آموزش اقتصاد سنجی و آمار برای کسب و کار در تحقیق و پایتون

سرفصل ها و درس ها

معرفی Introduction

• معرفی و ساختار دوره Course introduction and structure

• محتوای دوره Course content

• نصب R و RStudio Installing R and RStudio

• نصب پایتون و اسپایدر Installing Python and Spyder

• چگونه از دوره بیشتر به دست آوریم How to get more from the course

• آینده این دوره و بررسی Future of this course and reviews

تفاوت در تفاوت ها - آموزش شهود - مطالعه موردی 1 Difference-in-differences - Intuition tutorial - Case Study 1

• موارد استفاده تفاوت در تفاوت ها Difference-in-differences use cases

• چارچوب تفاوت در تفاوت ها Difference-in-Differences framework

• مدل سازی تفاوت در تفاوت ها Modelling Difference-in-differences

• مفروضات تفاوت در تفاوت ها Difference-in-differences assumptions

• راهنمای گام به گام تفاوت در تفاوت ها Difference-in-differences step by step guide

• دوره تصادف رگرسیون خطی Linear Regression crash course

• خلاصه خروجی رگرسیون خطی Linear Regression output summary

• تله متغیر ساختگی Dummy variable trap

تفاوت در تفاوت ها - آموزش R - مطالعه موردی 1 Difference-in-differences - R tutorial - Case Study 1

• دریافت پوشه دیتاست و الگوهای کد Getting dataset and code templates folder

• مقدمه ای بر RStudio و بارگذاری داده ها Intro to RStudio and data loading

• برخورد با NAs قسمت 1 Dealing with NAs part 1

• برخورد با NAs قسمت 2 Dealing with NAs part 2

• مدل رگرسیون خطی اول First linear regression model

• مدل رگرسیون خطی دوم و تله متغیر ساختگی Second linear regression model and dummy variable trap

• آخرین رگرسیون خطی Last linear regression

• ارائه نتایج Presenting results

تفاوت در تفاوت ها - آموزش پایتون - مطالعه موردی 1 Difference-in-differences - Python tutorial - Case Study 1

• دریافت مجموعه داده ها و پوشه الگوهای کد Getting datasets and code templates folder

• معرفی Spyder و بارگذاری داده ها Intro to Spyder and loading data

• برخورد با NA Dealing with NAs

• جداسازی متغیرهای X و Y Isolating X and Y variables

• مدل رگرسیون خطی اول First linear regression model

• مدل رگرسیون خطی دوم و تله متغیر ساختگی Second linear regression model and dummy variable trap

• آخرین رگرسیون خطی Last linear regression

تفاوت در تفاوت ها - آموزش شهود - مطالعه موردی 2 Difference-in-differences - Intuition tutorial - Case Study 2

• معرفی مطالعه موردی دوم Introducing second case study

• دوره تصادف رگرسیون لجستیک Logistic Regression crash course

• مکانیک تست پلاسبو Placebo test mechanics

تفاوت در تفاوت ها - آموزش R - مطالعه موردی 2 Difference-in-differences - R tutorial - Case Study 2

• دریافت مجموعه داده ها و پوشه الگوهای کد Getting datasets and code templates folder

• بارگیری داده ها و بازرسی آن Loading data and inspecting it

• تعریف متغیرها Defining variables

• اولین رگرسیون لجستیک در R First Logistic Regression in R

• مدل رگرسیون لجستیک دوم Second Logistic Regression Model

• تجسم نتایج Visualizing results

• آماده سازی متغیرها و مجموعه داده برای آزمایش دارونما Preparing variables and dataset for placebo experiment

• رگرسیون لجستیک و آزمایش دارونما Logistic Regression and Placebo experiment

تفاوت در تفاوت ها - آموزش پایتون - مطالعه موردی 2 Difference-in-differences - Python tutorial - Case Study 2

• دریافت مجموعه داده ها و پوشه الگوهای کد Getting datasets and code templates folder

