Глава 1. Обзор научной литературы по теме.

Глава 2.

2.1. Сбор материала, его описание, структурирование и анализ (возможно, окажется необходимым проведение полевых исследований, опросов, экспериментов). Именно теперь у Вас появляется возможность поработать с «живым» материалом, будь то политические или экономические тексты, современная публицистика, фильмы,  материалы глянцевой или желтой прессы, рекламная продукция.

Описание исходных данных: количество наблюдений (N), количество переменных (k).

ТАБЛИЦА 1. Описание исходных данных

Код переменной	Описание переменной	Тип переменной	Единицы измерения	Комментарий
OL	Возраст	Количественная	лет
UN	Статус безработного	Качественная	лет	4 уровня градации: 0 — < 1 года 1 — < 4 лет 2 — < 7 лет 3 —  7 лет
…

2.2. Изучение исходных данных

• Найдите значения описательных статистик по каждой переменной и объясните их. Нормально ли распределены данные?

• Диагностические диаграммы: диаграммы рассеяния, ящик к с усами, плотность распределения.

• Исследуйте парные взаимосвязи между переменными: 1) с помощью корреляционной матрицы и 2) матрицы диаграмм рассеяния; 3) показателя VIF. Сделайте предположение о наличии/отсутствии проблемы мультиколлинеарности между переменными.

Глава 3. Методология исследования

3.1. Построение и инференция о модели регрессии

• Оцените модель линейной регрессии. Сделайте выводы о качестве построенной модели. Объясните полученное значение коэффициента детерминации R². Оцените статистическую значимость коэффициентов регрессии. Оцените статистическую значимость регрессии в целом.

3.2. Проверка данных на наличие необычных наблюдений

• Выбросов (по значениям остатков, с помощью диаграммы Q-Q-plot, с помощью статистического теста на выбросы)

• Влиятельных наблюдений (с помощью расстояния Кука и диаграммы добавленных переменных)

• Точек высокой напряженности

• Сведите информацию о выбросах, точках с высокой напряженностью и влиятельных наблюдений на одну диаграмму.

3.3. Дагностика регрессионных моделей на выполнение стандартных условий на остатки (условий Гаусса-Маркова):

• Гомоскедастичности (тест Уайта, Гольдфельдта-Квандта)

• Автокорреляции (тест Дарбина-Уотсона и Бройша-Годфри LM test)

• Нормальности распределения остатков (с помощью диаграммы Q-Q-plot и с помощью ядерной оценки плотности вероятности)

3.4. Выбор «лучшей» регрессионной модели

• Проверьте нелинейную связь между зависимой и независимыми переменными с помощью диаграммы частных остатков. Проведите тест на правильность функциональной формы (RESET тест Рамсея, J-тест Дэвидсона и МакКиннона, PE-тест МакКинона, Метод Зарембки, Тест Кокса-Бокса).

• Оцените альтернативную спецификацию модели, перейдя, если требуется, к оценке нелинейной модели (логарифмической) или включив эффекты «второго порядка».

• Сравните модели (если модели вложенные, то на основе ANOVA, а если нет — на основе информационного критерия Шварца или Акаике).

• Сформируйте окончательный набор независимых переменных на основе 1) пошагового метода и 2) регрессии по всем подмножествам (используйте в качестве критерия «лучшей» модели визуализацию скорректированного коэффициента детерминации и статистики Мэллоуса).

• Проведите тест на устойчивость параметров модели (тест Чоу).