Egységek

1. Mesterséges intelligencia az ökonometriában és a statisztikákban: szerepek, határok, hitelesítés és adatvédelem 2. Adatok tisztítása és előkészítése: hiányzó adatok, kiugró értékek és kódolás 3. Feltáró adatelemzés és vizualizáció: Grafikonkészítés és értelmezés mesterséges intelligenciával 4. Lineáris regresszió: modellépítés, együttható értelmezés és feltételezések 5. Regressziós diagnosztika és szabálysértések: kollinearitás, heteroszkedaszticitás, autokorreláció 6. Hipotézisvizsgálat és p-érték: szignifikancia, teljesítmény és többszörös összehasonlítások 7. p-hacking, HARKing és statisztikai integritás: buktatók a mesterséges intelligencia korában 8. Idősor elemzés: stacionaritás, ARIMA és előrejelzés 9. Ok-okozati összefüggések és politikai elemzés: DiD, IV, RDD és mesterséges intelligencia 10. Kódgenerálás és reprodukálhatóság: R/Python, Verziózás és Reprodukálhatóság 11. Jelentésírás, kommunikáció és etika: Eredmények bemutatása és határok közlése

Egység 9 / 11

Ok-okozati összefüggések és politikai elemzés: DiD, IV, RDD és mesterséges intelligencia

Nyereség:

A korreláció és az ok-okozati összefüggés közötti különbségtétel, valamint az olyan tervek logikájának megértése, mint a különbség a különbségben (DiD), az instrumentális változó (IV), a regressziós diszkontinuitás (RDD) a mesterséges intelligencia támogatásával
Az egyes tervezések alapjául szolgáló meghatározó feltevés (párhuzamos trendek, kizárási kényszer, folytonosság a folytonossági hiányban) és az AI szerepe a teszt/védelmi kód létrehozásában.
Képes kritikusan értékelni a mesterséges intelligencia azon értelmezéseinek felismerésére és azonosítására irányuló stratégiát, amelyek túlzott oksági állításokat állítanak elő a megfigyelési adatokból.

Korábbi Következő