💠 یادگیری اقتصادسنجی آسان است اگر مدرس ساسان قاراخانی باشد. 📌پذیرش و انجام تخمین مدل و پروژه کلاسی به همراه فیلم آموزشی آن ◀️ برای سفارش به ایدی زیر مراجعه کنید 👇👇 @ecosanji
شبیه سازی رگرسیون چند متغیره به روش ماتریسی و محاسبات میانی خروجی ها در متلب
مدرس ساسان قاراخانی
🛑🛑🛑🛑🛑🛑🛑🛑🛑🛑
#رگرسیون_ماتریسی
#متلب
👇👇👇
@eghtesadsanjinovin
«نحوه نصب ایویوز|How to install Eviews 12» را در YouTube تماشا کنید
https://youtu.be/OodeuwEQ5Uc
@eghtesadsanjinovin
کارگاه ضبط میشود و ویدیوها در اختیار شرکت کنندگان قرار داده میشود.
Читать полностью…📌 کارگاه آموزشی
🔹موضوع: آموزش نرم افزار ایویوز
🔹 مدرس: ساسان قاراخانی
🗓 تاریخ برگزاری:
۳۱ اردیبهشت ۱۴۰۱
⏰زمان برگزاری:
ساعت ۱۴ الی ۱۸
🔷️هزینه ثبت نام: ۱۲۰ هزار تومان
(برای ۱۰ نفر اول ۱۰۰ هزار تومان)
🔹ظرفیت محدود🔸
🔸 برگزاری دوره به صورت آنلاین در محیط اسکای روم مىباشد.
---------------------------
🔸 برای ثبت نام به آیدی زیر پیام دهید:
🆔 @ecosanji2
@eghtesadsanjinovin
سلام و عرض ادب
✅ویدیوهای کارگاه آمادگی مصاحبه دکتری اقتصاد و استخدامی دستگاههای اجرایی(مبحث اقتصاد سنجی) آماده هستند. جهت تهیه به آیدی زیر پیام دهید
@ecosanji2
@eghtesadsanjinovin
✍ ویدیوهای آموزش اقتصاد توسط ساسان قاراخانی را از این پس در کانال آپاراتی اقتصادسنجی نوین نیز میتوانید دنبال کنید
♨️آموزش شبیه سازی اقتصادسنجی در متلب
♨️آموزش ایویوز ، استتا، ماکروفیت، متلب و آر
♨️آموزش مدل های عامل محور در متلب و نت لوگو
♨️ آموزش نظریه بازی ها
♨️آموزش ارزیابی طرح های اقتصادی
👇👇👇
https://www.aparat.com/sasan.gharakhani
✍ ویدیوهای آموزش اقتصاد توسط ساسان قاراخانی را از این پس در کانال آپاراتی اقتصادسنجی نوین نیز میتوانید دنبال کنید
♨️آموزش شبیه سازی اقتصادسنجی در متلب
♨️آموزش ایویوز ، استتا، ماکروفیت، متلب و آر
♨️آموزش مدل های عامل محور در متلب و نت لوگو
♨️ آموزش نظریه بازی ها
♨️آموزش ارزیابی طرح های اقتصادی
👇👇👇
https://www.aparat.com/sasan.gharakhani
✍ آموزش مبانی نظری و نحوه تخمین انواع الگوهای VAR
🛑🛑🛑🛑🛑🛑🛑🛑🛑🛑
مدرس ساسان قاراخانی
🛑🛑🛑🛑🛑🛑🛑🛑🛑🛑
✅ علیت گرنجری در ایویوز
👇👇👇
✳️http://www.aparat.com/v/1SxDz
♨️♨️♨️♨️♨️♨️♨️♨️♨️♨️
✅آموزش الگوی خودرگرسیون برداری (VAR) در ایویوز
👇👇👇
✳️http://www.aparat.com/v/j15F0
♨️♨️♨️♨️♨️♨♨️♨️♨️♨️
✅آموزش VAR و VECM در ایویوز
👇👇👇
✳️http://www.aparat.com/v/rflL2
♨️♨️♨️♨️♨️♨️♨️♨️♨️♨️
✅آموزش نحوه تخمین SVAR در ایویوز ۹
👇👇👇
✳️http://www.aparat.com/v/RFVUo
♨️♨️♨️♨️♨️♨️♨️♨️♨️♨️
✅آمار بیزین و تئوری بیزین ور(Bayesian VAR)
👇👇👇
✳️http://www.aparat.com/v/NmAFP
♨️♨️♨️♨️♨️♨️♨️♨️♨️♨️
✅تخمین بیزین ور(Bayesian VAR) در ایویوز
👇👇👇
✳️http://www.aparat.com/v/pX9QU
🛑🛑🛑🛑🛑🛑🛑🛑🛑🛑
👇👇👇
