اپلیکیشن اندرویدی فلش‌کارت آموزشی کنترل ترکیبی مقاوم توزیعی (DRoSC): استنباط علّی قابل اعتماد در برابر همبستگی بالا و تغییر وزن‌ها

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره کنترل ترکیبی مقاوم توزیعی (DRoSC): استنباط علّی قابل اعتماد در برابر همبستگی بالا و تغییر وزن‌ها

موضوع کلی: روش‌های استنباط علّی

موضوع میانی: کنترل ترکیبی و ارتقاءهای مقاوم

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر استنباط علّی: فراتر از همبستگی
• 2. مسئله بنیادین استنباط علّی
• 3. چارچوب نتایج بالقوه (Potential Outcomes Framework)
• 4. ضدواقعیت‌ها (Counterfactuals): جهان‌های مشاهده‌نشده
• 5. اثر درمانی میانگین (ATE) و اثر درمانی بر روی تیمارشدگان (ATT)
• 6. متغیرهای مخدوش‌کننده (Confounding Variables) و سوگیری انتخاب
• 7. روش‌های کلاسیک کنترل مخدوش‌کننده‌ها: رگرسیون و تطبیق (Matching)
• 8. مقدمه‌ای بر داده‌های پانلی (Panel Data) در تحلیل علّی
• 9. روش تفاوت در تفاوت‌ها (Difference-in-Differences) و فروض آن
• 10. محدودیت‌های روش‌های سنتی و نیاز به رویکردهای جدید
• 11. کنترل ترکیبی (Synthetic Control): شهود و ایده اصلی
• 12. معرفی مدل اصلی آبدی، دیاموند و هینمولر
• 13. مفهوم استخر اهداکننده (Donor Pool)
• 14. نقش متغیرهای پیش‌بینی‌کننده (Predictors) پیش از مداخله
• 15. بردار وزن‌ها (w): ساختن یک دوقلوی ترکیبی
• 16. فرمولاسیون مسئله بهینه‌سازی در کنترل ترکیبی کلاسیک
• 17. فرض کلیدی: قرارگیری واحد تیمار در پوش محدب (Convex Hull) واحدهای کنترل
• 18. تفسیر وزن‌های کنترل ترکیبی: اهمیت و شفافیت
• 19. نقاط قوت کنترل ترکیبی: رویکرد داده‌محور و جلوگیری از برون‌یابی
• 20. مطالعه موردی کلاسیک: تاثیر قانون ۹۹ کالیفرنیا بر مصرف دخانیات
• 21. محدودیت اول: مشکل درون‌یابی (Interpolation) در برابر برون‌یابی (Extrapolation)
• 22. محدودیت دوم: حساسیت به انتخاب استخر اهداکننده
• 23. چالش اصلی: همبستگی بالای واحدهای کنترل
• 24. پیامدهای همبستگی بالا: ناپایداری و پراکندگی وزن‌ها
• 25. خطر بیش‌برازش (Overfitting) در دوره پیش از مداخله
• 26. سوگیری ناشی از عدم وجود تطابق کامل پیش از مداخله
• 27. عدم قطعیت و فقدان چارچوب استنباط آماری در مدل اولیه
• 28. ماهیت گسسته و پراکنده (Sparse) وزن‌ها در کنترل ترکیبی کلاسیک
• 29. نیاز به مقاوم‌سازی: چرا کنترل ترکیبی کلاسیک کافی نیست؟
• 30. مقدمه‌ای بر بهینه‌سازی مقاوم (Robust Optimization)
• 31. مفهوم مجموعه عدم قطعیت یا ابهام (Ambiguity Set)
• 32. استراتژی کمینه‌بیشینه (Min-Max): بهینه‌سازی برای بدترین سناریو
• 33. معرفی فاصله واشراشتاین (Wasserstein Distance) به عنوان معیاری برای عدم قطعیت توزیعی
• 34. شهود فاصله واشراشتاین: هزینه جابجایی توزیع‌ها
• 35. چرا فاصله واشراشتاین برای کنترل ترکیبی مناسب است؟
• 36. پیوند مجموعه ابهام با داده‌های استخر اهداکننده
• 37. فرمولاسیون دوگان (Dual Formulation) و ساده‌سازی مسئله
