèse, en utilisant des exemples pour illustrer les applications pratiques et les exigences d'essai.
Couvre les variables instrumentales, abordant les problèmes d'endogénéité dans l'analyse de régression à travers des techniques d'estimation et des exemples pratiques.
Introduit la méthode généralisée des moments (GMM) en économétrie, en se concentrant sur son application dans les modèles destimation des variables instrumentales et de tarification des actifs.
Explore comment les variables instrumentales corrigent les biais à partir des erreurs de mesure et de la causalité inverse dans les modèles de régression.
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.
Couvre les bases de la régression linéaire, des variables instrumentales, de l'hétéroscédasticité, de l'autocorrélation et de l'estimation du maximum de vraisemblance.
Explore l'analyse de séries chronologiques multivariées, la cointégration, la prévision avec les modèles ARMA, et les applications pratiques dans l'analyse des taux d'intérêt.
Introduit la Méthode Généralisée des Moments (GMM), une approche polyvalente pour l'estimation basée sur les restrictions de temps, avec des applications dans les modèles de tarification des actifs.
Déplacez-vous dans des approches instrumentales variables pour des régimes de traitement optimaux, y compris la médecine de précision et des recommandations personnalisées, en mettant l'accent sur les conditions d'identification et les estimateurs robustes basés sur la classification.
Discute de la géométrie des moindres carrés, en explorant les perspectives des lignes et des colonnes, les hyperplans, les projections, les résidus et les vecteurs uniques.
Introduit le cours d'économétrie FIN-403, mettant l'accent sur l'application pratique de modèles économétriques standards comme les moindres carrés ordinaires (OLS) dans les contextes économiques et financiers.
Introduit une régression linéaire simple, les propriétés des résidus, la décomposition de la variance et le coefficient de détermination dans le contexte de la loi d'Okun.
Explore l'invariance, la causalité et la robustesse de l'analyse des données, en abordant les défis et les implications pour la généralisation de la distribution.
Explore la théorie de l'ensachage, démontrant comment elle améliore les performances du modèle et l'importance des données non corrélées pour son succès.
