اپلیکیشن اندرویدی فلش‌کارت آموزشی تخمین اثرات رویدادی پیشرفته با did_multiplegt_dyn: آموزش گام به گام و کاربردی با مثال‌های واقعی

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره تخمین اثرات رویدادی پیشرفته با did_multiplegt_dyn: آموزش گام به گام و کاربردی با مثال‌های واقعی

موضوع کلی: اقتصادسنجی تجربی

موضوع میانی: تحلیل اثرات رویدادی (Event-Study) در داده‌های پانل

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر اقتصادسنجی تجربی و استنتاج علّی
• 2. مفهوم علّیت و همبستگی در تحقیقات اجتماعی
• 3. آشنایی با داده‌های پانل: ساختار و مزایا
• 4. معرفی روش تفاوت در تفاوت‌ها (DID)
• 5. فرضیات اساسی روش DID: روند‌های موازی
• 6. پیاده‌سازی DID پایه در Stata
• 7. تفسیر نتایج DID پایه
• 8. محدودیت‌های DID پایه: اثرات ایستا
• 9. مقدمه‌ای بر تحلیل اثرات رویدادی (Event Study)
• 10. چرا تحلیل اثرات رویدادی؟ بررسی اثرات دینامیک
• 11. مفاهیم کلیدی: زمان رویداد، زمان تقویمی، گروه درمانی، گروه کنترل
• 12. ساختار داده برای تحلیل اثرات رویدادی
• 13. نمایش گرافیکی نتایج اثرات رویدادی
• 14. بررسی کاربردها و مثال‌های اولیه تحلیل رویدادی
• 15. چالش‌های برآورد اثرات رویدادی
• 16. مسئله پذیرش تدریجی (Staggered Adoption) درمان
• 17. اثرات درمانی ناهمگون (Heterogeneous Treatment Effects)
• 18. سوگیری روش حداقل مربعات معمولی دوطرفه (TWFE) در رویدادهای تدریجی
• 19. تجزیه Goodman-Bacon برای درک سوگیری TWFE
• 20. مشکلات متغیرهای کنترلی "بد" (Bad Controls) در TWFE
• 21. دلایل شکست TWFE در حضور اثرات ناهمگون
• 22. نیاز به برآوردگرهای جدید DID
• 23. مروری بر رویکردهای نوین DID (CS, SA, BJS)
• 24. معرفی خانواده برآوردگرهای `did_multiplegt`
• 25. ویژگی‌های اصلی `did_multiplegt_dyn`
• 26. اهداف `did_multiplegt_dyn`: تخمین اثرات دینامیک
• 27. گروه‌های درمانی و کنترلی در طرح‌های پیچیده
• 28. مفاهیم پیشرو و پسرو (Leads and Lags) در اثرات رویدادی
• 29. انتخاب دوره مبنا (Reference Period)
• 30. اهمیت خطاهای استاندارد خوشه‌بندی شده
• 31. نصب بسته `did_multiplegt_dyn` در Stata
• 32. بررسی داده‌های نمونه برای `did_multiplegt_dyn`
• 33. آماده‌سازی داده‌ها: تعریف `idvar`, `timevar`, `treatvar`
• 34. ایجاد متغیر `first_treat`
• 35. تشریح دستور `did_multiplegt_dyn`: سینتکس اصلی
• 36. گزینه‌های `l()` و `p()` برای تنظیم Leads و Lags
• 37. انتخاب دوره پیش از درمان برای نرمال‌سازی `pre()`
• 38. افزودن متغیرهای کنترلی `covariates()`
• 39. استفاده از اثرات ثابت (Fixed Effects)
• 40. گزینه‌های مربوط به خطاهای استاندارد: `cluster()`, `vce()`
• 41. تنظیمات خوشه‌بندی استاندارد خطا: `cluster(panelid)`
• 42. فهم خروجی جدول `did_multiplegt_dyn`
• 43. تفسیر ضرایب برآورد شده برای هر دوره رویداد
• 44. دستور `estat esgraph` برای ترسیم نمودار اثرات رویدادی
• 45. سفارشی‌سازی نمودارهای اثرات رویدادی (محورها، عناوین)
• 46. ذخیره نتایج و نمودارها برای گزارش‌دهی
• 47. نحوه استخراج ضرایب و خطاهای استاندارد برای اکسپورت
• 48. اجرای `did_multiplegt_dyn` با یک مثال ساده
