Введение в эконометрику: поиск причины и следствия в данных

В мире, наводненном данными, прогнозирования тенденций больше не достаточно. Чтобы принимать действительно эффективные решения, вы должны понять, является ли один фактор причиной другого, или же они просто коррелируют. Этот текстовый курс познакомит вас с основными принципами эконометрики, науки об определении причинно-следственных связей в экономических и социальных данных. Вы выйдете за рамки стандартного предсказывающего машинного обучения, чтобы овладеть аналитическими рамками, необходимыми для устранения предвзятости, выбора правильных переменных и выработки заслуживающих доверия выводов, которые определяют политику и бизнес-стратегию. Что вы узнаете: 1. Понять основополагающее различие между корреляцией, предсказанием и причинным выводом. 2. Применение классических моделей линейной регрессии для выделения влияния конкретных переменных. 3. Выявление и устранение общих источников систематических ошибок, таких как систематические ошибки, связанные с упущенной переменной, и систематическая ошибка при отборе. 4. Изучить современные причинно-следственные модели, включая направленные ациклические графы (НАГ) и модель потенциальных результатов. 5. Анализировать реальные сценарии с использованием инструментальных переменных, метода разницы в разницах и метода регрессионной разрывной модели. 6. Толкование статистических данных с упором на экономическую интуицию, а не на чисто математические абстракции. Мы начинаем с установления основных определений и экономической теории, обеспечивая, что у вас есть сильная теоретическая основа. Затем вы будете читать поэтапный письменный анализ, изучая, как структурировать эконометрические модели и решать проблемы с ограничениями данных в реальном мире. Этот курс предназначен для начинающих аналитиков данных, экономистов и любопытных новичков, которые хотят понять механику причины и следствия. Не требуется предварительного опыта работы в области статистики. Начните читать сегодня, чтобы раскрыть силу причинно-следственного мышления в анализе данных.