Awọn ẹya

1. Imọye Oríkĕ ni Awọn ọrọ-aje ati Awọn iṣiro: Awọn ipa, Awọn aala, Ijeri ati Aṣiri 2. Data Cleaning ati Igbaradi: Sonu Data, Outliers, ati Ifaminsi 3. Itupalẹ Data Exploratory ati Wiwo: Iyaworan ati Itumọ pẹlu Imọye Oríkĕ 4. Ipadasẹyin Laini: Ikọle Awoṣe, Itumọ Olusọdipúpọ ati Awọn Idaniloju 5. Awọn Ayẹwo Ipadasẹyin ati Awọn irufin: Collinearity, Heteroscedasticity, Autocorrelation 6. Idanwo Hypothesis ati p-iye: Pataki, Agbara, ati Awọn afiwera Ọpọ 7. p-jisaka, HARKing ati Iduroṣinṣin Iṣiro: Awọn ipalara ni Ọjọ-ori ti Imọye Oríkĕ 8. Onínọmbà jara akoko: iduro, ARIMA ati asọtẹlẹ 9. Idi ati Iṣayẹwo Ilana: DiD, IV, RDD ati Imọye Oríkĕ 10. Koodu iran ati reproducibility: r / Python, versioning ati reproducibility 11. Ijabọ Kikọ, Ibaraẹnisọrọ, ati Iwa: Awọn abajade Ififihan ati Awọn Aala Ibaraẹnisọrọ

Ẹyọ 9 / 11

Idi ati Iṣayẹwo Ilana: DiD, IV, RDD ati Imọye Oríkĕ

Awọn anfani:

Ni oye iyatọ laarin ibamu ati idinamọ ati imọran ti awọn apẹrẹ gẹgẹbi iyatọ-in-iyatọ (DiD), iyipada ohun-elo (IV), idaduro atunṣe (RDD) pẹlu atilẹyin ti itetisi atọwọda.
Ni anfani lati wo arosinu asọye lori eyiti apẹrẹ kọọkan da (awọn aṣa ti o jọra, idinamọ iyasoto, ilosiwaju ni idaduro) ati ipa ti AI ni iṣelọpọ idanwo / koodu aabo
Agbara lati ṣe iṣiro imọran imọran ti idanimọ ati idamọ awọn itumọ ti oye atọwọda ti o gbejade awọn iṣeduro idi ti o pọ julọ lati data akiyesi.

Ti tẹlẹ Itele