آموزش استنتاج علی با داده های نظرسنجی

Causal Inference with Survey Data

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره:

آیا y واقعا برابر با 0.5x است؟ آیا تحصیل واقعا برای شما خوب است؟ آیا سیاست مالیاتی واقعاً رفتار مخارج را تغییر می دهد؟ برای پاسخ به چنین سؤالاتی، اغلب نیاز به استنباط علیت از داده های نظرسنجی دارید. برای انجام این کار، باید ابزارهای تجربی موجود در اختیار تحلیلگران داده را بشناسید.

در این دوره، استاد اقتصاد فرانتس بوشا مبانی استنتاج علی را توضیح می دهد. استراتژی هایی برای غلبه بر مشکلات رایج در تجزیه و تحلیل داده های نظرسنجی. و مفاهیم پیرامون برآوردگرهای تجربی، شبه تجربی و غیر تجربی. فرانتس به روش‌شناسی برای استنتاج علی از داده‌های پیمایش می‌پردازد. او این کار را در سه فصل با تمرکز بر روی انجام می‌دهد: کارآزمایی‌های تجربی و تصادفی‌سازی‌شده، داده‌های پیمایش مقطعی و نحوه ترسیم روابط علی، و بررسی‌های طولی و روش‌های استنتاج علی. به‌علاوه، فرانتس مروری کوتاه بر روش‌های ارزیابی استحکام یافته‌های تجربی و تکنیک‌های برقراری ارتباط مؤثر آنها ارائه می‌کند.


سرفصل ها و درس ها

معرفی Introduction

  • آنچه شما باید بدانید What you should know

  • آنچه می توانید یاد بگیرید What you can learn

  • علیت باز شد: آغازگر برای تحلیلگران داده Causality unlocked: A primer for data analysts

1. علت و معلول 1. Cause and Effect

  • استاندارد طلا: داده های تجربی The gold standard: Experimental data

  • اثرات درمانی چیست؟ What are treatment effects?

  • چه چیزی در مورد داده های نظرسنجی متفاوت است؟ What is different about survey data?

  • علل قابل مشاهده در مقابل علل غیرقابل مشاهده Observables vs. unobservables causes

  • یک مثال کاربردی: بحث لالوند An applied example: The LaLonde debate

  • چرا استنتاج علی مهم است Why causal inference matters

2. طرح های بررسی تجربی 2. Experimental Survey Designs

  • تجزیه و تحلیل یک کارآزمایی تصادفی کنترل شده Analyzing a randomized controlled trial

  • راه اندازی یک کارآزمایی تصادفی کنترل شده Setting up a randomized controlled trial

3. طرح های بررسی مقطعی 3. Cross-Sectional Survey Designs

  • مدل های متغیر ابزاری Instrumental variable models

  • تجزیه و تحلیل رگرسیون Regression analysis

  • تطبیق امتیاز تمایل Propensity score matching

  • نظرسنجی با داده های مقطعی Surveys with cross-sectional data

  • طرح های ناپیوستگی رگرسیون Regression discontinuity designs

4. طرح های بررسی طولی 4. Longitudinal Survey Designs

  • مدل های رگرسیون با اثرات زمان Regression models with time effects

  • روش های کنترل مصنوعی Synthetic control methods

  • نظرسنجی با داده های طولی Surveys with longitudinal data

  • مدل های رگرسیون اثرات ثابت Fixed effects regression models

  • تخمین تفاوت در تفاوت Difference-in-difference estimation

5. مدل های دیگر 5. Other Models

  • چگونه استحکام علی را ارزیابی کنیم How to evaluate causal robustness

  • نحوه ارائه آمار علی How to present causal statistics

نتیجه Conclusion

  • مراحل بعدی و منابع اضافی Next steps and additional resources

نمایش نظرات

آموزش استنتاج علی با داده های نظرسنجی
جزییات دوره
2h 8m
24
Linkedin (لینکدین) Linkedin (لینکدین)
(آخرین آپدیت)
67
- از 5
ندارد
دارد
دارد
Franz Buscha
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Franz Buscha Franz Buscha

پروفسور اقتصاد در دانشگاه وست مینستر

فرانتس بوشا در دانشگاه لنکستر اقتصاد خوانده است. او از سال 2006 در دانشگاه وست مینستر، جایی که اکنون استاد اقتصاد است، کار کرده است. فرانتس به همه چیز علم داده علاقه دارد و اقتصاد، آمار و ارزیابی سیاست را در تمام سطوح دانشگاهی تدریس کرده است. فرانتس مقالات تحقیقاتی بسیاری را در مجلات برجسته منتشر کرده است و علایق تحقیقاتی شخصی او در بازگشت به تحصیل و تحرک اجتماعی است. آثار فرانتس توسط رسانه‌های مختلفی مانند بی‌بی‌سی نیوز، اکونومیست، تایمز و هافینگتون پست و سال‌ها فرانتس پوشش داده شده است. میزبان یک برنامه رادیویی ماهانه به نام خط مشی مهم بود.