Unidades

1. Inteligência Artificial em Econometria e Estatística: Funções, Limites, Autenticação e Privacidade 2. Limpeza e preparação de dados: dados ausentes, valores discrepantes e codificação 3. Análise Exploratória e Visualização de Dados: Gráficos e Interpretação com Inteligência Artificial 4. Regressão Linear: Construção de Modelo, Interpretação de Coeficientes e Suposições 5. Diagnósticos de regressão e violações: colinearidade, heterocedasticidade, autocorrelação 6. Teste de hipóteses e valor p: significância, poder e comparações múltiplas 7. p-hacking, HARKing e integridade estatística: armadilhas na era da inteligência artificial 8. Análise de série temporal: estacionariedade, ARIMA e previsão 9. Análise de causalidade e política: DiD, IV, RDD e Inteligência Artificial 10. Geração e reprodutibilidade de código: R/Python, versionamento e reprodutibilidade 11. Redação de relatórios, comunicação e ética: apresentação de resultados e comunicação de limites

Unidade 9 / 11

Análise de causalidade e política: DiD, IV, RDD e Inteligência Artificial

Ganhos:

Compreender a distinção entre correlação e causalidade e a lógica de designs como diferença em diferença (DiD), variável instrumental (IV), descontinuidade de regressão (RDD) com o apoio da inteligência artificial
Ser capaz de ver a suposição definidora em que cada projeto se baseia (tendências paralelas, restrição de exclusão, continuidade na descontinuidade) e o papel da IA na produção de código de teste/defesa
Capacidade de avaliar criticamente a estratégia de reconhecer e identificar interpretações de inteligência artificial que produzem afirmações causais excessivas a partir de dados observacionais.

Antigo Próximo