Jednostki
1. Sztuczna inteligencja w ekonometrii i statystyce: role, granice, uwierzytelnianie i prywatność 2. Czyszczenie i przygotowanie danych: brakujące dane, wartości odstające i kodowanie 3. Eksploracyjna analiza i wizualizacja danych: wykresy i interpretacja za pomocą sztucznej inteligencji 4. Regresja liniowa: budowanie modelu, interpretacja współczynników i założenia 5. Diagnostyka regresji i naruszenia: kolinearność, heteroskedastyczność, autokorelacja 6. Testowanie hipotez i wartość p: znaczenie, moc i wielokrotne porównania 7. p-hacking, HARKing i rzetelność statystyczna: pułapki w dobie sztucznej inteligencji 8. Analiza szeregów czasowych: stacjonarność, ARIMA i prognozowanie 9. Analiza przyczynowo-polityczna: DiD, IV, RDD i sztuczna inteligencja 10. Generowanie kodu i odtwarzalność: R/Python, wersjonowanie i odtwarzalność 11. Pisanie raportów, komunikacja i etyka: przedstawianie wyników i komunikowanie granic
Jednostka 9 / 11

Analiza przyczynowo-polityczna: DiD, IV, RDD i sztuczna inteligencja

Zyski:

  • Zrozumienie rozróżnienia pomiędzy korelacją i przyczynowością oraz logiką projektów takich jak różnica w różnicy (DiD), zmienna instrumentalna (IV), nieciągłość regresji (RDD) przy wsparciu sztucznej inteligencji
  • Możliwość zobaczenia założeń definiujących, na których opiera się każdy projekt (równoległe trendy, ograniczenia wykluczające, ciągłość w nieciągłości) oraz roli sztucznej inteligencji w tworzeniu kodu testowego/obronnego
  • Umiejętność krytycznej oceny strategii rozpoznawania i identyfikowania interpretacji sztucznej inteligencji, które produkują nadmierne twierdzenia przyczynowe z danych obserwacyjnych.
Dawny Następny