Jednotky

1. Umělá inteligence v ekonometrii a statistice: Role, hranice, autentizace a soukromí 2. Čištění a příprava dat: Chybějící data, odlehlé hodnoty a kódování 3. Průzkumná analýza a vizualizace dat: Grafy a interpretace pomocí umělé inteligence 4. Lineární regrese: Tvorba modelu, interpretace koeficientů a předpoklady 5. Regresní diagnostika a porušení: Kolinearita, Heteroscedasticita, Autokorelace 6. Testování hypotéz a p-hodnota: význam, síla a vícenásobná srovnání 7. p-hacking, HARK a statistická integrita: Úskalí ve věku umělé inteligence 8. Analýza časových řad: Stacionarita, ARIMA a předpovědi 9. Analýza příčin a politik: DiD, IV, RDD a umělá inteligence 10. Generování kódu a reprodukovatelnost: R/Python, verzování a reprodukovatelnost 11. Psaní zpráv, komunikace a etika: Prezentace výsledků a komunikace hranic

Jednotka 9 / 11

Analýza příčin a politik: DiD, IV, RDD a umělá inteligence

zisky:

Pochopení rozdílu mezi korelací a kauzalitou a logiky návrhů, jako je rozdíl v rozdílu (DiD), instrumentální proměnná (IV), regresní diskontinuita (RDD) s podporou umělé inteligence
Být schopen vidět definující předpoklad, na kterém je každý návrh založen (paralelní trendy, vylučovací omezení, kontinuita v diskontinuitě) a roli AI při vytváření testovacího/obranného kódu
Schopnost kriticky vyhodnotit strategii rozpoznávání a identifikace interpretací umělé inteligence, které produkují nadměrná kauzální tvrzení z pozorovacích dat.

Bývalý Další