Единицы

1. Искусственный интеллект в эконометрике и статистике: роли, границы, аутентификация и конфиденциальность 2. Очистка и подготовка данных: недостающие данные, выбросы и кодирование 3. Исследовательский анализ и визуализация данных: построение графиков и интерпретация с помощью искусственного интеллекта 4. Линейная регрессия: построение модели, интерпретация коэффициентов и предположения 5. Регрессионная диагностика и нарушения: коллинеарность, гетероскедастичность, автокорреляция 6. Проверка гипотез и значение p: значимость, мощность и множественные сравнения 7. p-хакинг, HARKing и статистическая достоверность: подводные камни в эпоху искусственного интеллекта 8. Анализ временных рядов: стационарность, ARIMA и прогнозирование 9. Причинно-следственная связь и анализ политики: DiD, IV, RDD и искусственный интеллект 10. Генерация кода и воспроизводимость: R/Python, управление версиями и воспроизводимость 11. Написание отчета, общение и этика: представление результатов и границы сообщения

Единица 9 / 11

Причинно-следственная связь и анализ политики: DiD, IV, RDD и искусственный интеллект

Прибыль:

Понимание различия между корреляцией и причинностью, а также логики таких планов, как разница в разностях (DiD), инструментальная переменная (IV), разрыв регрессии (RDD) при поддержке искусственного интеллекта.
Возможность увидеть определяющее предположение, на котором основан каждый проект (параллельные тенденции, ограничение исключения, непрерывность разрывов) и роль ИИ в создании тестового/защитного кода.
Способность критически оценивать стратегию распознавания и выявления интерпретаций искусственного интеллекта, которые выдвигают чрезмерные причинно-следственные утверждения на основе данных наблюдений.

Предыдущий Далее