اپلیکیشن اندرویدی فلش‌کارت آموزشی اعتبار بیرونی در تحلیل RD: یادگیری استنباط مشترک و کاربردهای عملی

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره اعتبار بیرونی در تحلیل RD: یادگیری استنباط مشترک و کاربردهای عملی

موضوع کلی: اقتصادسنجی و ارزیابی سیاست‌ها

موضوع میانی: اعتبار بیرونی و تحلیل ناپیوستگی رگرسیون (RD)

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر ارزیابی سیاست‌ها
• 2. مفهوم علیت و استنباط علّی
• 3. مسئله بنیادی استنباط علّی در علوم اجتماعی
• 4. مروری بر روش‌های ارزیابی سیاست‌های عمومی
• 5. تحلیل ناپیوستگی رگرسیون (RD): مبانی و کاربردها
• 6. منطق شهودی تحلیل RD و مزایای آن
• 7. معرفی متغیرهای تعیین‌کننده (Running Variable) و حد آستانه (Cutoff)
• 8. تحلیل RD تیز (Sharp RD) و مفروضات آن
• 9. تحلیل RD فازی (Fuzzy RD) و مکانیسم آن
• 10. تفاوت‌های کلیدی بین RD تیز و فازی و انتخاب مناسب
• 11. مفروضات اصلی تحلیل RD: پیوستگی و عدم دستکاری
• 12. بررسی گرافیکی مفروضات RD با استفاده از داده‌ها
• 13. تفسیر اولیه نمودارهای RD: اثر در حد آستانه
• 14. مقدمه‌ای بر انتخاب عرض باند (Bandwidth) در RD
• 15. توابع هسته (Kernel Functions) و نقش آن‌ها در برآورد RD
• 16. رگرسیون چندجمله‌ای محلی (Local Polynomial Regression) در RD
• 17. انتخاب درجه بهینه چندجمله‌ای برای مدل‌سازی
• 18. برآورد اثر درمان در RD: نقطه برآورد و دقت
• 19. استنباط آماری در RD: محاسبه خطاهای استاندارد
• 20. روش‌های بوت‌استرپینگ برای برآورد واریانس در RD
• 21. انتخاب عرض باند بهینه: روش‌های داده-محور (e.g., MSE-optimal)
• 22. معرفی و کاربرد پکیج‌های RD در نرم‌افزارهای آماری (R/Stata)
• 23. آزمون‌های حساسیت و بررسی اعتبار داخلی نتایج RD
• 24. آزمون تعادل کوواریت‌ها در حد آستانه
• 25. آزمون‌های مکان‌نما (Placebo Tests) برای رد علیت ساختگی
• 26. بررسی دستکاری متغیر تعیین‌کننده: آزمون مک‌کری (McCrary Test)
• 27. استفاده از کوواریت‌ها برای افزایش دقت در مدل RD
• 28. ملاحظات عملی در انتخاب مشخصات مدل RD
• 29. مقایسه رویکردهای پارامتری و ناپارامتری در RD
• 30. برآورد اثر درمان محلی (LATE) در RD فازی
• 31. اعتبار بیرونی (External Validity) چیست؟
• 32. اهمیت اعتبار بیرونی در سیاست‌گذاری و تعمیم‌پذیری
• 33. تمایز دقیق بین اعتبار داخلی و اعتبار بیرونی
• 34. چالش‌های تعمیم‌پذیری یافته‌های پژوهش‌های علّی
• 35. تعریف جمعیت هدف (Target Population) و جمعیت مورد مطالعه (Study Population)
• 36. مفهوم ناهمگونی اثرات درمان (Treatment Effect Heterogeneity)
• 37. عوامل مؤثر بر ایجاد ناهمگونی در اثرات
• 38. مکانیسم‌های اساسی ناهمگونی اثرات درمان
• 39. انتخاب و استفاده از متغیرهای تعدیل‌کننده (Effect Modifiers)
• 40. تهدیدات رایج برای دستیابی به اعتبار بیرونی
• 41. عدم تطابق ویژگی‌ها بین جمعیت‌ها و محیط‌ها
• 42. سوگیری انتخاب (Selection Bias) در فرآیند تعمیم
• 43. مفهوم انتقال‌پذیری (Transportability) اثرات درمان
• 44. شرایط لازم برای انتقال‌پذیری معتبر
• 45. مروری بر رویکردهای سنتی برای ارزیابی اعتبار بیرونی
• 46. محدودیت‌های تحلیل RD در زمینه تعمیم‌پذیری یافته‌ها
• 47. چرا اثر RD لزوماً قابل تعمیم به کل جمعیت هدف نیست؟
• 48. LATE و محدودیت آن برای تصمیم‌گیری‌های سیاست‌گذاری گسترده
• 49. شرایطی که تحت آن اثر RD ممکن است قابل تعمیم باشد
• 50. شناسایی پشتیبان مشترک (Common Support) بین جمعیت‌ها
