Единици
1. Вештачка интелигенција во економетријата и статистиката: улоги, граници, автентикација и приватност 2. Чистење и подготовка на податоци: Недостасуваат податоци, оддалечени и кодирање 3. Истражувачка анализа и визуелизација на податоци: графика и интерпретација со вештачка интелигенција 4. Линеарна регресија: Изградба на модел, толкување на коефициентот и претпоставки 5. Регресиска дијагностика и прекршувања: колинеарност, хетероскедастичност, автокорелација 6. Тестирање на хипотези и p-вредност: Значење, моќ и повеќекратни споредби 7. p-хакирање, HARKing и статистички интегритет: стапици во ерата на вештачката интелигенција 8. Анализа на временски серии: стационарност, ARIMA и предвидување 9. Причина и анализа на политики: DiD, IV, RDD и вештачка интелигенција 10. Генерирање и репродуктивност на кодови: R/Python, верзии и репродуктивност 11. Пишување извештаи, комуникација и етика: презентирање резултати и граници на комуникација
Единица 9 / 11

Причина и анализа на политики: DiD, IV, RDD и вештачка интелигенција

Добивки:

  • Разбирање на разликата помеѓу корелацијата и каузалноста и логиката на дизајните како разлика-во-разлика (DiD), инструментална променлива (IV), регресивен дисконтинуитет (RDD) со поддршка на вештачка интелигенција
  • Да се биде во можност да се види дефинирачката претпоставка на која се заснова секој дизајн (паралелни трендови, ограничување на исклучувањето, континуитет во дисконтинуитет) и улогата на ВИ во производството на тест/одбранбен код
  • Способност за критичка евалуација на стратегијата за препознавање и идентификување на толкувањата на вештачката интелигенција кои произведуваат прекумерни каузални тврдења од набљудувачки податоци.
Поранешниот Следно