Jednotky

1. Umelá inteligencia v ekonometrii a štatistike: Úlohy, hranice, autentifikácia a súkromie 2. Čistenie a príprava údajov: Chýbajúce údaje, odľahlé hodnoty a kódovanie 3. Prieskumná analýza a vizualizácia údajov: Grafy a interpretácia pomocou umelej inteligencie 4. Lineárna regresia: Tvorba modelu, interpretácia koeficientov a predpoklady 5. Regresná diagnostika a porušenia: Kolinearita, Heteroscedasticita, Autokorelácia 6. Testovanie hypotéz a p-hodnota: Význam, moc a viacnásobné porovnania 7. p-hacking, HARKing a štatistická integrita: Úskalia vo veku umelej inteligencie 8. Analýza časových radov: Stacionarita, ARIMA a predpovedanie 9. Analýza príčinnej súvislosti a politiky: DiD, IV, RDD a umelá inteligencia 10. Generovanie kódu a reprodukovateľnosť: R/Python, vytváranie verzií a reprodukovateľnosť 11. Písanie správ, komunikácia a etika: Prezentácia výsledkov a komunikácia hraníc

Jednotka 9 / 11

Analýza príčinnej súvislosti a politiky: DiD, IV, RDD a umelá inteligencia

zisky:

Pochopenie rozdielu medzi koreláciou a kauzalitou a logikou návrhov, ako je rozdiel v rozdiele (DiD), inštrumentálna premenná (IV), regresná diskontinuita (RDD) s podporou umelej inteligencie
Byť schopný vidieť definujúci predpoklad, na ktorom je každý návrh založený (paralelné trendy, obmedzenie vylúčenia, kontinuita v diskontinuite) a úlohu AI pri vytváraní testovacieho/obranného kódu
Schopnosť kriticky zhodnotiť stratégiu rozpoznávania a identifikácie interpretácií umelej inteligencie, ktoré produkujú nadmerné kauzálne tvrdenia z pozorovacích údajov.

Bývalý Ďalej