да, нужны категории, но наверное шаг побольше. вряд ли кто-то может с такой точностью сказать)
Не уверен, что вы подразумеваете, под по-парно.
Выдержка из методологии. Могу прислать методологию + результаты.
Думаю, вам, перевод не нужен.
“We use a 2 SLS Instrumental Variable regression in this paper. We also run a usual OLS regression to check for the robustness of our results in this case.
The regression equation has the following form:
ln(w_i )=a+B〖∙X〗_i+C∙E_i+D〖∙Educ〗_i+e_i, (1)
where
w — wage,
X — matrix of employee characteristics, including experience, the second order polynomial of experience, tenure, position, age, level of English language competence
E — matrix of employer characteristics, such as city, size of the company
Educ — matrix of educational variables, including formal (university) education, time spent on self-education, and the time-period, when a person was studying and working at the same time.
This functional form goes back to Mincer’s work on returns to schooling (Mincer, 1974). As in Mincer’s paper we also use the logarithm of wage, years of schooling, work experience and work experience squared. We also add additional explanatory variables which include tenure, position, age, etc. A proxy and an instrumental variable are used to increase the accuracy of estimates.... ”
Да, очень важно и то, как человек сам себя тут оценивает.
Хотя это ИТ сфера, тут долго не попонтуешся)
Фишка регрессий в том, что они учитывают эффекты тех переменных, которые включены в регрессию (как опыт). То есть опыт не катит.
Надо искать другое объяснение. Например: — работа в иностранной компании, — целеустремленность, и т.д.
Я не понял про ссылку на википедию.
Если вы говорите про мультиколлинеарность, то она не смещает оценки. Она может их сделать менее значимыми, но, как я написал, все коэффициенты, про которые я говорю, значимы.
Я не описывал все детали (вряд ли они интересны рядовому читателю), но указал, что могу ими поделиться. Данная работа не коммерческая и будет доступна в финальном варианте где-то через 2 месяца.
Все это делалось не в екселе, а в статистическом пакете (Stata). Если интересно, могу скинуть код и дату. Еще лог, его можно открыть без самого пакета. Так же есть сама методология, но пока что только на английском.
Это данные опроса ДОУ, данные в открытом доступе
Не забывайте, что мы говорим о самых технических факультетах лучших вузов страны.
Вот и порешали)
круто. ипса эволюционирует. нам разрешали токо в ексель. у нас еще Шолохов был.
но eviews же вроде платный? вряд ли в кпи есть лицензия...
Ага. В курсе микроэкономики и САЭПа. Это не детально. лекции 4 может было. на практике максимум обычный МНК в екселе.
Про такие пакеты как Stata, eviews или R в кпи даже не слышали
ПМ’ом слишком мало в опросе для серьезных выводов.
Если судить просто по средним, средняя ЗП около 2300 у Project Manager, 3550 у Senior PM/Program Manager. Отклонение большое. Можно посмотреть по разным годам, но опять же, выборка не очень большая...
У вас в аккаунте LinkedIn написано, что вы закончили КПИ. Так вот, я тоже. Год назад. ИПСА. Первый поток.
У меня даже близко такого не было. Пару слов говорили может на численных методах и пару слов в статистике, и то слабовато. Я сейчас учусь по программе Американского вуза и эконометрика есть почти в каждом семестре. Это даже трудно сравнивать.
Как отдельный предмет, я знаю, его изучают в Могилянке (на неплохом начальном уровне). Про другие вузы даже думать не хочется.
Некоторые компании с сильными рисерчами его используют, но таких не больше дюжины.
Понятно. Ну, это не совсем техническая статья. Тут есть и плюсы и минусы.
Я понимаю, что данные результаты могут казаться не всегда на 100% правдоподобными, но статья написана в ознакомительных целях.
В след. раз учту, может нужно написать отдельную статью.
Эконометрика реально интересная наука, многие могут что-то подчерпнуть