@sasangharakhani
✍ جزوه تدریس کلان رومر
(ویژه دانشجویان ارشد)
#کلان_رومر
#رشد_رومر
#ارشد
👇👇👇
@eghtesadsanjinovin
«مجموعه نکات تخمین پنل با اثرات ثابت در استتا| Panel data in Stata( fixed effect)» را در YouTube تماشا کنید
https://youtu.be/AfYaYHJ_4r0
@eghtesadsanjinovin
📌 کارگاه آموزشی
🔹موضوع: آموزش جامع پنل دیتا در ایویوز و استتا
🔹 مدرس: ساسان قاراخانی
دانشجو دکترا اقتصاد دانشگاه اصفهان(گرایش سنجی)
🗓 تاریخ برگزاری:
۱۶ و ۱۸ خرداد ۱۴۰۱
⏰زمان برگزاری:
ساعت ۱۵ الی ۱۸
🔷️هزینه ثبت نام: ۱۵۰ هزار تومان
🔸 برگزاری دوره به صورت آنلاین در محیط اسکای روم مىباشد.
✅کارگاه ضبط میشود و ویدیوها در اختیار شرکت کنندگان قرار داده میشود.
---------------------------
🔸 برای ثبت نام به آیدی زیر پیام دهید:
🆔 @ecosanji2
✍ تفاوت برآوردگر OLS و MLE
🛑🛑🛑🛑🛑🛑🛑🛑
♨️ در زیر به صورت مختصر به زبانی ساده به تفاوت بین این دو روش تخمین میپردازیم
۱) در روش OLS جامعه مشخص اما نمونه تصادفی است در حالی که در روش MLE نمونه ثابت اما جامعه تصادفی است(به دنبال جامعه ای میگردیم که نمونه مشخص ما با بیشترین احتمال رخداد متعلق به آن باشد)
۲) در OLS از E(B)=B نمیتوان نتیجه گرفت که E(g(B))=g(B) در حالی که در MLE در صورت نااریبی میتوان E(g(B))=g(B) را نیز نتیجه گرفت.
۳) نتیجه ای که از مورد (۲) بدست می آید این است که OLS تنها برای برآورد پارامترها در مدل خطی کاربرد دارد در حالی که MLE برای تخمین پارامترهای هم مدل خطی و هم غیرخطی کاربرد دارد.
۴) در OLS توزیع پسماندها بایستی نرمال باشد درحالی که در MLE توزیع پسماندها هر توزیع مشخصی میتواند باشد
۵) در OLS تخمین واریانس پسماندها بعد از تخمین مدل صورت میگیرد(به صورت غیرمستقیم) در حالی که در MLE تخمین واریانس پسماندها به صورت مستقیم به عنوان یک پارامتر مدل تخمین زده میشود.
۶) از ویژگی(۵) میتوان گفت زمانی که مشکل خودهمبستگی و واریانس ناهمسانی وجود دارد به علت آن که OLS پسماندهای ناصحیحی را به ما میدهد بهتر است از MLE برای تخمین واریانس پسماندها و ماتریس واریانس کوواریانس استفاده کرد.
۷) از ویژگی(۳) روش تخمین در OLS براساس مشتق گیری است در حالی که در MLE روش برآورد براساس بهینه یابی و استفاده از بسط مک لورن برای خطی سازی مدل است.
۸) براساس ویژگی(۵) در مدلهایی که ماتریس واریانس کوواریانس به صورت ناصحیح تخمین زده میشود(مثل SUR) برآوردگر MLE بر OLS ارجحیت دارد.
۹) میتوان گفت OLS یک حالت خاص MLE است(زمانی که مدل خطی و پسماندها نرمال باشد نتایج یکسان است)
۱۰) در OLS مینیم سازی تابع هدف صورت میگیرد در حالی که در MLE ماکزیمم سازی است.
۱۱)و...
🛑🛑🛑🛑🛑🛑🛑🛑🛑
♨️ بخشعملی پست مربوطه:
به علت نیاز به کدنویسی برای طراحی و مقایسه این دو برآوردگر بخش نرم افزاری آن به صورت ویدیویی ارائه خواهد شد.
