หน่วย
1. ปัญญาประดิษฐ์ทางเศรษฐมิติและสถิติ: บทบาท ขอบเขต การรับรองความถูกต้อง และความเป็นส่วนตัว 2. การทำความสะอาดและการเตรียมข้อมูล: ข้อมูลสูญหาย ค่าผิดปกติ และการเข้ารหัส 3. การวิเคราะห์ข้อมูลเชิงสำรวจและการแสดงภาพ: การสร้างกราฟและการตีความด้วยปัญญาประดิษฐ์ 4. การถดถอยเชิงเส้น: การสร้างแบบจำลอง การตีความค่าสัมประสิทธิ์และการสันนิษฐาน 5. การวินิจฉัยการถดถอยและการละเมิด: Collinearity, Heteroscedasticity, Autocorrelation 6. การทดสอบสมมติฐานและค่า p: นัยสำคัญ กำลัง และการเปรียบเทียบพหุคูณ 7. p-hacking, HARKing และความสมบูรณ์ทางสถิติ: ข้อผิดพลาดในยุคของปัญญาประดิษฐ์ 8. การวิเคราะห์อนุกรมเวลา: ความคงที่, ARIMA และการพยากรณ์ 9. การวิเคราะห์สาเหตุและนโยบาย: DiD, IV, RDD และปัญญาประดิษฐ์ 10. การสร้างโค้ดและการทำซ้ำ: R/Python, การกำหนดเวอร์ชันและการทำซ้ำ 11. การเขียนรายงาน การสื่อสาร และจริยธรรม: การนำเสนอผลลัพธ์และขอบเขตการสื่อสาร
หน่วย 9 / 11

การวิเคราะห์สาเหตุและนโยบาย: DiD, IV, RDD และปัญญาประดิษฐ์

กำไร:

  • ทำความเข้าใจความแตกต่างระหว่างความสัมพันธ์และความเป็นเหตุเป็นผล และตรรกะของการออกแบบ เช่น ความแตกต่างในความแตกต่าง (DiD) ตัวแปรเครื่องมือ (IV) การไม่ต่อเนื่องของการถดถอย (RDD) ด้วยการสนับสนุนของปัญญาประดิษฐ์
  • สามารถมองเห็นสมมติฐานที่กำหนดว่าการออกแบบแต่ละแบบมีพื้นฐานอยู่อย่างไร (แนวโน้มแบบคู่ขนาน ข้อจำกัดในการยกเว้น ความต่อเนื่องในความไม่ต่อเนื่อง) และบทบาทของ AI ในการสร้างโค้ดการทดสอบ/การป้องกัน
  • ความสามารถในการประเมินกลยุทธ์ในการรับรู้และระบุการตีความปัญญาประดิษฐ์อย่างมีวิจารณญาณซึ่งก่อให้เกิดการกล่าวอ้างเชิงสาเหตุมากเกินไปจากข้อมูลเชิงสังเกต