اپلیکیشن اندرویدی فلشکارت آموزشی کنترل مخدوشگرها در استنباط علّی اقتصادسنجی
🎓 دوره آموزشی جامع
📚 اطلاعات دوره
عنوان دوره: دوره کنترل مخدوشگرها در استنباط علّی اقتصادسنجی
موضوع کلی: استنباط علّی و مدلسازی پویا در اقتصادسنجی
موضوع میانی: استنباط علّی در اقتصادسنجی نوآوری
📋 سرفصلهای دوره
- 1. مقدمهای بر استنباط علّی و چالشهای آن
- 2. مخدوشگرها: تعریف، انواع و اهمیت کنترل آنها
- 3. مخدوشگرهای مشاهدهشده و ناظر برنشده
- 4. فرضیات کلیدی در استنباط علّی
- 5. روشهای کنترل مخدوشگرها: مروری کلی
- 6. رگرسیون چندگانه به عنوان ابزاری برای کنترل مخدوشگرها
- 7. انتخاب متغیرهای کنترلی در رگرسیون
- 8. مشکلات رگرسیون چندگانه: چندخطی بودن و تورم واریانس
- 9. متغیرهای ابزاری (Instrumental Variables): مقدمه و مفاهیم
- 10. شرایط لازم برای استفاده از متغیرهای ابزاری
- 11. یافتن متغیرهای ابزاری معتبر
- 12. روش حداقل مربعات دو مرحلهای (2SLS)
- 13. بررسی اعتبار متغیرهای ابزاری
- 14. روش تفاضل در تفاوتها (Difference-in-Differences)
- 15. فرضیات روش تفاضل در تفاوتها
- 16. کاربردهای روش تفاضل در تفاوتها
- 17. روش تطابق امتیاز تمایل (Propensity Score Matching)
- 18. محاسبه امتیاز تمایل
- 19. روشهای تطابق امتیاز تمایل
- 20. ارزیابی کیفیت تطابق
- 21. روش متغیرهای کنترل متغیر (Control Function)
- 22. روش مخدوشگرهای با ابعاد بالا (High-Dimensional Confounders)
- 23. روشهای منظمسازی (Regularization) برای کنترل مخدوشگرها
- 24. یادگیری ماشین و کنترل مخدوشگرها
- 25. استفاده از شبکههای عصبی برای کنترل مخدوشگرها
- 26. کنترل مخدوشگرها در دادههای پانلی
- 27. مدلهای اثرات ثابت و تصادفی
- 28. روشهای کنترل مخدوشگرها در دادههای سری زمانی
- 29. مدلهای خودرگرسیونی با میانگین متحرک (ARIMA) و کنترل مخدوشگرها
- 30. استنباط علّی در تنظیمات تجربی
- 31. طراحی آزمایشهای تصادفی کنترلشده (RCT)
- 32. کنترل مخدوشگرها در RCTها
- 33. محدودیتهای RCTها
- 34. روشهای شبهآزمایشی (Quasi-Experimental Methods)
- 35. روشهای رگرسیونی ناپیوسته (Regression Discontinuity)
- 36. کاربردهای روش رگرسیونی ناپیوسته
- 37. روش همتایان وزنیشده (Weighted Peer Effects)
- 38. کنترل مخدوشگرها در مدلهای اقتصادسنجی نوآوری
- 39. کنترل مخدوشگرها در ارزیابی سیاستها
- 40. کنترل مخدوشگرها در ارزیابی فناوریهای جدید
- 41. کنترل مخدوشگرها در تحلیل شبکهها
- 42. تحلیل حساسیت به مخدوشگرهای ناظر برنشده
- 43. روشهای حساسیت با استفاده از مرزهای حساسیت
- 44. بررسی robustness نتایج در برابر مخدوشگرهای مختلف
- 45. ملاحظات اخلاقی در کنترل مخدوشگرها
- 46. نرمافزارهای اقتصادسنجی برای کنترل مخدوشگرها: Stata, R, Python
این اپلیکیشن فارسی برای یادگیری و مرور محتوای آموزشی از طریق فلشکارت طراحی شده است. کارتها را یکییکی مرور کنید، پاسخ پرسشها را به یاد بیاورید و نتیجه هر پاسخ را ثبت کنید. محتوای دوره پس از نصب درون برنامه در دسترس است تا برای مطالعه روزمره معمولاً به اتصال مداوم اینترنت نیاز نداشته باشید.
محتوای آموزشی در قالبهای متنوع ارائه میشود تا هم برای یادگیری مفاهیم جدید و هم برای تثبیت آموختهها قابل استفاده باشد.
- رابط کاربری فارسی و راستچین با فونت وزیر.
- تم روشن و تیره مطابق تنظیمات سیستم.
- صفحهبندی ساده برای انتخاب دوره و شروع مرور.
- نمایش تعداد دفعات مرور هر فصل.
- انتخاب چند فصل برای مرور همزمان.
- امکان تمرکز بر فصلهایی که هنوز مرور نشدهاند.
این اپلیکیشن برای دانشآموزان، دانشجویان، داوطلبان آزمونها و علاقهمندان به یادگیری طراحی شده است؛ بهویژه کسانی که میخواهند مطالب آموزشی را در زمانهای کوتاه مرور کنند، دانستههای خود را بسنجند و مطالعه منظمتری داشته باشند.
نظرات
هنوز نظری ثبت نشده است.
وارد شوید تا نظر ثبت کنید.