دوره تحرک صعودی رتبه‌ای: رویکردهای ناپارامتریک و نیمه‌پارامتریک با کوپولا و رگرسیون توزیع همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره تحرک صعودی رتبه‌ای: رویکردهای ناپارامتریک و نیمه‌پارامتریک با کوپولا و رگرسیون توزیع

موضوع کلی: پویایی‌های اجتماعی و تحلیل نابرابری‌های درآمدی

موضوع میانی: روش‌های پیشرفته اندازه‌گیری و تخمین تحرک بین‌نسلی

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر پویایی اجتماعی و نابرابری
• 2. مفهوم تحرک اجتماعی: بین‌نسلی و درون‌نسلی
• 3. معیارهای کلاسیک نابرابری: شاخص جینی و منحنی لورنز
• 4. چرا تحرک رتبه‌ای؟ مقایسه با تحرک درآمدی مطلق
• 5. اهمیت مطالعه تحرک صعودی در سیاست‌گذاری عمومی
• 6. مروری بر مبانی احتمال و توزیع‌های آماری
• 7. توزیع‌های حاشیه‌ای، مشترک و شرطی
• 8. مفهوم کوانتیل (چندک) و تابع کوانتیل
• 9. رگرسیون خطی ساده و مفروضات آن
• 10. کشش بین‌نسلی (IGE) به عنوان معیار کلاسیک تحرک
• 11. محدودیت‌های مدل‌های پارامتریک در تحلیل تحرک
• 12. منحنی گتسبی بزرگ: رابطه بین نابرابری و تحرک
• 13. ماتریس‌های گذار (Transition Matrices) و کاربرد آن‌ها
• 14. معیار شیب رتبه-رتبه (Rank-Rank Slope)
• 15. چالش‌های داده‌ای در مطالعات تحرک بین‌نسلی
• 16. خطای اندازه‌گیری در درآمد والدین و پیامدهای آن
• 17. استفاده از درآمد دائمی در مقابل درآمد سالانه
• 18. مروری بر نظریه‌های اقتصادی تحرک اجتماعی (مدل بکر-تومز)
• 19. نقش سرمایه انسانی و آموزش در تحرک بین‌نسلی
• 20. نابرابری فرصت‌ها: تفکیک تلاش از شرایط
• 21. مقدمه‌ای بر روش‌های تخمین ناپارامتریک
• 22. چرا ناپارامتریک؟ فراتر از مفروضات سخت‌گیرانه
• 23. تخمین‌گر چگالی هسته (Kernel Density Estimation)
• 24. انتخاب پهنای باند (Bandwidth Selection) در تخمین هسته
• 25. رگرسیون ناپارامتریک: تخمین‌گر هسته نادارایا-واتسون
• 26. رگرسیون چندجمله‌ای موضعی (Local Polynomial Regression)
• 27. اسپلاین‌ها (Splines) و کاربرد آن‌ها در هموارسازی
• 28. مقدمه‌ای بر کوپولاها (Copulas)
• 29. کوپولا چیست؟ جداسازی وابستگی از توزیع‌های حاشیه‌ای
• 30. قضیه اسکلار: سنگ بنای تئوری کوپولا
• 31. ویژگی‌های اساسی یک تابع کوپولا
• 32. معیارهای وابستگی مبتنی بر رتبه: کندال تاو و اسپیرمن رو
• 33. کوپولای گوسی (Gaussian Copula)
• 34. کوپولای t-استیودنت (Student's t-Copula)
• 35. کوپولاهای ارشمیدسی: کلیتون، گامبل، فرانک
• 36. مفهوم وابستگی دمی (Tail Dependence) و اهمیت آن
• 37. انتخاب بهترین خانواده کوپولا برای داده‌ها
• 38. تخمین پارامترهای کوپولا: روش حداکثر درستنمایی
• 39. مقدمه‌ای بر رگرسیون توزیع (Distribution Regression)
• 40. فراتر از میانگین شرطی: مدل‌سازی کل توزیع
• 41. مدل‌سازی تابع توزیع تجمعی شرطی (Conditional CDF)
• 42. مدل‌سازی تابع کوانتیل شرطی (Conditional Quantile Function)
• 43. رگرسیون کوانتیل به عنوان یک مورد خاص
• 44. ارتباط رگرسیون توزیع با مدل‌های انتخاب گسسته
• 45. مزایای رگرسیون توزیع در تحلیل‌های ناهمگنی
