کتاب صوتی تخمین اثر علّی حاشیه‌ای با متغیرهای ابزاری پیوسته: یک روش کارآمد و قوی

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره تخمین اثر علّی حاشیه‌ای با متغیرهای ابزاری پیوسته: یک روش کارآمد و قوی

موضوع کلی: استنباط علّی در داده‌های مشاهده‌ای

موضوع میانی: متغیرهای ابزاری پیوسته: روش‌ها و کاربردها

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر استنباط علّی در داده‌های مشاهده‌ای
• 2. چالش‌های استنباط علّی
• 3. مفهوم اثر علّی
• 4. انواع اثرات علّی (متوسط، حاشیه‌ای)
• 5. مقدمه‌ای بر متغیرهای ابزاری (IV)
• 6. مفهوم متغیر ابزاری (IV)
• 7. شرایط لازم برای یک متغیر ابزاری معتبر
• 8. محدودیت‌های متغیرهای ابزاری کلاسیک
• 9. معرفی متغیرهای ابزاری پیوسته
• 10. مزایای استفاده از متغیرهای ابزاری پیوسته
• 11. چالش‌های خاص متغیرهای ابزاری پیوسته
• 12. مرور مقاله‌ی "Marginal Causal Effect Estimation with Continuous Instrumental Variables"
• 13. اهداف اصلی مقاله
• 14. دستاوردها و نوآوری‌های مقاله
• 15. ساختار و رویکرد مقاله
• 16. داده‌های مشاهده‌ای و مسئله‌ی تعدیل‌کننده (Confounding)
• 17. مدل‌های آماری برای داده‌های مشاهده‌ای
• 18. رگرسیون و محدودیت‌های آن در استنباط علّی
• 19. مقدمه‌ای بر مفاهیم بنیادی علّی (Causal Inference)
• 20. نمودارهای علّی جهت‌دار (DAGs)
• 21. مفهوم و ساختار DAGs
• 22. روش‌های استخراج روابط علّی از DAGs
• 23. استفاده از DAGs برای شناسایی متغیرهای ابزاری
• 24. استنباط علّی با استفاده از متغیرهای ابزاری در حالت تک‌متغیره
• 25. روش حداقل مربعات دو مرحله‌ای (2SLS)
• 26. مفروضات روش 2SLS
• 27. کاربرد 2SLS در عمل
• 28. محدودیت‌های 2SLS در شرایط خاص
• 29. معرفی مفهوم اثر علّی حاشیه‌ای (MCE)
• 30. تعریف دقیق MCE
• 31. تفاوت MCE با اثر علّی میانگین (ATE)
• 32. روش‌های تخمین MCE در حضور متغیرهای ابزاری
• 33. مشکلات تخمین MCE با متغیرهای ابزاری پیوسته
• 34. پیش‌فرض‌های مدل در مقاله
• 35. فرض ابزار بودن (Instrument Exogeneity)
• 36. فرض ارتباط (Instrument Relevance)
• 37. فرض عدم اختلاط (No Unmeasured Confounding)
• 38. فرض استقلال (Independence Assumption)
• 39. مفهوم تضعیف (Weak Instruments) و اثرات آن
• 40. روش‌های مقابله با تضعیف در متغیرهای ابزاری
• 41. مفهوم اثر علّی حاشیه‌ای در مقاله
• 42. فرمول‌بندی ریاضی MCE
• 43. نحوه ارتباط MCE با ساختار علّی
• 44. مدل‌سازی متغیر ابزاری پیوسته
• 45. مدل خطی برای متغیر ابزاری پیوسته
• 46. مدل غیرخطی برای متغیر ابزاری پیوسته
• 47. فرضیات مدل‌سازی در مقاله
• 48. روش‌های جدید برای تخمین MCE با متغیرهای ابزاری پیوسته
• 49. معرفی روش اصلی مقاله
• 50. مراحل کلیدی روش
• 51. محاسبه اثرات حاشیه‌ای
• 52. استفاده از هسته‌های توزیع (Kernel Smoothing)
• 53. جزئیات فنی هسته‌های توزیع
• 54. انتخاب پهنای باند (Bandwidth Selection)
• 55. کاربرد هسته‌های توزیع در تخمین MCE
• 56. پیاده‌سازی عددی روش مقاله
• 57. الگوریتم پیشنهادی در مقاله
• 58. بهینه‌سازی محاسباتی
• 59. روش‌های تقریبی برای تخمین MCE
• 60. قوت (Robustness) روش مقاله
• 61. مقاومت در برابر نقض فرضیات
• 62. تحلیل حساسیت (Sensitivity Analysis)
• 63. ارزیابی قوت در برابر متغیرهای ابزاری ضعیف
• 64. ارزیابی قوت در برابر اختلاط‌های اندازه‌گیری نشده
• 65. کاربرد عملی متغیرهای ابزاری پیوسته
• 66. مطالعات موردی (Case Studies)
• 67. کاربرد در اقتصاد
• 68. کاربرد در پزشکی و بهداشت عمومی
• 69. کاربرد در علوم اجتماعی
• 70. مثال‌های عددی برای توضیح روش
• 71. تفسیر نتایج MCE
• 72. نحوه گزارش‌دهی نتایج
• 73. مقایسه روش مقاله با روش‌های موجود
• 74. مزایای روش مقاله نسبت به 2SLS
• 75. مزایای روش مقاله نسبت به سایر روش‌های IV پیوسته
• 76. معایب احتمالی روش مقاله
• 77. پیچیدگی پیاده‌سازی
• 78. نیاز به مفروضات قوی‌تر
• 79. محدودیت‌های داده‌ای
• 80. نرم‌افزارهای پیاده‌سازی
• 81. کتابخانه‌های مرتبط در R یا Python
• 82. مثال‌های کدنویسی
• 83. چالش‌های عملی در استفاده از متغیرهای ابزاری پیوسته
• 84. انتخاب متغیر ابزاری مناسب
• 85. اعتبار سنجی متغیر ابزاری
• 86. کنترل تعدیل‌کننده‌ها
• 87. مباحث پیشرفته در متغیرهای ابزاری پیوسته
• 88. متغیرهای ابزاری چندگانه
• 89. متغیرهای ابزاری پیوسته و گسسته
• 90. متغیرهای ابزاری با مفروضات نقض شده
• 91. کاربرد در داده‌های پنلی
• 92. کاربرد در داده‌های شبکه‌ای
• 93. رویکردهای بیزی در استنباط علّی با متغیرهای ابزاری
• 94. نظریه و کاربردهای آمار بیزی
• 95. پیاده‌سازی بیزی برای MCE
• 96. ارزیابی و مقایسه مدل‌ها
• 97. تحلیل آماری عمیق‌تر
• 98. مفاهیم پیشرفته در استنباط علّی
• 99. اثرات شرطی (Conditional Effects)
• 100. اثرات توالی (Sequential Effects)