Язык R — работа в Москве

Создание проекта Делаю регрессионный анализ на языке программирования R / python. Нужны консультации для прояснения некоторых моментов по созданию проекта. Дедлайн: 09.06. Тз: 1. Провести экономический анализ экономического (желательно) параметра, выявляя факторы (не менее 5), от которых этот показатель может зависеть. a. Не рекомендуется брать более 10-ти факторов b. Рекомендуется использовать отраслевые (микроэкономические) показатели 2. Для выявленных факторов и анализируемого показателя ищется и собирается, в виде статистической таблицы, историческая информация 3. Провести описательный статистический анализ данных. a. Рассчитать: a.i. Среднее и доверительный интервал среднего a.ii. Среднеквадратичное отклонение, Асимметрия, Эксцесс, основные квантили. b. Проверить на наличие пропусков, ошибок c. Построить графики и гистограммы c.i. Определить формы распределения c.ii. Выявить наличие явных особенностей, выбросов, тенденций d. Корреляции d.i. Построить корреляционную матрицу d.ii. Проверить значимость корреляции d.iii. Построить парные графики для пар признаков d.iv. Выявить нелинейные зависимости между переменными e. Подготовить вывод по описательному статистическому анализу данных 4. Нужно предусмотреть необходимость выделения в данных обучающей выборки, тестовой выборки, а так же выборки для теста объединенного прогноза 5. По собранным данным строится классическая модель множественной регрессии (методом МНК) 6. Провести тесты на проверку наличия мультиколлинеарности a. Алгоритм Фаррара-Глобера b. Метод инфляции дисперсии факторов 7. Построить модели устраняющие влияние мультиколлинеарности a. Методом исключения факторов b. Методом добавления факторов c. LASSO-регрессия d. Ridge-регрессия 8. Провести тесты на наличие гетероскедастичности a. Тест Бройша-Пагана b. Тест Голдфилда-Куандта c. Тест Глейзера 9. Построить модели устраняющие гетероскедастичность a. Методом исключения факторов b. Методом взвешенного МНК 10. Провести тест Дарбина-Уотсона на наличие автокорреляции регрессионных остатков 11. Использовать процедуру Кохрейна-Оркхарта для применения Обобщенного МНК 12. Для каждой регрессионной модели проводятся следующие операции a. Рассчитываются коэффициенты модели b. Рассчитывается значение остаточной дисперсии c. Рассчитывается коэффициент детерминации d. Строится график показывающей совместную динамику анализируемого показателя и его оценок, полученных с помощью регрессионной модели e. Строится графики зависимости анализируемого показателя от факторов. f. Проводится кросс-валидация 13. По всем созданным моделям проводится процедура объединения прогнозов, для оценки качества которого используется специально выделенная подвыборка.