دوره قدرت شناسایی اثرات درمان توزیعی: ترکیب داده‌های آزمایشی و مشاهده‌ای برای تخمین‌های دقیق‌تر همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

2,490,000 تومان
دوره آموزشی: قدرت شناسایی اثرات درمان توزیعی قدرت شناسایی اثرات درمان توزیعی ترکیب داده‌های آزمایشی و مشاهده‌ای برای تخمین‌های دقیق‌تر و تصمیم‌گیری‌های هوشمندانه‌تر معرفی دوره: انقلابی در تحلیل‌های عل...
پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 622,500 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره قدرت شناسایی اثرات درمان توزیعی: ترکیب داده‌های آزمایشی و مشاهده‌ای برای تخمین‌های دقیق‌تر

موضوع کلی: اقتصادسنجی و روش‌های تخمین علّی

موضوع میانی: تخمین اثرات درمان با استفاده از داده‌های ترکیبی

📋 سرفصل‌های دوره

  • 1. مقدمه: چرا تخمین علّی اهمیت دارد؟
  • 2. مفهوم علّیت و مدل‌های علّی
  • 3. چارچوب پیامدهای بالقوه (Potential Outcomes Framework)
  • 4. تعریف اثر درمان فردی (Individual Treatment Effect)
  • 5. اثر درمان میانگین (Average Treatment Effect - ATE)
  • 6. اثر درمان بر روی گروه درمان‌شده (Average Treatment Effect on the Treated - ATT)
  • 7. مقدمه‌ای بر اثرات درمان توزیعی (Distributional Treatment Effects - DTEs)
  • 8. اثرات درمان کوانتایل (Quantile Treatment Effects - QTEs)
  • 9. مزایای بررسی اثرات توزیعی در مقابل میانگین
  • 10. کارآزمایی‌های کنترل‌شده تصادفی (RCTs): اصول و طراحی
  • 11. قدرت و محدودیت‌های RCTs: اعتبار داخلی
  • 12. محدودیت‌های RCTs: اعتبار بیرونی و قابلیت تعمیم
  • 13. داده‌های مشاهده‌ای: ویژگی‌ها و اهمیت
  • 14. چالش‌های داده‌های مشاهده‌ای در تخمین علّی
  • 15. مفهوم شناسایی (Identification) در اقتصادسنجی علّی
  • 16. سوگیری متغیرهای مخدوش‌کننده (Confounding Bias)
  • 17. سوگیری انتخاب (Selection Bias) و پیامدهای آن
  • 18. فرض استقلال شرطی (Conditional Independence Assumption - CIA)
  • 19. اهمیت متغیرهای کنترل و کوواریت‌ها
  • 20. رگرسیون برای تخمین اثرات درمان: تنظیم برای کوواریت‌ها
  • 21. فرض ناحیه مشترک پشتیبانی (Common Support/Overlap Assumption)
  • 22. امتیاز تمایل (Propensity Score) و تعریف آن
  • 23. تخمین امتیاز تمایل: مدل‌های لاجیت و پروبیت
  • 24. تطبیق بر اساس امتیاز تمایل (Propensity Score Matching - PSM)
  • 25. متعادل‌سازی کوواریت‌ها پس از تطبیق
  • 26. روش‌های وارون احتمال وزن‌دهی درمان (IPW - Inverse Probability Weighting)
  • 27. تخمین‌گرهای دوگانه مقاوم (Doubly Robust Estimators)
  • 28. رگرسیون با ماتریس تطبیق
  • 29. تحلیل حساسیت در داده‌های مشاهده‌ای
  • 30. معرفی روش‌های ناپارامتریک در اقتصادسنجی علّی
  • 31. چرا از میانگین فراتر برویم؟ مثال‌های کاربردی DTE
  • 32. تعریف رسمی تابع اثر درمان توزیعی
  • 33. تعریف رسمی تابع اثر درمان کوانتایل (QTE)
  • 34. تابع توزیع تجربی (Empirical Distribution Function)
  • 35. تخمین‌های ناپارامتریک توابع توزیع
  • 36. شناسایی DTEs و QTEs: چالش‌های اولیه
  • 37. شناسایی QTEs تحت فرض استقلال شرطی
  • 38. روش‌های رگرسیون کوانتایل (Quantile Regression) به عنوان ابزار
  • 39. محدودیت‌های رگرسیون کوانتایل برای شناسایی QTEs
  • 40. نقش کوواریت‌ها در شناسایی DTEs/QTEs
  • 41. عدم همگنی اثرات درمان (Treatment Effect Heterogeneity)
  • 42. اهمیت درک اثرات بر گروه‌های مختلف توزیع
  • 43. گرافیک‌های توزیع و نمودارهای کوانتایل
  • 44. معیارهای تفاوت توزیع‌ها: Kullback-Leibler، Wasserstein
  • 45. ارزیابی سیاست‌ها بر اساس اثرات توزیعی
  • 46. انگیزه‌های ترکیب داده‌ها: رفع محدودیت‌های هر منبع