• 51. مسئله برون‌یابی (Extrapolation) و خطرات آن در RD
• 52. نیاز به رویکردهای سیستماتیک برای ارزیابی اعتبار بیرونی RD
• 53. مقدمه‌ای بر مفهوم استنباط مشترک (Joint Inference)
• 54. انگیزه اصلی برای توسعه روش‌های جدید استنباط مشترک RD و اعتبار بیرونی
• 55. معرفی مقاله "Joint Inference for the Regression Discontinuity Effect and Its External Validity"
• 56. هدف اصلی مقاله: استنباط همزمان برای اثر RD و قابلیت تعمیم آن
• 57. تعریف پارامتر هدف جدید: میانگین اثر درمان در جمعیت هدف
• 58. نقش محوری متغیرهای تعدیل‌کننده اثر در استنباط مشترک
• 59. تمایز میان کوواریت‌ها و متغیرهای تعدیل‌کننده اثر در این چارچوب
• 60. مفروضات کلیدی برای شناسایی در چارچوب استنباط مشترک
• 61. فرض انتقال‌پذیری (Transportability Assumption) به تفصیل
• 62. فرض عدم دستکاری (No Manipulation) در جمعیت‌های مختلف
• 63. چارچوب نظری شناسایی اثرات در جمعیت هدف
• 64. ضرورت جمع‌آوری داده‌های مناسب از هر دو جمعیت (مطالعه و هدف)
• 65. استنباط مشترک به چه معناست و چه چیزی را برآورد می‌کند؟
• 66. مدل‌سازی اثرات ناهمگن در چهارچوب مقاله الهام‌بخش
• 67. چگونه اثر RD را در جمعیت هدف برآورد کنیم؟
• 68. انواع مختلف جمعیت‌های هدف در مطالعات سیاست‌گذاری
• 69. تعمیم اثر RD از یک مکان یا زمان به مکان/زمان دیگر
• 70. چالش‌های اندازه‌گیری دقیق متغیرهای تعدیل‌کننده در هر دو جمعیت
• 71. رویکردهای برآوردی برای استنباط مشترک اثرات
• 72. روش وزن‌دهی مجدد (Reweighting) بر اساس ویژگی‌های جمعیت‌ها
• 73. انتخاب توابع وزن مناسب در روش وزن‌دهی
• 74. روش تنظیم کوواریت (Covariate Adjustment) در استنباط مشترک
• 75. مقایسه و ادغام روش‌های وزن‌دهی و تنظیم کوواریت
• 76. ترکیب روش‌ها برای برآوردهای قوی‌تر و کارآمدتر
• 77. برآورد واریانس و محاسبه خطاهای استاندارد در استنباط مشترک
• 78. ساخت بازه‌های اطمینان برای پارامتر تعمیم‌یافته RD
• 79. مدل‌سازی اثرات ناهمگن با استفاده از توابع چندجمله‌ای
• 80. مدل‌سازی اثرات ناهمگن با رویکردهای رگرسیون ناپارامتری
• 81. الگوریتم‌های گام به گام برای پیاده‌سازی استنباط مشترک
• 82. برخورد با تعداد زیاد متغیرهای تعدیل‌کننده
• 83. انتخاب بهینه مدل برای ناهمگونی اثرات و انتقال‌پذیری
• 84. آزمون‌های حساسیت نسبت به نقض مفروضات کلیدی
• 85. آزمون‌های اعتبار برای مفروضات استنباط مشترک
• 86. پیاده‌سازی استنباط مشترک در نرم‌افزار R (معرفی پکیج‌های مرتبط)
• 87. پیاده‌سازی استنباط مشترک در Stata (نوشتن دستورات سفارشی)
• 88. آماده‌سازی داده‌ها و گام‌های پیش‌پردازش برای استنباط مشترک
• 89. تفسیر نتایج به دست آمده از تحلیل استنباط مشترک
• 90. کاربردهای عملی استنباط مشترک در ارزیابی سیاست‌های اقتصادی
• 91. مطالعات موردی: ارزیابی سیاست‌های آموزشی و قابلیت تعمیم آن‌ها
• 92. مطالعات موردی: ارزیابی برنامه‌های بهداشتی و اعتبار بیرونی
• 93. مطالعات موردی: ارزیابی سیاست‌های اجتماعی و انتقال‌پذیری
• 94. محدودیت‌ها و چالش‌های باقی‌مانده در روش استنباط مشترک
• 95. مسیرهای تحقیقاتی آینده در زمینه RD و اعتبار بیرونی
• 96. موضوعات پیشرفته: RD با بیش از یک حد آستانه
• 97. موضوعات پیشرفته: RD فضایی و زمانی
• 98. موضوعات پیشرفته: ادغام RD با روش‌های یادگیری ماشین برای ناهمگونی
• 99. مرور جامع دوره و خلاصه‌بندی مفاهیم کلیدی استنباط مشترک
• 100. پرسش و پاسخ: چالش‌ها و کاربردهای پیشرفته RD و اعتبار بیرونی