• بارگیری داده ها و بازرسی آن Loading data and inspecting it

• ایجاد متغیرهای ساختگی Creating dummy variables

• تقسیم متغیرهای X و Y Splitting X and Y variables

• اولین رگرسیون لجستیک در پایتون First Logistic Regression in Python

• رگرسیون لجستیک دوم Second Logistic Regression

• آماده سازی مجموعه داده برای آزمایش دارونما Preparing dataset for placebo experiment

• رگرسیون لجستیک و آزمایش دارونما Logistic Regression and Placebo experiment

Google Causal Impact - آموزش شهود Google Causal Impact - Intuition tutorial

• معرفی تأثیر علی Introducing Causal Impact

• ارزش افزوده تأثیر علی Value added of Causal Impact

• راهنمای گام به گام برنامه Step by step application guide

• خلاصه مطالعه موردی Case study briefing

Google Causal Impact - آموزش R Google Causal Impact - R tutorial

• دریافت پوشه دیتاست و الگوهای کد Getting dataset and code templates folder

• به روز رسانی کد Code Update

• بارگیری قیمت سهام فیس بوک Loading Facebook's stock price

• بارگیری قیمت سهام بیشتر Loading more stock prices

• ترسیم قیمت سهام Plotting stock prices

• ماتریس همبستگی Correlation Matrix

• انتخاب گروه کنترل Choosing control group

• در حال آماده سازی مجموعه داده برای اجرای Causal Impact Preparing dataset to run Causal Impact

• محاسبه تاثیر Calculating the impact

• تفسیر نتایج تأثیر علّی Interpreting Causal Impact results

Google Causal Impact - آموزش پایتون Google Causal Impact - Python tutorial

• دریافت مجموعه داده ها و پوشه الگوهای کد Getting datasets and code templates folder

• تغییر کد Code Change

• بارگیری قیمت سهام فیس بوک Loading Facebook's stock price

• آماده سازی مجموعه داده قیمت سهام Preparing stock price dataset

• ترسیم قیمت سهام Plotting stock prices

• ماتریس همبستگی Correlation Matrix

• تکمیل گروه های کنترل Finishing up the control groups

• در حال آماده سازی مجموعه داده برای اجرای Causal Impact Preparing dataset to run Causal Impact

• در حال اجرا تاثیر علی Running Causal Impact

• تفسیر نتایج تأثیر علّی Interpreting Causal Impact results

گرنجر علیت - آموزش شهود Granger Causality - Intuition tutorial

• موارد استفاده علیت گرنجر Granger Causality use cases

• بیان مسأله Problem statement

• همبستگی علیت نیست! Correlation is not causality!

• چارچوب علیت گرنجر Granger Causality framework

• ثابت بودن Stationarity

• راهنمای گام به گام علیت گرنجر و خلاصه مطالعه موردی Granger Causality step by step guide and case study briefing

گرنجر Causality - R آموزش Granger Causality - R tutorial

• دریافت پوشه دیتاست و الگوهای کد Getting dataset and code templates folder

• بارگذاری و بازرسی داده ها Loading and inspecting data

• ترسیم سری های زمانی Plotting time series

• بررسی ثابت بودن Stationarity check

• بکارگیری علیت گرنجر Applying Granger Causality

• تعداد بهینه تاخیرها و برای حلقه قسمت 1 Optimal number of lags and for loop part 1

• تعداد بهینه تاخیرها و برای حلقه قسمت 2 Optimal number of lags and for loop part 2

Granger Causality - آموزش پایتون Granger Causality - Python tutorial

• دریافت مجموعه داده ها و پوشه الگوهای کد Getting datasets and code templates folder

• بارگیری داده ها و بازرسی آن Loading data and inspecting it

• جداسازی تخم مرغ و مرغ Isolating eggs and chickens

• ترسیم سری های زمانی Plotting time series

• بررسی ثابت بودن تخم مرغ Stationarity check for eggs

• بررسی ثابت بودن جوجه ها Stationarity check for chickens

• ثابت کردن سری های زمانی Making time series stationary

• آماده سازی مجموعه داده برای علیت گرنجر Preparing dataset for Granger Causality

• علیت گرنجر Granger Causality

Propensity Score Matching - آموزش شهود Propensity Score Matching - Intuition tutorial