  • 47. مقاله الهام‌بخش: ایده اصلی "قدرت شناسایی" چیست؟
  • 48. چگونه داده‌های آزمایشی اعتبار داخلی را تضمین می‌کنند؟
  • 49. چگونه داده‌های مشاهده‌ای اعتبار بیرونی را افزایش می‌دهند؟
  • 50. سناریوهای رایج برای ترکیب داده‌ها
  • 51. ترکیب برای بهبود تخمین ATE
  • 52. ترکیب برای بهبود شناسایی DTEs و QTEs
  • 53. ساختار داده‌های ترکیبی: داده‌های برشی (Cross-sectional) متفاوت
  • 54. فرض‌های شناسایی برای ترکیب داده‌های آزمایشی و مشاهده‌ای
  • 55. فرض قابلیت انتقال (Transportability/Generalizability) از RCT به جامعه بزرگتر
  • 56. نقش متغیرهای مشترک (Common Covariates) بین دو مجموعه داده
  • 57. استراتژی‌های کلی برای ترکیب داده‌ها
  • 58. تخمین‌گرهای مبتنی بر وزن‌دهی (Weighting Estimators) در داده‌های ترکیبی
  • 59. ترکیب داده‌ها از طریق تطبیق/حاشیه‌سازی (Matching/Marginalization)
  • 60. چارچوب نظری برای شناسایی غیرپارامتریک DTEs با داده‌های ترکیبی
  • 61. تخمین DTEs با استفاده از دو نمونه مجزا (Two-Sample DTE Estimation)
  • 62. تخمین QTEs با داده‌های ترکیبی: روش‌های پیشرفته
  • 63. تخمین توابع کوانتایل شرطی با داده‌های ترکیبی
  • 64. کاربرد روش‌های یادگیری ماشین در شناسایی DTEs
  • 65. یادگیری ماشینی برای تخمین امتیاز تمایل و توابع پیامد
  • 66. درختان و جنگل‌های علّی برای اثرات ناهمگن (Causal Forests for Heterogeneous Effects)
  • 67. تخمین اثرات درمانی مشروط (Conditional Treatment Effects)
  • 68. تخمین اثرات درمان توزیعی مشروط (CDTEs)
  • 69. استفاده از روش‌های ناپارامتریک برای تخمین CDTEs
  • 70. شناسایی CDTEs با داده‌های آزمایشی و مشاهده‌ای
  • 71. شناسایی CDTEs در سناریوهای پیچیده‌تر
  • 72. نقش متغیرهای ابزاری (Instrumental Variables) در شناسایی DTEs (مقدماتی)
  • 73. شناسایی ATE/QTEs با متغیرهای ابزاری و داده‌های ترکیبی
  • 74. مقایسه روش‌های مختلف ترکیب داده‌ها: مزایا و معایب
  • 75. روش‌های کنترل ناپارامتریک برای اثرات توزیعی
  • 76. روش‌های مبتنی بر بیشینه احتمال (Maximum Likelihood) در داده‌های ترکیبی
  • 77. رویکردهای بیزی (Bayesian Approaches) برای ترکیب داده‌ها
  • 78. مسائل نمونه‌گیری و استنباط (Sampling and Inference) در داده‌های ترکیبی
  • 79. بوت‌استرپینگ (Bootstrapping) برای استنباط در QTEs/DTEs
  • 80. تحلیل حساسیت پیشرفته برای ترکیب داده‌ها
  • 81. نرم‌افزارهای پیاده‌سازی: R و Python برای اقتصادسنجی علّی
  • 82. پکیج‌های R برای تخمین اثرات درمان (مانند `CausalImpact`, `grf`)
  • 83. پکیج‌های Python برای اثرات درمان (مانند `EconML`, `DoWhy`)
  • 84. مطالعه موردی: ارزیابی یک برنامه آموزشی با داده‌های ترکیبی
  • 85. مطالعه موردی: اثر یک سیاست بهداشتی بر توزیع سلامت
  • 86. اعتبار داخلی در مقابل اعتبار بیرونی: تعادل بهینه
  • 87. ملاحظات اخلاقی در استفاده از داده‌های ترکیبی
  • 88. ارزیابی قدرت شناسایی در طراحی مطالعه
  • 89. نقش قابلیت انتقال کوواریت‌ها
  • 90. چالش‌های مقیاس‌گذاری و ابعاد بالای داده‌ها
  • 91. تشخیص مدل اشتباه و پیامدهای آن
  • 92. بررسی ناهمگنی اثرات درمان در زیرگروه‌ها
  • 93. تخمین DTEs در حضور پیامدهای چندگانه
  • 94. اثرات درمان پویا (Dynamic Treatment Effects) و DTEs
  • 95. میانجی‌گری (Mediation) و تخمین DTEs
  • 96. مرزهای جدید در شناسایی DTEs با داده‌های ترکیبی
  • 97. محدودیت‌های رویکردهای کنونی و مسیرهای تحقیقاتی آینده
  • 98. توصیه‌های سیاستی مبتنی بر تحلیل DTEs
  • 99. جمع‌بندی: آینده اقتصادسنجی علّی با داده‌های ترکیبی
  • 100. منابع و مطالعه بیشتر
✦ مجموعه ویژه یادگیری