• 46. تعریف منحنی تحرک صعودی رتبه‌ای (Upward Rank Mobility - URM)
• 47. ویژگی‌های کلیدی منحنی URM: شیب و تحدب
• 48. تفسیر اقتصادی شیب منحنی URM
• 49. تفسیر تحدب: دام فقر و سقف شیشه‌ای
• 50. فرمول‌بندی ریاضی منحنی URM بر اساس احتمالات شرطی
• 51. رابطه منحنی URM با تابع کوپولای زیربنایی
• 52. نقش کوپولا در مدل‌سازی توزیع مشترک رتبه‌های والدین و فرزندان
• 53. ساخت مدل پایه: منحنی URM بدون متغیرهای کمکی
• 54. تخمین ناپارامتریک مستقیم منحنی URM
• 55. مشکلات تخمین ناپارامتریک مستقیم: نفرین ابعاد
• 56. رویکرد نیمه‌پارامتریک: ترکیب ساختار کوپولا و انعطاف‌پذیری ناپارامتریک
• 57. فرمول‌بندی مدل نیمه‌پارامتریک برای منحنی URM
• 58. الگوریتم تخمین دو مرحله‌ای: تخمین حاشیه‌ای‌ها و سپس وابستگی
• 59. مرحله اول: تخمین ناپارامتریک توزیع‌های حاشیه‌ای رتبه
• 60. مرحله دوم: تخمین پارامترهای کوپولا
• 61. ورود متغیرهای کمکی (Covariates) به مدل
• 62. مدل‌سازی اثر متغیرهای کمکی بر توزیع‌های حاشیه‌ای
• 63. استفاده از رگرسیون توزیع برای مدل‌سازی حاشیه‌ای‌های شرطی
• 64. مدل‌سازی اثر متغیرهای کمکی بر ساختار وابستگی (پارامتر کوپولا)
• 65. کوپولاهای شرطی (Conditional Copulas)
• 66. تخمین مدل نیمه‌پارامتریک کامل با متغیرهای کمکی
• 67. استنتاج آماری برای منحنی‌های URM
• 68. ساخت بازه‌های اطمینان برای منحنی URM
• 69. استفاده از بوت‌استرپ (Bootstrap) برای استنتاج
• 70. آزمون فرضیه برای برابری منحنی‌های URM بین دو گروه
• 71. آزمون فرضیه‌های مربوط به شکل منحنی (مانند تحدب)
• 72. تحلیل حساسیت نتایج به انتخاب کوپولا
• 73. تحلیل حساسیت به انتخاب پهنای باند
• 74. پیاده‌سازی در R: مقدمه‌ای بر بسته‌های `copula` و `quantreg`
• 75. کدنویسی گام به گام: وارد کردن و آماده‌سازی داده‌ها
• 76. کدنویسی گام به گام: تخمین توزیع‌های حاشیه‌ای با رگرسیون توزیع
• 77. کدنویسی گام به گام: تخمین کوپولا و منحنی URM
• 78. مصورسازی نتایج: رسم منحنی‌های URM و بازه‌های اطمینان
• 79. مطالعه موردی: تحلیل تحرک درآمدی در ایالات متحده
• 80. مقایسه تحرک بین گروه‌های نژادی و قومی مختلف
• 81. تحلیل تأثیر تحصیلات والدین بر منحنی URM فرزندان
• 82. مقایسه تحرک صعودی بین مناطق جغرافیایی مختلف
• 83. تحلیل تحرک در طول زمان: آیا نردبان اجتماعی لغزنده‌تر شده است؟
• 84. تعمیم مدل به تحرک نزولی (Downward Rank Mobility)
• 85. مقایسه تحرک صعودی و نزولی: عدم تقارن در پویایی‌ها
• 86. تعمیم مدل برای در نظر گرفتن تحرک ثروت
• 87. کاربرد مدل در سایر حوزه‌ها: تحرک تحصیلی، تحرک سلامتی
• 88. محدودیت‌های مدل و مسیرهای تحقیقاتی آینده
• 89. نقش داده‌های بزرگ (Big Data) در بهبود تخمین‌ها
• 90. پیامدهای سیاستی: طراحی مداخلات برای افزایش تحرک
• 91. هدف‌گذاری سیاست‌ها بر اساس شکل منحنی URM
• 92. ارزیابی تأثیر سیاست‌ها با استفاده از مدل‌های تحرک
• 93. اخلاق در پژوهش‌های نابرابری و تحرک اجتماعی
• 94. خلاصه دوره و مرور مفاهیم کلیدی
• 95. ارائه پروژه پایانی: تحلیل داده‌های واقعی با رویکردهای آموخته‌شده