Njësitë
1. Inteligjenca artificiale në ekonometri dhe statistikë: rolet, kufijtë, vërtetimi dhe privatësia 2. Pastrimi dhe përgatitja e të dhënave: Mungojnë të dhënat, pikat e jashtme dhe kodimi 3. Analiza dhe vizualizimi eksplorues i të dhënave: grafiku dhe interpretimi me inteligjencën artificiale 4. Regresioni linear: Ndërtimi i modelit, interpretimi i koeficientit dhe supozimet 5. Diagnostifikimi dhe shkeljet e regresionit: Kolineariteti, Heteroskedasticiteti, Autokorrelacioni 6. Testimi i hipotezave dhe vlera p: Rëndësia, fuqia dhe krahasimet e shumëfishta 7. p-hacking, HARKing dhe Integriteti Statistikor: Grackat në Epokën e Inteligjencës Artificiale 8. Analiza e serive kohore: Stacionariteti, ARIMA dhe Parashikimi 9. Shkaktari dhe analiza e politikave: DiD, IV, RDD dhe Inteligjenca Artificiale 10. Gjenerimi dhe riprodhueshmëria e kodit: R/Python, Versionimi dhe Riprodhueshmëria 11. Shkrimi i raportit, komunikimi dhe etika: prezantimi i rezultateve dhe komunikimi i kufijve
Njësia 9 / 11

Shkaktari dhe analiza e politikave: DiD, IV, RDD dhe Inteligjenca Artificiale

Fitimet:

  • Kuptimi i dallimit midis korrelacionit dhe shkakësisë dhe logjikës së modeleve të tilla si diferenca në ndryshim (DiD), ndryshorja instrumentale (IV), ndërprerja e regresionit (RDD) me mbështetjen e inteligjencës artificiale
  • Të jesh në gjendje të shohësh supozimin përcaktues mbi të cilin bazohet çdo dizajn (trendet paralele, kufizimi i përjashtimit, vazhdimësia në ndërprerje) dhe rolin e AI në prodhimin e kodit të testit/mbrojtjes
  • Aftësia për të vlerësuar në mënyrë kritike strategjinë e njohjes dhe identifikimit të interpretimeve të inteligjencës artificiale që prodhojnë pretendime të tepërta kauzale nga të dhënat e vëzhgimit.
Ish Tjetra