Python ile Ekonometri

İstatistik ve ekonometri paket programları için her sene neden milyonlarca dolar ödüyoruz? Üniversitelerimiz, özel ve kamu sektörü kuruluşları, araştırma merkezleri, bilim insanları, öğrenciler… Şimdi dünyanın açık kaynaklı (ücretsiz) araçlara yelken açtığı bir zamanda bir avuç şirkete yaptığımız bunca ödeme ne kadar gerekli?
Bu çalışmanın amacı Amazon’un 2010-2020 Best-seller raporuna göre dünyada 10 senedir en yaygın kullanılan ekonometri kitabı olan Jeffrey Wooldridge’ın “Ekonometriye Giriş: Modern Yaklaşım” isimli kitabındaki 132 örneği Python ile uygulamakla sınırlı değildir.
Bunun ötesinde;
Python diliyle kodlanmış açık kaynaklı, ücretsiz ve erişilebilir uygulama paketleri sayesinde birkaç satır kod yazarak pahalı yazılımların çıktılarını elde edebilecek, yüzlerce, binlerce dolardan tasarruf edecek,
Üniversite laboratuvarlarındaki lisanslı yazılımlara bağımlı kalmadan, evinizden, köşedeki kahve zincirinde, kütüphanede, plajdaki şezlongda… ödevinizi, projenizi, çalışmanızı rahatlıkla yapabilecek,
Yeryüzünde birbirleriyle hiç karşılaşmamış ama birlikte çalışan yüz binlerce gönüllü tarafından geliştirilip güncellenen Python paketlerinin avantajını tadabilecek, bu paketlerin ücretsiz öğrenme kaynaklarının tadını çıkaracak,
Çağımızın en önemli yetkinliklerinden kodlama becerisi kazanmak için güçlü bir adım atacaksınız.

İÇİNDEKİLER
VERİ BİLİMİ VE PYTHON
BASİT REGRESYON MODELİ
ÇOKLU REGRESYON MODELİ
ÇOKLU REGRESYON ANALİZİ: ÇIKARIM
ÇOKLU REGRESYON ANALİZİ: SKK’NİN ASİMPTOTİK ÖZELLİKLERİ
ÇOKLU REGRESYON ANALİZİ: İLERİ KONULAR
NİTEL BİLGİ İLE ÇOKLU REGRESYON ANALİZLERİ: İKİLİ (VEYA KUKLA) DEĞİŞKENLER
DEĞİŞEN VARYANS
TANIMLAMA VE VERİ SORUNLARI HAKKINDA DAHA FAZLASI
ZAMAN SERİSİ İLE REGRESYON ANALİZİ
ZAMAN SERİSİ VERİSİ İLE SEKK KULLANIMINA DAİR İLAVE KONULAR
ZAMAN SERİSİ REGRESYONLARINDA SERİSEL KORELASYON VE DEĞİŞEN VARYANS
HAVUZLANMIŞ YATAY KESİTLER: BASİT PANEL VERİ YÖNTEMLERİ
İLERİ PANEL VERİ YÖNTEMLERİ
ARAÇ DEĞİŞKENLER TAHMİNİ VE İKİ AŞAMALI EN KÜÇÜK KARELER
EŞ ANLI DENKLEM MODELLERİ
SINIRLI BAĞIMLI DEĞİŞKENLİ MODELLER VE ÖRNEK SEÇİMİ DÜZELTMELERİ
İLERİ ZAMAN SERİSİ KONULARI