• 38. معرفی پارامتر جریمه (Penalty Parameter) و نقش آن در مدل
• 39. کنترل ترکیبی مقاوم توزیعی (DRoSC): ایده اصلی
• 40. تابع هدف در DRoSC: ترکیب برازش و مقاومت
• 41. ترم اول: به حداقل رساندن خطای دوره پیش از مداخله
• 42. ترم دوم: جریمه مقاومت توزیعی
• 43. نقش جریمه L2 (Ridge) بر روی وزن‌ها
• 44. چگونگی مقابله DRoSC با همبستگی بالای واحدها از طریق جریمه L2
• 45. مقابله با تغییر وزن‌ها (Weight Shifts) از طریق چارچوب مقاوم
• 46. انتخاب پارامتر مقاومت (λ): توازن بین برازش و مقاومت
• 47. استفاده از اعتبارسنجی متقابل (Cross-Validation) برای تنظیم هایپرپارامترها
• 48. مقایسه وزن‌های DRoSC (چگال) با کنترل ترکیبی کلاسیک (پراکنده)
• 49. مقایسه فرمولاسیون بهینه‌سازی DRoSC و کنترل ترکیبی کلاسیک
• 50. مفهوم ضدواقعیت مقاوم (Robust Counterfactual)
• 51. تفسیر خروجی‌های مدل DRoSC
• 52. بررسی تعادل (Balance Checks) برای متغیرهای پیش‌بینی‌کننده در DRoSC
• 53. تحلیل حساسیت نسبت به انتخاب پارامتر مقاومت λ
• 54. ارتباط بین جریمه L2 و پایداری مدل
• 55. استنباط آماری برای روش‌های کنترل ترکیبی
• 56. آزمون‌های جایگشتی (Permutation Tests) به عنوان ابزار استنباط
• 57. آزمون‌های پلاسیبو در مکان (In-Space Placebo Tests)
• 58. آزمون‌های پلاسیبو در زمان (In-Time Placebo Tests)
• 59. محاسبه p-value بر اساس نتایج آزمون‌های پلاسیبو
• 60. ساخت بازه‌های اطمینان (Confidence Intervals) برای اثر مداخله
• 61. ارزیابی معناداری آماری اثر تخمین‌زده‌شده
• 62. چالش‌های استنباط در صورت وجود چندین واحد تیمار
• 63. استانداردهای گزارش‌دهی نتایج تحلیل DRoSC
• 64. پیاده‌سازی عملی DRoSC: نمای کلی نرم‌افزارها (R و Python)
• 65. آماده‌سازی داده‌ها: ساختاردهی داده‌های پانلی برای تحلیل
• 66. راهنمای گام به گام اجرای یک پروژه DRoSC
• 67. انتخاب هوشمندانه متغیرهای پیش‌بینی‌کننده
• 68. بصری‌سازی نتایج DRoSC: نمودارهای مسیر و شکاف
• 69. اشتباهات رایج در پیاده‌سازی و نحوه اجتناب از آن‌ها
• 70. مطالعه موردی ۱: تحلیل مجدد داده‌های قانون ۹۹ کالیفرنیا با DRoSC
• 71. مطالعه موردی ۲: ارزیابی تاثیر یک سیاست اقتصادی
• 72. مطالعه موردی ۳: کاربرد در کسب‌وکار (مانند کمپین بازاریابی)
• 73. مقایسه نتایج DRoSC با کنترل ترکیبی کلاسیک در عمل
• 74. کنترل ترکیبی افزوده (Augmented Synthetic Control)
• 75. کنترل ترکیبی و تفاوت در تفاوت‌ها (Synthetic Difference-in-Differences)
• 76. مقایسه DRoSC با سایر روش‌های مقاوم‌سازی کنترل ترکیبی
• 77. موضوعات پیشرفته: پذیرش تدریجی مداخله (Staggered Adoption)
• 78. تعمیم DRoSC برای چندین واحد تیمار
• 79. محدودیت‌های روش DRoSC: چه زمانی نباید از آن استفاده کرد؟
• 80. ارتباط با یادگیری ماشین: رگولاریزاسیون و بهینه‌سازی مقاوم
• 81. روندهای آینده در روش‌های کنترل ترکیبی
• 82. جمع‌بندی نهایی: استنباط علّی قابل اعتماد در دنیای واقعی