ИССЛЕДОВАТЕЛЬСКИЙ ПОТЕНЦИАЛ МОЛОДЫХ УЧЕНЫХ: ВЗГЛЯД В БУДУЩЕЕ. 2015

«Исследовательский потенциал молодых ученых: взгляд в будущее» 175 2015 фактора, дополнительно включенного в модель регрессии. Общий и частный F‐критерии. Фиктивные перемен‐ные множественной рег‐ рессии. Тест Чоу. Нелинейная множественная регрессия. Производственная функ‐ ция. Гетероскедастичность случайной составляющей. Обобщенный метод наименьших квадратов – ОМНК (GLS). Стохастические объяс‐ няющие переменные. Обнаружение корреляции объясняющих пере‐ менных и случайной составляющей. 3. Модели динамики. Моделирование тенденции временного ряда (построение трен‐ да). Моделирование сезонных и циклических колебаний. Специфика изучения взаимосвязей по временным рядам. Автокорреляция слу‐ чайных составляющих. Обнаружение авто‐корреляции случайных со‐ ставляющих. Критерий Дарбина‐Уотсона. Устранение автокорреляции случайных составляющих. Исключение сезонных колебаний. Исклю‐ чение тенденции. Динамические эконометрические модели. Общая характеристи‐ ка. Модели авторегрессии. Интерпретация параметров. Модели с рас‐ пределенным лагом. Интерпретация параметров. Средний и медиан‐ ный лаги. Изучение структуры лагов. Оценивание параметров моде‐ лей с распределенным лагом. Метод Алмон. Оценивание параметров моделей с геометрической структурой лага. Метод Койка. Оценивание параметров моделей авторегрессии. Метод инструментальных пере‐ менных. Модель адаптивных ожиданий. Модель частичной (непол‐ ной) корректировки. 4. Дисперсионный анализ. Сущность и логика дисперсионного анализа. Однофакторный дисперсионный анализ. Двухфакторный дисперсионный анализ. Дис‐ персионный анализ данных с повторными измерениями. Многомер‐ ный дисперсионный анализ. 5. Кластерный анализ. Основные понятия кластерного анализа. Расстояние между объ‐ ектами (кластерами) и мера близости. Функционалы качества разбие‐ ния. Иерархические кластер‐процедуры. Дисциплина «Математические методы обработки результатов научного эксперимента» направлена на формирование у студентов готовности к успешному использованию теоретических знаний в об‐ ласти математической обработки информации в своей профессио‐ нальной деятельности. Для этого даются начальные представления о таких понятиях, как основы математических и статистических ме‐ тодов, применяемых для обработки результатов научного экспери‐