одиниці

1. Штучний інтелект в економетриці та статистиці: ролі, межі, автентифікація та конфіденційність 2. Очищення та підготовка даних: відсутні дані, викиди та кодування 3. Дослідницький аналіз і візуалізація даних: побудова графіків та інтерпретація за допомогою штучного інтелекту 4. Лінійна регресія: побудова моделі, інтерпретація коефіцієнтів та припущення 5. Регресійна діагностика та порушення: колінеарність, гетероскедастичність, автокореляція 6. Перевірка гіпотези та p-value: значимість, сила та численні порівняння 7. p-hacking, HARKing і статистична цілісність: підводні камені в епоху штучного інтелекту 8. Аналіз часових рядів: стаціонарність, ARIMA та прогнозування 9. Причинно-наслідковий зв'язок і аналіз політики: DiD, IV, RDD і штучний інтелект 10. Генерація коду та відтворюваність: R/Python, керування версіями та відтворюваність 11. Написання звітів, комунікація та етика: представлення результатів і повідомлення про межі

одиниця 9 / 11

Причинно-наслідковий зв'язок і аналіз політики: DiD, IV, RDD і штучний інтелект

Прибуток:

Розуміння різниці між кореляцією та причинно-наслідковим зв’язком і логікою дизайнів, таких як різниця в відмінності (DiD), інструментальна змінна (IV), розрив регресії (RDD) за підтримки штучного інтелекту
Можливість побачити визначальне припущення, на якому базується кожен дизайн (паралельні тенденції, обмеження виключення, безперервність у розриві) і роль ШІ у створенні тестового/захисного коду
Здатність критично оцінювати стратегію розпізнавання та ідентифікації інтерпретацій штучного інтелекту, які створюють надмірні причинно-наслідкові твердження на основі даних спостережень.

Колишній Далі