دوره تحلیل اثرات ناهمگن متغیر با زمان در مطالعات رویداد با رویکرد اقتصادسنجی پویا همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره تحلیل اثرات ناهمگن متغیر با زمان در مطالعات رویداد با رویکرد اقتصادسنجی پویا

موضوع کلی: اقتصادسنجی پانل و رویدادهای اقتصادی

موضوع میانی: مدل‌سازی اثرات ناهمگن در مطالعات رویداد

📋 سرفصل‌های دوره

• 1. مبانی اقتصادسنجی پانل
• 2. مقدمه‌ای بر داده‌های پانل
• 3. انواع داده‌های پانل
• 4. مدل‌های اثرات ثابت
• 5. مدل‌های اثرات تصادفی
• 6. انتخاب بین اثرات ثابت و تصادفی
• 7. استنباط در مدل‌های اثرات ثابت
• 8. استنباط در مدل‌های اثرات تصادفی
• 9. مشکلات رایج در داده‌های پانل (خودهمبستگی، ناهمگنی واریانس)
• 10. روش‌های رفع خودهمبستگی در داده‌های پانل
• 11. روش‌های رفع ناهمگنی واریانس در داده‌های پانل
• 12. مقدمه‌ای بر مطالعات رویداد
• 13. مفهوم مطالعه رویداد
• 14. انواع مطالعات رویداد
• 15. طراحی مطالعه رویداد
• 16. انتخاب رویداد مناسب
• 17. انتخاب دوره پیش و پس از رویداد
• 18. مفهوم گروه کنترل در مطالعات رویداد
• 19. چالش‌های تعیین گروه کنترل مناسب
• 20. مشکل انتخاب (Selection Bias) در مطالعات رویداد
• 21. روش‌های کنترل مشکل انتخاب
• 22. مقدمه‌ای بر اثرات ناهمگن
• 23. مفهوم ناهمگنی در اقتصادسنجی
• 24. انواع ناهمگنی (فردی، زمانی، متغیر با زمان)
• 25. اهمیت مدل‌سازی ناهمگنی
• 26. اثرات ناهمگن در مطالعات رویداد
• 27. مدل‌سازی اثرات ناهمگن با روش‌های استاندارد
• 28. محدودیت‌های مدل‌های استاندارد در ناهمگنی
• 29. مقدمه‌ای بر اثرات متغیر با زمان
• 30. مفهوم اثرات متغیر با زمان
• 31. اهمیت اثرات متغیر با زمان در مطالعات اقتصادی
• 32. مدل‌سازی اثرات متغیر با زمان در اقتصادسنجی پانل
• 33. مطالعات رویداد با اثرات متغیر با زمان
• 34. چالش‌های مدل‌سازی اثرات متغیر با زمان در مطالعات رویداد
• 35. مدل‌های پایه برای اثرات ناهمگن متغیر با زمان
• 36. مفهوم مدل‌های تفکیک شده (Decomposed Models)
• 37. مفهوم مدل‌های توربین (Tornado Models)
• 38. مفهوم مدل‌های اثرات تفکیک شده متغیر با زمان
• 39. مقدمه ای بر مقاله "Time-Varying Heterogeneous Treatment Effects in Event Studies"
• 40. ساختار مقاله
• 41. مفاهیم کلیدی معرفی شده در مقاله
• 42. روش‌شناسی مقاله
• 43. مدل‌سازی اثرات همگن متغیر با زمان
• 44. روش‌های تخمین اثرات همگن متغیر با زمان
• 45. پیاده‌سازی مدل‌های همگن متغیر با زمان
• 46. تفسیر نتایج مدل‌های همگن متغیر با زمان
• 47. انتقال به مدل‌سازی اثرات ناهمگن متغیر با زمان
• 48. مشکلات تخمین اثرات ناهمگن متغیر با زمان
• 49. راهکارهای مقاله برای تخمین اثرات ناهمگن متغیر با زمان
• 50. معرفی پارامترهای اصلی مدل ناهمگن متغیر با زمان
• 51. ساختار مدل پارامتری ناهمگن متغیر با زمان
• 52. نحوه شناسایی پارامترهای ناهمگن متغیر با زمان
• 53. روش‌های تخمین پارامترهای ناهمگن متغیر با زمان
• 54. روش تخمین حداکثر درست نمایی (Maximum Likelihood Estimation)
• 55. روش تخمین گشتاورهای تعمیم یافته (Generalized Method of Moments - GMM)
• 56. استفاده از گشتاورهای شرطی (Conditional Moments)
• 57. استفاده از گشتاورهای نامشروط (Unconditional Moments)
• 58. مشکلات آماری در تخمین مدل ناهمگن متغیر با زمان
• 59. تست فرض در مدل ناهمگن متغیر با زمان
• 60. انتقال مدل به داده‌های واقعی
• 61. مثال کاربردی اول: مطالعه اثر تغییر سیاست بر شرکت‌ها
• 62. آماده‌سازی داده برای مطالعه اثر تغییر سیاست
• 63. تعریف رویداد و گروه‌ها
• 64. پیاده‌سازی مدل ناهمگن متغیر با زمان
• 65. تفسیر نتایج برای مثال کاربردی اول
• 66. مثال کاربردی دوم: مطالعه اثر شوک اقتصادی بر مناطق
• 67. آماده‌سازی داده برای مطالعه اثر شوک اقتصادی
• 68. تعریف رویداد و گروه‌ها
• 69. پیاده‌سازی مدل ناهمگن متغیر با زمان
• 70. تفسیر نتایج برای مثال کاربردی دوم
• 71. ارزیابی قدرت مدل در تشخیص ناهمگنی
• 72. ارزیابی قدرت مدل در تشخیص تغییر با زمان
• 73. اعتبارسنجی نتایج با روش‌های جایگزین
• 74. حساسیت تحلیل (Sensitivity Analysis)
• 75. بررسی اثرات گروه‌های خاص (Subgroup Analysis)
• 76. مدل‌های پیشرفته‌تر برای اثرات ناهمگن متغیر با زمان
• 77. مدل‌های غیرپارامتری
• 78. مدل‌های نیمه‌پارامتری
• 79. مدل‌های مبتنی بر یادگیری ماشین (Machine Learning)
• 80. شبکه‌های عصبی (Neural Networks)
• 81. درختان تصمیم (Decision Trees)
• 82. جنگل تصادفی (Random Forests)
• 83. ماشین‌های بردار پشتیبان (Support Vector Machines - SVM)
• 84. مدل‌سازی اثرات ناهمگن متغیر با زمان با روش‌های مبتنی بر یادگیری ماشین
• 85. مزایا و معایب روش‌های یادگیری ماشین در این زمینه
• 86. مقایسه روش‌های اقتصادسنجی سنتی و روش‌های یادگیری ماشین
• 87. کاربردهای گسترده مدل‌های ناهمگن متغیر با زمان
• 88. مطالعات بازار کار
• 89. مطالعات سلامت
• 90. مطالعات رفتار مصرف‌کننده
• 91. مطالعات سیاست‌گذاری عمومی
• 92. مطالعات مالی
• 93. محدودیت‌های مطالعات حاضر و مقالات مرتبط
• 94. راهکارهای آینده پژوهش
• 95. پیاده‌سازی با نرم‌افزارهای آماری (R, Stata, Python)
• 96. مثال عملیاتی با R
• 97. مثال عملیاتی با Stata
• 98. مثال عملیاتی با Python
• 99. جمع‌بندی و نتیجه‌گیری دوره
• 100. مرور مفاهیم کلیدی