موفق و مؤید باشید.
🔭 ساسان قاراخانی- ۲۰ مرداد ۱۳۹۷
🛑🛑🛑🛑🛑🛑🛑🛑🛑
👇👇👇
@eghtesadsanjinovin
📌 کارگاه آموزشی
🔹موضوع: نکات کلیدی آمادگی مصاحبه دکترا (مبحث اقتصاد سنجی)
🎙 مدرس: جناب دکتر ساسان قاراخانی
🗓 زمان برگزاری:
هفتم و دهم اردیبهشت ماه
⏰ساعت:
ساعت ۱۴ الی ۱۸
🔷️هزینه ثبت نام: ۳۰۰ هزار تومان
با ۲۰ درصد تخفیف: ۲۴۰ هزار تومان
🔸 برگزاری دوره به صورت آنلاین در محیط اسکای روم مىباشد.
-------------------------------------
🔸 برای ارتباط با ما و ثبت نام به آیدی زیر پیام دهید:
🆔 @ecosanji2
@eghtesadsanjinovin
✍ آموزش مبانی نظری و تخمین انواع مدل های پنل دیتا
🛑🛑🛑🛑🛑🛑🛑🛑🛑🛑
مدرس ساسان قاراخانی
🛑🛑🛑🛑🛑🛑🛑🛑🛑🛑
✅آموزش پنل دیتا در ایویوز
👇👇👇
http://www.aparat.com/v/zZ0Ru
♨️♨️♨️♨️♨️♨️♨️♨️♨️♨️♨️
✅آموزش پنل دیتا در استتا
👇👇👇
http://www.aparat.com/v/a0cBz
♨️♨️♨️♨️♨️♨️♨️♨️♨️♨️♨️
✅آموزش جامع پنل دیتا در استتا
👇👇👇
http://www.aparat.com/v/5az6m
♨️♨️♨️♨️♨️♨️♨️♨️♨️♨️♨️
✅آموزش پنل فضایی در استتا(جلسه اول)
👇👇👇
http://www.aparat.com/v/aVU1i
♨️♨️♨️♨️♨️♨️♨️♨️♨️♨️♨️
✅آموزش ویدیویی پنل فضایی در استتا(جلسه دوم)
👇👇👇
http://www.aparat.com/v/UBQy1
♨️♨️♨️♨️♨️♨️♨️♨️♨️♨️♨️
✅آموزش ویدیویی پنل فضایی در استتا(جلسه سوم)
👇👇👇
http://www.aparat.com/v/b4LnU
🛑🛑🛑🛑🛑🛑🛑🛑🛑🛑🛑
👇👇👇
@sasangharakhani
✍ مجموعه ویدیوهای آموزشی نرم افزار استتا در سایت تخته سفید
🛑🛑🛑🛑🛑🛑🛑🛑🛑🛑
مدرس ساسان قاراخانی دانشجوی دکتری اقتصاد دانشگاه اصفهان
🛑🛑🛑🛑🛑🛑🛑🛑🛑🛑
✅ جلسه اول ورود داده و تخمین و تفسیر نتایج
✳️https://takhtesefid.org/watch?v=566092555191
✅ جلسه دوم انواع تست نرمالیتی
✳️https://takhtesefid.org/watch?v=907067958568
✅ جلسه سوم واریانس ناهمسانی
✳️https://takhtesefid.org/watch?v=294322841066
✅ جلسه چهارم خودهمبستگی
✳️https://takhtesefid.org/watch?v=27174442814
✅ جلسه پنجم همخطی
✳️https://takhtesefid.org/watch?v=121050038332
✅ جلسه ششم تصریح مدل
✳️https://takhtesefid.org/watch?v=956485263732
✅ جلسه هفتم مقدمات سری زمانی
✳️https://takhtesefid.org/watch?v=367422520378
✅ جلسه هشتم پنل دیتا(پارت اول)
✳️http://takhtesefid.org/watch?v=628168203619
✅ جلسه نهم پنل دیتا و آزمونها(پارت دوم)
✳️http://www.aparat.com/v/5az6m
✅ جلسه دهم پنل فضایی(جلسه اول)
✳️http://www.aparat.com/v/aVU1i
✅ جلسه یازدهم پنل فضایی(جلسه دوم)
✳️http://www.aparat.com/v/UBQy1
✅ جلسه دوازدهم پنل فضایی(جلسه سوم)
✳️http://www.aparat.com/v/b4LnU
ادامه دارد...