• موارد استفاده تطبیق امتیاز تمایل Propensity Score Matching use cases

• بیان مسأله Problem statement

• چارچوب تطبیق امتیاز تمایل Propensity Score Matching framework

• ناآرامی و منطقه پشتیبانی مشترک Unconfoundness and Common Support Region

• راهنمای گام به گام تطبیق امتیاز تمایل Propensity Score Matching step by step guide

• دوره تصادف T-test T-test crash course

• خلاصه مطالعه موردی Case study briefing

Propensity Score Matching - آموزش R Propensity Score Matching - R tutorial

• دریافت پوشه دیتاست و الگوهای کد Getting dataset and code templates folder

• در حال بارگیری داده ها Loading data

• میانگین درآمد 78 در هر گروه Average income in 78 per group

• خلاصه میانگین های مخدوش کننده ها Summary of Confounders' averages

• تابع T-Test T-Test function

• رگرسیون لجستیک Logistic Regression

• ایجاد چارچوب داده برای منطقه پشتیبانی مشترک Creating dataframe for common support region

• منطقه پشتیبانی مشترک Common Support Region

• تطبیق امتیاز تمایل Propensity Score Matching

• خلاصه تطبیق امتیاز تمایل Propensity Score Matching Summary

• T-Test بر روی گروه های همسان T-Test on the matched groups

• ارزیابی اثرات Impact assessment

• بررسی استحکام Robustness check

Propensity Score Matching - آموزش پایتون Propensity Score Matching - Python tutorial

• دریافت مجموعه داده ها و پوشه الگوهای کد Getting datasets and code templates folder

• بارگذاری و بازرسی داده ها Loading and inspecting data

• خلاصه میانگین های مخدوش کننده ها Summary of Confounders' averages

• برای تست های حلقه و t For loop and t-tests

• جداسازی متغیرهای درمان و مخدوش کننده Isolating treat and confounder variables

• رگرسیون لجستیک Logistic Regression

• ایجاد مجموعه داده با تمایلات Creating dataset with propensities

• آماده سازی مجموعه داده برای منطقه پشتیبانی مشترک Preparing dataset for Common Support Region

• منطقه پشتیبانی مشترک Common Support Region

• جداسازی Y، درمان و عوامل مخدوش کننده Isolating Y, treat and confounders

• تطبیق امتیاز تمایل Propensity Score Matching

CHAID - آموزش شهود CHAID - Intuition tutorial

• موارد استفاده CHAID CHAID use cases

• بیان مسأله Problem statement

• چارچوب CHAID CHAID Framework

• CHAID چگونه کار می کند How CHAID works

• ماتریس سردرگمی Confusion Matrix

• راهنمای گام به گام CHAID CHAID step by step guide

• خلاصه مطالعه موردی Case study briefing

آموزش CHAID - R CHAID - R tutorial

• دریافت پوشه دیتاست و الگوهای کد Getting dataset and code templates folder

• بارگذاری داده ها و تجزیه و تحلیل Loading data and analysis

• ساختار داده ها و آمار خلاصه Data structure and summary statistics

• مجموعه داده فقط فاکتور تشکیل دهنده Forming factor only dataset

• در نصب CHAID On installing CHAID

• اولین مدل CHAID First CHAID model

• توطئه CHAID Plotting CHAID

• آزمون Chi-Square Chi-square test

• دقت، حساسیت و ویژگی Accuracy, sensitivity and specificity

• اهمیت راننده Driver Importance

• تبدیل عدد به فاکتور قسمت 1 Transforming numeric into factors part 1

• مدل CHAID دوم Second CHAID model

• نمودار چگالی برای متغیرهای عددی Density plot for numerical variables

• تبدیل عدد به فاکتور قسمت 2 Transforming numeric into factors part 2

• تبدیل عدد به فاکتور قسمت 3 Transforming numeric into factors part 3

• مدل CHAID سوم Third CHAID model

بخش پاداش Bonus Section

• سخنرانی پاداش Bonus Lecture