Üniteler

1. Ekonometri ve İstatistikte Yapay Zeka: Roller, Sınırlar, Doğrulama ve Gizlilik 2. Veri Temizleme ve Hazırlama: Eksik Veri, Aykırı Değer ve Kodlama 3. Keşifçi Veri Analizi ve Görselleştirme: Yapay Zeka ile Grafik ve Yorum 4. Doğrusal Regresyon: Model Kurma, Katsayı Yorumu ve Varsayımlar 5. Regresyon Teşhisi ve İhlaller: Bağlantı, Değişen Varyans, Otokorelasyon 6. Hipotez Testi ve p-değeri: Anlamlılık, Güç ve Çoklu Karşılaştırma 7. p-hacking, HARKing ve İstatistiksel Dürüstlük: Yapay Zeka Çağında Tuzaklar 8. Zaman Serisi Analizi: Durağanlık, ARIMA ve Tahmin 9. Nedensellik ve Politika Analizi: DiD, IV, RDD ve Yapay Zeka 10. Kod Üretimi ve Yeniden Üretilebilirlik: R/Python, Sürüm ve Reproducibility 11. Rapor Yazımı, İletişim ve Etik: Sonuçların Sunumu ve Sınırların Bildirilmesi

Ünite 9 / 11

Nedensellik ve Politika Analizi: DiD, IV, RDD ve Yapay Zeka

Kazanimlar:

Korelasyon ile nedensellik ayrımını ve fark-içinde-fark (DiD), araç değişken (IV), regresyon süreksizliği (RDD) gibi tasarımların mantığını yapay zeka desteğiyle kavrayabilme
Her tasarımın dayandığı tanımlama varsayımını (paralel eğilimler, dışlama kısıtı, süreksizlikte süreklilik) ve yapay zekanın bunları test/savunma kodunu üretmedeki rolünü görebilme
Yapay zekanın gözlemsel veriden aşırı nedensel iddia üreten yorumlarını fark edip tanımlama stratejisini eleştirel değerlendirebilme

Önceki Sonraki