| |
| 回数 | 授業スケジュール | 授業時間外学習・時間(分) |
|
| 1 | パネルデータ分析(1)：パネルデータの特徴と分析上の利点，固定効果モデル，固定効果推定量 | 「予習」：Microsoft Teamsで事前に配布された資料を熟読する(30)
「復習」：小テストに取り組む(30) |
|
| 2 | パネルデータ分析(2)：時間効果，個別トレンドの導入 | 「予習」：Microsoft Teamsで事前に配布された資料を熟読する(30)
「復習」：小テストに取り組む(30) |
|
| 3 | パネルデータ分析(3)：パネルデータ分析における決定係数，一階差分変換 | 「予習」：Microsoft Teamsで事前に配布された資料を熟読する(30)
「復習」：小テストに取り組む(30) |
|
| 4 | 操作変数法(1)：欠落変数バイアスと操作変数，二段階最小二乗法 | 「予習」：Microsoft Teamsで事前に配布された資料を熟読する(30)
「復習」：小テストに取り組む(30) |
|
| 5 | 操作変数法(2)：操作変数が適切であるかどうかの判定，欠落変数問題以外の操作変数の使い道，操作変数の見つけ方 | 「予習」：Microsoft Teamsで事前に配布された資料を熟読する(30)
「復習」：小テストに取り組む(30) |
|
| 6 | 政策評価モデル(1)：問題の設定，無作為参加割当，属性変数を制御することによる評価，マッチング推定法 | 「予習」：Microsoft Teamsで事前に配布された資料を熟読する(30)
「復習」：小テストに取り組む(30) |
|
| 7 | 政策評価モデル(2)：線形回帰モデルによる属性変数の制御，ランダム化推奨デザインによる評価 | 「予習」：Microsoft Teamsで事前に配布された資料を熟読する(30)
「復習」：小テストに取り組む(30) |
|
| 8 | 政策評価モデル(3)：自然実験を用いた内生性の回避，回帰非連続デザイン | 「予習」：Microsoft Teamsで事前に配布された資料を熟読する(30)
「復習」：小テストに取り組む(30) |
|
| 9 | 系列相関と時系列モデル(1)：時系列データとその変換，系列相関の検定 | 「予習」：Microsoft Teamsで事前に配布された資料を熟読する(30)
「復習」：小テストに取り組む(30) |
|
| 10 | 系列相関と時系列モデル(2)：系列相関がある場合の回帰係数の検定，自己回帰モデル | 「予習」：Microsoft Teamsで事前に配布された資料を熟読する(30)
「復習」：小テストに取り組む(30) |
|
| 11 | 系列相関と時系列モデル(3)：分布ラグモデル，分散変動の時系列モデル | 「予習」：Microsoft Teamsで事前に配布された資料を熟読する(30)
「復習」：小テストに取り組む(30) |
|
| 12 | トレンドと構造変化(1)：線形トレンドとトレンド・サイクル分解 | 「予習」：Microsoft Teamsで事前に配布された資料を熟読する(30)
「復習」：小テストに取り組む(30) |
|
| 13 | トレンドと構造変化(2)：確率トレンドとトレンド・サイクル分解，構造変化の検定 | 「予習」：Microsoft Teamsで事前に配布された資料を熟読する(30)
「復習」：小テストに取り組む(30) |
|
| 14 | ベクトル自己回帰モデル(1)：一変量自己回帰モデルから多変量自己回帰モデルへ，因果性の検定 | 「予習」：Microsoft Teamsで事前に配布された資料を熟読する(30)
「復習」：小テストに取り組む(30) |
|
| 15 | ベクトル自己回帰モデル(2)：見せかけの回帰 | 「予習」：Microsoft Teamsで事前に配布された資料を熟読する(30)
「復習」：小テストに取り組む(30) |
|