• 49. بررسی مقادیر پیش‌فرض و گزینه‌های آن‌ها
• 50. عیب‌یابی خطاهای رایج در `did_multiplegt_dyn`
• 51. تحلیل طرح‌های درمانی با چندین دوره درمان (Multiple Treatments)
• 52. پیاده‌سازی `did_multiplegt_dyn` برای درمان‌های تکراری (Repeated Treatments)
• 53. مطالعه موردی: اثر یک تغییر سیاست عمومی با پذیرش تدریجی
• 54. آماده‌سازی داده برای مطالعه موردی سیاست عمومی
• 55. اجرای `did_multiplegt_dyn` برای مطالعه موردی سیاست عمومی
• 56. تفسیر نتایج و بحث در مورد یافته‌ها
• 57. مطالعه موردی: تأثیر نوآوری تکنولوژیکی بر عملکرد شرکت‌ها
• 58. آماده‌سازی داده برای مطالعه موردی تکنولوژی
• 59. اجرای `did_multiplegt_dyn` برای مطالعه موردی تکنولوژی
• 60. بررسی تفاوت‌ها بین مطالعات موردی
• 61. تحلیل زیرگروهی (Subgroup Analysis) با `did_multiplegt_dyn`
• 62. بررسی اثرات ناهمگون بر اساس ویژگی‌های گروه‌ها
• 63. معرفی متغیرهای کنترلی متغیر با زمان (Time-Varying Covariates)
• 64. آزمون فرضیه روندهای موازی (Parallel Trends Assumption)
• 65. روش‌های بصری برای آزمون روندهای موازی (نمودارهای پیش از درمان)
• 66. آزمون‌های آماری برای بررسی روندهای موازی
• 67. تست‌های فریب (Placebo Tests) یا آزمون‌های جعلی
• 68. اجرای تست‌های فریب با `did_multiplegt_dyn`
• 69. بررسی اثرات انتظاری (Anticipation Effects)
• 70. روش‌های برخورد با اثرات انتظاری
• 71. تحلیل حساسیت (Sensitivity Analysis) به انتخاب‌های مدل
• 72. تأثیر تغییر پنجره رویداد (Event Window)
• 73. اثر حذف گروه‌های درمانی خاص
• 74. اعتبار داخلی و خارجی نتایج اثرات رویدادی
• 75. بحث در مورد سوگیری انتخاب (Selection Bias)
• 76. مقایسه `did_multiplegt_dyn` با `cs_did` (Callaway & Sant'Anna)
• 77. مقایسه `did_multiplegt_dyn` با `sunab` (Sun & Abraham)
• 78. مقایسه `did_multiplegt_dyn` با `did_sps` (Borusyak et al.)
• 79. نقاط قوت و ضعف هر برآوردگر
• 80. معیارهای انتخاب برآوردگر مناسب برای طرح تحقیق شما
• 81. تحلیل مکانیسم‌های علّی (Causal Mechanisms)
• 82. اثرات سرریز (Spillover Effects) و ملاحظات تعادل عمومی
• 83. رویکردهای پیشرفته برای وزن‌دهی (Weighting Schemes)
• 84. تحلیل قدرت (Power Analysis) در طرح‌های اثرات رویدادی
• 85. حداقل اندازه نمونه لازم برای تشخیص اثرات
• 86. برخورد با داده‌های گمشده (Missing Data)
• 87. بوت‌استرپینگ (Bootstrapping) برای تخمین خطاهای استاندارد
• 88. اهمیت اقتصادی در برابر اهمیت آماری
• 89. تفسیر اندازه اثرات (Magnitude of Effects)
• 90. اشتباهات رایج و بهترین روش‌ها در تحلیل اثرات رویدادی
• 91. تکثیر مطالعات منتشر شده با `did_multiplegt_dyn`
• 92. جهت‌گیری‌های آینده در روش‌شناسی اثرات رویدادی
• 93. ملاحظات اخلاقی در استنتاج علّی
• 94. پروژه نهایی: طراحی و اجرای تحلیل اثرات رویدادی خودتان
• 95. ارائه نتایج و بحث در مورد مفاهیم سیاستی
• 96. منابع اضافی برای یادگیری عمیق‌تر
• 97. بهترین شیوه‌ها برای گزارش‌دهی نتایج در مقالات علمی
• 98. نگارش بخش روش‌شناسی مقاله با `did_multiplegt_dyn`
• 99. از تخمین تا توصیه سیاستی: یک دیدگاه جامع
• 100. جمع‌بندی دوره و پرسش و پاسخ