Mga yunit

1. Artificial Intelligence sa Econometrics at Statistics: Mga Tungkulin, Hangganan, Authentication at Privacy 2. Paglilinis at Paghahanda ng Data: Nawawalang Data, Mga Outlier, at Coding 3. Exploratory Data Analysis at Visualization: Graphing at Interpretation gamit ang Artificial Intelligence 4. Linear Regression: Pagbuo ng Modelo, Coefficient Interpretation at Assumptions 5. Diagnostics at Paglabag ng Regression: Collinearity, Heteroscedasticity, Autocorrelation 6. Pagsusuri sa Hypothesis at p-value: Kahalagahan, Kapangyarihan, at Maramihang Paghahambing 7. p-hacking, HARKing at Statistical Integrity: Mga Pitfalls sa Edad ng Artipisyal na Katalinuhan 8. Pagsusuri ng Serye ng Oras: Stationarity, ARIMA at Pagtataya 9. Pagsusuri ng Sanhi at Patakaran: DiD, IV, RDD at Artificial Intelligence 10. Pagbuo ng Code at Reproducibility: R/Python, Versioning at Reproducibility 11. Pagsusulat ng Ulat, Komunikasyon, at Etika: Paglalahad ng mga Resulta at Mga Hangganan sa Pakikipag-usap

Yunit 9 / 11

Pagsusuri ng Sanhi at Patakaran: DiD, IV, RDD at Artificial Intelligence

Mga nadagdag:

Pag-unawa sa pagkakaiba sa pagitan ng ugnayan at sanhi at ang lohika ng mga disenyo tulad ng difference-in-difference (DiD), instrumental variable (IV), regression discontinuity (RDD) na may suporta ng artificial intelligence
Ang kakayahang makita ang pagtukoy sa pagpapalagay kung saan nakabatay ang bawat disenyo (parallel trends, exclusion constraint, continuity in discontinuity) at ang papel ng AI sa paggawa ng test/defense code
Kakayahang kritikal na suriin ang diskarte ng pagkilala at pagtukoy ng mga interpretasyon ng artipisyal na katalinuhan na gumagawa ng labis na sanhi ng mga claim mula sa data ng pagmamasid.

Nakaraang Susunod