Jedinice

1. Umjetna inteligencija u ekonometriji i statistici: uloge, granice, autentifikacija i privatnost 2. Čišćenje i priprema podataka: podaci koji nedostaju, nedostaci i kodiranje 3. Istraživačka analiza i vizualizacija podataka: grafički prikaz i interpretacija s umjetnom inteligencijom 4. Linearna regresija: izgradnja modela, interpretacija koeficijenata i pretpostavke 5. Dijagnostika regresije i kršenja: kolinearnost, heteroskedastičnost, autokorelacija 6. Testiranje hipoteza i p-vrijednost: značajnost, snaga i višestruka poređenja 7. p-hacking, HARKing i statistički integritet: Zamke u doba umjetne inteligencije 8. Analiza vremenskih serija: stacionarnost, ARIMA i predviđanje 9. Uzročna veza i analiza politike: DiD, IV, RDD i umjetna inteligencija 10. Generacija koda i reproduktivnost: R/Python, verzija i reproduktivnost 11. Pisanje izvještaja, komunikacija i etika: predstavljanje rezultata i komuniciranje granica

Jedinica 9 / 11

Uzročna veza i analiza politike: DiD, IV, RDD i umjetna inteligencija

Dobici:

Razumijevanje razlike između korelacije i uzročnosti i logike dizajna kao što su razlika u razlici (DiD), instrumentalna varijabla (IV), regresijski diskontinuitet (RDD) uz podršku umjetne inteligencije
Biti u stanju vidjeti definirajuću pretpostavku na kojoj se svaki dizajn temelji (paralelni trendovi, ograničenje isključivanja, kontinuitet u diskontinuitetu) i ulogu AI u proizvodnji koda za testiranje/odbranu
Sposobnost kritičke procene strategije prepoznavanja i identifikovanja interpretacija veštačke inteligencije koje proizvode prekomerne uzročne tvrdnje iz podataka posmatranja.

Bivši Sledeći