единици
1. Изкуствен интелект в иконометрията и статистиката: роли, граници, автентификация и поверителност 2. Почистване и подготовка на данни: липсващи данни, отклонения и кодиране 3. Проучвателен анализ на данни и визуализация: Графика и интерпретация с изкуствен интелект 4. Линейна регресия: Изграждане на модел, тълкуване на коефициенти и предположения 5. Регресионна диагностика и нарушения: колинеарност, хетероскедастичност, автокорелация 6. Тестване на хипотеза и p-стойност: значимост, сила и множество сравнения 7. p-hacking, HARKing и статистическа цялост: Клопки в епохата на изкуствения интелект 8. Анализ на времеви редове: стационарност, ARIMA и прогнозиране 9. Причинно-следствена връзка и анализ на политиката: DiD, IV, RDD и изкуствен интелект 10. Генериране на код и възпроизводимост: R/Python, създаване на версии и възпроизводимост 11. Писане на доклади, комуникация и етика: Представяне на резултати и съобщаване на граници
единица 9 / 11

Причинно-следствена връзка и анализ на политиката: DiD, IV, RDD и изкуствен интелект

Печалби:

  • Разбиране на разликата между корелация и причинно-следствена връзка и логиката на дизайни като разлика в разликата (DiD), инструментална променлива (IV), прекъсване на регресията (RDD) с подкрепата на изкуствен интелект
  • Да можеш да видиш определящото предположение, на което се основава всеки дизайн (паралелни тенденции, ограничение за изключване, непрекъснатост в прекъсването) и ролята на AI в създаването на тестов/защитен код
  • Способност за критична оценка на стратегията за разпознаване и идентифициране на интерпретации на изкуствения интелект, които произвеждат прекомерни причинно-следствени твърдения от данни от наблюдения.
бивш Следваща