اپلیکیشن اندرویدی فلش‌کارت آموزشی تخمین اثرات پویا در طرح‌های پیچیده: فراتر از رگرسیون اثرات ثابت دوطرفه

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره تخمین اثرات پویا در طرح‌های پیچیده: فراتر از رگرسیون اثرات ثابت دوطرفه

موضوع کلی: اقتصادسنجی کاربردی

موضوع میانی: روش‌های تفاوت در تفاوت (DiD) و مطالعه رویداد (Event Study)

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر اقتصادسنجی و تحلیل علی
• 2. مبانی رگرسیون خطی و مدل‌های خطی تعمیم‌یافته
• 3. اثرات متغیرهای مخدوش‌کننده و کنترل برای آنها
• 4. متغیرهای ابزاری: مقدمه و کاربردها
• 5. رگرسیون ناپیوسته: اصول و کاربردها
• 6. مقدمه‌ای بر روش تفاوت در تفاوت (DiD)
• 7. فرض روند موازی در DiD: اهمیت و آزمون
• 8. مدل استاندارد DiD: رگرسیون اثرات ثابت دوطرفه
• 9. تفسیر ضرایب در مدل DiD
• 10. آزمون‌های تشخیصی برای اعتبار DiD
• 11. پردازش داده‌ها و آماده‌سازی برای تحلیل DiD
• 12. استفاده از نرم‌افزارهای آماری برای اجرای DiD (Stata, R, Python)
• 13. DiD با متغیرهای وابسته باینری (Binary Dependent Variables)
• 14. DiD با متغیرهای وابسته شمارشی (Count Dependent Variables)
• 15. DiD با متغیرهای وابسته محدودشده (Limited Dependent Variables)
• 16. مشکلات رایج در DiD و راه‌حل‌ها
• 17. تشخیص و رفع هم‌خطی (Multicollinearity) در DiD
• 18. تشخیص و رفع ناهمسانی واریانس (Heteroscedasticity) در DiD
• 19. تشخیص و رفع خودهمبستگی (Autocorrelation) در DiD
• 20. مدل‌های DiD با اثرات ثابت چندگانه
• 21. DiD با گروه‌های درمانی متعدد
• 22. DiD با دوره‌های زمانی متعدد
• 23. متغیرهای کنترلی در DiD: انتخاب و تفسیر
• 24. تعاملات متغیرها در DiD: بررسی اثرات تعدیل‌کننده
• 25. آزمون‌های قوی (Robustness Checks) در DiD
• 26. اثرات تاخیری درمان در DiD
• 27. اثرات انتظاری درمان در DiD
• 28. مقدمه‌ای بر روش مطالعه رویداد (Event Study)
• 29. ارتباط بین DiD و مطالعه رویداد
• 30. تعریف رویداد و دوره رویداد
• 31. ساختار داده‌ها برای مطالعه رویداد
• 32. رگرسیون مطالعه رویداد: مدل پایه
• 33. تفسیر ضرایب در رگرسیون مطالعه رویداد
• 34. آزمون فرض روند موازی در مطالعه رویداد
• 35. نحوه بصری‌سازی نتایج مطالعه رویداد
• 36. توسعه مدل مطالعه رویداد با متغیرهای کنترلی
• 37. مطالعه رویداد با چندین رویداد
• 38. مطالعه رویداد با گروه‌های درمانی متعدد
• 39. مطالعه رویداد با دوره‌های زمانی متعدد
• 40. مطالعه رویداد با اثرات متغیر وابسته (Dependent Variable)
• 41. مطالعه رویداد و اثرات ناهمگن (Heterogeneous Effects)
• 42. اثرات تاخیری و پیش‌بینی در مطالعه رویداد
• 43. تشخیص مشکلات در مطالعه رویداد و راه‌حل‌ها
• 44. انتخاب مدل مناسب بین DiD و مطالعه رویداد
• 45. مقدمه‌ای بر مدل‌های پنل دیتا
• 46. رگرسیون اثرات ثابت (Fixed Effects Regression)
• 47. رگرسیون اثرات تصادفی (Random Effects Regression)
• 48. آزمون Hausman برای انتخاب بین اثرات ثابت و تصادفی
• 49. مدل‌های پنل پویا (Dynamic Panel Models)
