יחידות
1. בינה מלאכותית באקונומטריה וסטטיסטיקה: תפקידים, גבולות, אימות ופרטיות
2. ניקוי והכנת נתונים: נתונים חסרים, חריגים וקידוד
3. ניתוח והדמיה של נתונים חקרניים: גרפים ופרשנות באמצעות בינה מלאכותית
4. רגרסיה לינארית: בניית מודלים, פרשנות מקדם והנחות
5. אבחון והפרות של רגרסיה: קולינאריות, הטרוסקדסטיות, אוטוקורלציה
6. בדיקת השערות ו-p-value: מובהקות, כוח והשוואות מרובות
7. p-hacking, HARKing ושלמות סטטיסטית: מלכודות בעידן הבינה המלאכותית
8. ניתוח סדרות זמן: נייחות, ARIMA וחיזוי
9. סיבתיות וניתוח מדיניות: DiD, IV, RDD ובינה מלאכותית
10. יצירת קוד ושחזור: R/Python, גירסאות ושחזור
11. כתיבת דוחות, תקשורת ואתיקה: הצגת תוצאות וגבולות תקשורת
יחידה 9 / 11
סיבתיות וניתוח מדיניות: DiD, IV, RDD ובינה מלאכותית
רווחים:
- הבנת ההבחנה בין מתאם וסיבתיות והלוגיקה של עיצובים כגון הבדל-ב-הפרש (DiD), משתנה אינסטרומנטלי (IV), אי-רציפות רגרסיה (RDD) עם תמיכה של בינה מלאכותית
- היכולת לראות את ההנחה המגדירה שעליה מבוסס כל עיצוב (מגמות מקבילות, אילוץ אי-הכללה, המשכיות בחוסר המשכיות) ואת תפקידה של AI בהפקת קוד בדיקה/הגנה
- יכולת להעריך באופן ביקורתי את האסטרטגיה של זיהוי וזיהוי פרשנויות של בינה מלאכותית המייצרות טענות סיבתיות מוגזמות מנתוני תצפית.