Yksiköt

1. Tekoäly ekonometriassa ja tilastoissa: roolit, rajat, todennus ja yksityisyys 2. Tietojen puhdistaminen ja valmistelu: Puuttuvat tiedot, poikkeamat ja koodaus 3. Tutkiva tiedon analysointi ja visualisointi: graafinen piirtäminen ja tulkinta tekoälyn avulla 4. Lineaarinen regressio: mallin rakentaminen, kertoimien tulkinta ja oletukset 5. Regressiodiagnostiikka ja rikkomukset: Kollineaarisuus, Heteroskedastisuus, Autokorrelaatio 6. Hypoteesin testaus ja p-arvo: merkitys, teho ja useat vertailut 7. p-hakkerointi, HARKing ja tilastollinen eheys: sudenkuopat tekoälyn aikakaudella 8. Aikasarja-analyysi: Stationaarisuus, ARIMA ja ennustaminen 9. Syy- ja politiikan analyysi: DiD, IV, RDD ja tekoäly 10. Koodin luominen ja toistettavuus: R/Python, versiointi ja toistettavuus 11. Raporttien kirjoittaminen, viestintä ja etiikka: tulosten esittäminen ja rajojen ilmoittaminen

Yksikkö 9 / 11

Syy- ja politiikan analyysi: DiD, IV, RDD ja tekoäly

Voitot:

Korrelaation ja kausaliteetin välisen eron ymmärtäminen sekä suunnitelmien logiikan, kuten eron ero (DiD), instrumentaalinen muuttuja (IV), regression epäjatkuvuus (RDD) tekoälyn tuella
Kyky nähdä määrittelevä oletus, johon kukin malli perustuu (rinnakkaistrendit, poissulkemisrajoitukset, jatkuvuus epäjatkuvuudessa) ja tekoälyn rooli testi-/puolustuskoodin tuottamisessa
Kyky arvioida kriittisesti strategiaa tunnistaa ja tunnistaa tekoälyn tulkintoja, jotka tuottavat liiallisia kausaalisia väitteitä havaintotiedoista.

Entinen Seuraavaksi