• 50. تخمین زن GMM برای مدل‌های پنل پویا
• 51. DiD با داده‌های پنل
• 52. مطالعه رویداد با داده‌های پنل
• 53. روش‌های بوت‌استرپ (Bootstrapping) در DiD و مطالعه رویداد
• 54. استفاده از وزن‌دهی (Weighting) در DiD و مطالعه رویداد
• 55. روش‌های تطبیق (Matching) در DiD و مطالعه رویداد
• 56. تطبیق گرایش (Propensity Score Matching)
• 57. تطبیق همسایه نزدیک (Nearest Neighbor Matching)
• 58. DiD و مطالعه رویداد با داده‌های طولی (Longitudinal Data)
• 59. متغیرهای میانی (Mediating Variables) در DiD و مطالعه رویداد
• 60. متغیرهای تعدیل‌کننده (Moderating Variables) در DiD و مطالعه رویداد
• 61. روش‌های استنباط علی (Causal Inference) پیشرفته
• 62. مقدمه‌ای بر شبکه‌های علی (Causal Networks)
• 63. تخمین اثرات درمان در شبکه‌های علی
• 64. استفاده از یادگیری ماشین (Machine Learning) در DiD و مطالعه رویداد
• 65. روش‌های جنگل تصادفی (Random Forests) برای انتخاب متغیر
• 66. ماشین‌های بردار پشتیبان (Support Vector Machines) برای پیش‌بینی
• 67. رگرسیون کمترین مربعات منظم‌شده (Regularized Least Squares)
• 68. تکنیک‌های اعتبار سنجی متقابل (Cross-Validation)
• 69. تخمین اثرات ناهمگن درمان با استفاده از یادگیری ماشین
• 70. DiD و مطالعه رویداد با داده‌های فضایی (Spatial Data)
• 71. مدل‌های فضایی خودرگرسیون (Spatial Autoregressive Models)
• 72. مدل‌های خطا فضایی (Spatial Error Models)
• 73. تحلیل خوشه‌ای (Cluster Analysis) در DiD و مطالعه رویداد
• 74. مقدمه‌ای بر تحلیل بقا (Survival Analysis)
• 75. مدل کاکس (Cox Model)
• 76. تحلیل بقا با DiD و مطالعه رویداد
• 77. اثرات رژیم‌های سیاستی (Policy Regimes) بر پیامدها
• 78. تخمین اثرات سیاستی با DiD و مطالعه رویداد
• 79. مقدمه‌ای بر مدل‌سازی معادلات ساختاری (Structural Equation Modeling)
• 80. استفاده از SEM برای تحلیل علی
• 81. DiD و مطالعه رویداد در SEM
• 82. مقدمه‌ای بر مدل‌های مارکوف پنهان (Hidden Markov Models)
• 83. کاربرد HMM در اقتصادسنجی
• 84. DiD و مطالعه رویداد در HMM
• 85. تحلیل حساسیت (Sensitivity Analysis) در DiD و مطالعه رویداد
• 86. بررسی تاثیر فرض روند موازی
• 87. روش‌های برخورد با مشاهدات پرت (Outliers)
• 88. DiD و مطالعه رویداد در حضور متغیرهای حذف‌شده (Omitted Variables)
• 89. DiD و مطالعه رویداد در حضور انتخاب نمونه‌گیری (Sample Selection)
• 90. مقدمه‌ای بر متاآنالیز (Meta-Analysis)
• 91. ترکیب نتایج مطالعات DiD و مطالعه رویداد
• 92. سوگیری انتشار (Publication Bias) در متاآنالیز
• 93. اخلاق در پژوهش و استفاده مسئولانه از DiD و مطالعه رویداد
• 94. نحوه گزارش نتایج DiD و مطالعه رویداد
• 95. تفسیر دقیق و واضح نتایج
• 96. اجتناب از ادعاهای علی قاطع
• 97. محدودیت‌های DiD و مطالعه رویداد و نحوه بحث در مورد آنها
• 98. آینده DiD و مطالعه رویداد: چالش‌ها و فرصت‌ها
• 99. تکنیک‌های پیشرفته تخمین اثرات درمان
• 100. بررسی مقالات پژوهشی برجسته در DiD و مطالعه رویداد