⭕️التماس دعا⭕️
#آموزش_جامع_استتا
♨️♨️♨️♨️♨️♨️♨️♨️♨️
👇👇👇
@sasangharakhani
✍ مجموعه ویدیوهای آموزشی مفاهیم و مدل های سری زمانی
🛑🛑🛑🛑🛑🛑🛑🛑🛑🛑
مدرس ساسان قاراخانی
🛑🛑🛑🛑🛑🛑🛑🛑🛑🛑
✅جلسه اول مفهوم وقفه، تفاضل و اپراتور وقفه در ایویوز
👇👇👇
✳️http://www.aparat.com/v/3MFYC
♨️♨️♨️♨️♨️♨️♨️♨️♨️♨️
✅جلسه دوم مفهوم رگرسیون کاذب، روندزدایی در ایویوز
👇👇👇
✳️ http://wٍww.aparat.com/v/p0wCg
♨️♨️♨️♨️♨️♨️♨️♨️♨️♨️
✅جلسه سوم الگوهای سری زمانی تک متغیره
👇👇👇
✳️http://www.aparat.com/v/S2ajI
♨️♨️♨️♨️♨️♨️♨️♨️♨️♨️
✅جلسه چهارم انواع تست مانایی و نمودار همبستگی نگار
👇👇👇
✳️http://www.aparat.com/v/aQYNT
♨️♨️♨️♨️♨️♨️♨️♨️♨️♨️
✅جلسه پنجم مدلسازی الگوهای AR و MA و ARMA و ARIMA در ایویوز
👇👇👇
✳️http://www.aparat.com/v/AMkL9
♨️♨️♨️♨️♨️♨️♨️♨️♨️♨️
✅جلسه ششم روش باکس جنکینز
👇👇👇
✳️http://www.aparat.com/v/g7uD4
♨️♨️♨️♨️♨️♨️♨️♨️♨️
✅جلسه ضمیمه تست مانایی دیکی فولر و هم انباشتگی انگل گرنجر در ایویوز
👇👇👇
http://www.aparat.com/v/3DJlA
✂️✂️✂️✂️✂️✂️✂️✂️✂️✂️➰
✍مجموعه آموزشی الگوی ARDL و ECM
🛑🛑🛑🛑🛑🛑🛑🛑🛑🛑
مدرس ساسان قاراخانی
🛑🛑🛑🛑🛑🛑🛑🛑🛑
🌴 جلسه اول تبدیل کویک
👇👇👇
http://www.aparat.com/v/YC93f
♨️♨️♨️♨️♨️♨️♨️♨️♨️♨️
🌴 جلسه دوم آلمون اپروچ
👇👇👇
http://www.aparat.com/v/Rp3ah
♨️♨️♨️♨️♨️♨️♨️♨️♨️♨️
🌴 جلسه سوم مبانی نظری مدل ARDL
👇👇👇
http://www.aparat.com/v/7eKDX
♨️♨️♨️♨️♨️♨️♨️♨️♨️♨️
🌴 جلسه چهارم تخمین و تفسیر ARDL در ایویوز
👇👇👇
http://www.aparat.com/v/gthm4
♨️♨️♨️♨️♨️♨️♨️♨️♨️♨️
🌴 جلسه پنجم تخمین ARDL در ماکروفیت
👇👇👇
http://www.aparat.com/v/4lL0G
🛑🛑🛑🛑🛑🛑🛑🛑🛑🛑
👇👇👇
@sasangharakhani
فیلم آموزشی نرم افزار DYNARE - قسمت سوم
▪️وارد کردن متغیرهای قابل مشاهده در مدل های DSGE
▪️بررسی همگرایی در توزیع و آماره بروکس-گلمن بعد از تخمین مدل DSGE
▪️ تجزیه واریانس شرطی در مدلهای DSGE
▪️تخمین زدن مدلهای DSGE با استفاده از روش پردازش موازی (Parallel computation) برای استفاده از چندین هسته مختلف CPU در تخمین مدل.
▪️کدنویسی کردن در MATLAB برای استخراج تابع واکنش ضربه ای در میانگین و میانه توزیع پسین و قرادادن توابع واکنش ضربه ای تئوریکی و بیزین در یک تصویر
ارائه شده توسط عیسی معبودیان- دکتری اقتصاد- دانشگاه مازندران-گرایش اقتصاد سنجی