jedinice

1. Umjetna inteligencija u ekonometriji i statistici: uloge, granice, autentifikacija i privatnost 2. Čišćenje i priprema podataka: podaci koji nedostaju, odstupanja i kodiranje 3. Eksploratorna analiza podataka i vizualizacija: grafički prikaz i interpretacija pomoću umjetne inteligencije 4. Linearna regresija: izgradnja modela, interpretacija koeficijenata i pretpostavke 5. Regresijska dijagnostika i poremećaji: kolinearnost, heteroskedastičnost, autokorelacija 6. Testiranje hipoteza i p-vrijednost: značaj, snaga i višestruke usporedbe 7. p-hakiranje, HARKing i statistički integritet: Zamke u doba umjetne inteligencije 8. Analiza vremenskih serija: Stacionarnost, ARIMA i predviđanje 9. Uzročnost i analiza politike: DiD, IV, RDD i umjetna inteligencija 10. Generiranje koda i ponovljivost: R/Python, određivanje verzija i ponovljivost 11. Pisanje izvješća, komunikacija i etika: Predstavljanje rezultata i komuniciranje granica

Jedinica 9 / 11

Uzročnost 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), diskontinuitet regresije (RDD) uz podršku umjetne inteligencije
Biti u stanju vidjeti definirajuću pretpostavku na kojoj se temelji svaki dizajn (paralelni trendovi, ograničenje isključenja, kontinuitet u diskontinuitetu) i ulogu umjetne inteligencije u izradi testnog/obrambenog koda
Sposobnost kritičke evaluacije strategije prepoznavanja i identificiranja interpretacija umjetne inteligencije koje proizvode pretjerane kauzalne tvrdnje iz podataka promatranja.

Bivši Sljedeći