یک دوره، چند مسیر برای یادگیری بهتر

کتاب‌های آموزشی، محتوای صوتی و تصویری و دسترسی به سامانه آنلاین فلش‌کارت؛ مجموعه‌ای برای مطالعه، تمرین و تثبیت آموخته‌ها.

📚 محتوای متنی 🎧 صوت و ویدیو 🧠 مرور هوشمند

محتویات بسته آموزشی

مجموعه‌ای از منابع برای شیوه‌های مختلف یادگیری
📚
کتاب نکته‌های خودمانی
نسخه PDF با زبان ساده، روان و کاربردی برای یادگیری راحت‌تر مفاهیم.
PDF · بیان ساده
📘
کتاب نکته‌های رسمی فارسی
نسخه PDF با نگارش استاندارد، بیان دقیق و رویکرد علمی.
PDF · نگارش رسمی
❓
کتاب پرسش و پاسخ تشریحی
نسخه PDF برای مرور مفاهیم و آشنایی با پاسخ‌های توضیحی.
PDF · یادگیری مفهومی
✅
کتاب پرسش‌های چهارگزینه‌ای
نسخه PDF برای تمرین، سنجش آموخته‌ها و آمادگی بیشتر.
PDF · تمرین و سنجش
🎧
پادکست‌های صوتی فارسی
محتوای صوتی برای یادگیری و مرور مطالب در زمان‌های مختلف.
محتوای صوتی
🎬
ویدیوهای آموزشی فارسی
محتوای ویدیویی برای تکمیل تجربه یادگیری و درک بهتر مطالب.
محتوای ویدیویی
💻
اکانت سامانه آنلاین فلش‌کارت
دسترسی به نرم‌افزار آنلاین فلش‌کارت ویژه این دوره برای تمرین و مرور مطالب.
دسترسی آنلاین
🎓
گواهی پایان دوره
امکان دریافت گواهی پس از تکمیل فعالیت‌های لازم در سامانه و طی مراحل تأیید.
پس از تکمیل شرایط
💾
بسته فیزیکی روی فلش مموری
این محصول به‌صورت فلش مموری حاوی فایل‌های آموزشی، محتوای صوتی و ویدیویی ارائه می‌شود.
تحویل فیزیکی
نکته: استفاده از سامانه آنلاین فلش‌کارت به اتصال اینترنت نیاز دارد؛ محتوای قابل استفاده آفلاین به نوع فایل‌های موجود در بسته بستگی دارد.
SMART LEARNING

🌐 سامانه آنلاین فلش‌کارت؛ مرور هدفمند و هوشمند

اکانت ارائه‌شده، دسترسی به نسخه تحت وب سامانه فلش‌کارت ویژه این دوره را فراهم می‌کند. این سامانه از الگوریتم زمان‌بندی مرور SM-2 استفاده می‌کند و بر اساس ارزیابی شما از میزان یادآوری هر کارت، زمان مرورهای بعدی را تنظیم می‌کند.

به این ترتیب، کارت‌های دشوارتر می‌توانند زودتر مرور شوند و برای تثبیت مطالب در حافظه، برنامه مرور متناسب‌تری داشته باشید.

🧠
مرور زمان‌بندی‌شده
📈
پیگیری پیشرفت
🔄
تمرین و تکرار هدفمند
📚 حجم آموزشی دوره
هزاران
فلش‌کارت آموزشی، به‌صورت تقریبی
۶۰ ساعت
مدت‌زمان معادل برآوردشده آموزشی

مدت‌زمان معادل آموزشی بر اساس برآورد این دوره در گواهی درج می‌شود.

🏅

گواهی دوزبانه با استعلام آنلاین

گواهی فارسی و انگلیسی · لینک اختصاصی · QR Code

پس از تکمیل فعالیت‌های لازم و تأیید درخواست، گواهی پایان دوره به زبان فارسی و انگلیسی صادر می‌شود. گواهی دارای لینک اختصاصی و QR Code برای بررسی و استعلام آنلاین است.

⚖️ توضیح مهم درباره گواهی پایان دوره

این گواهی صرفاً به‌عنوان گواهی اتمام دوره آموزشی صادر می‌شود و معادل مدرک دانشگاهی، آکادمیک یا مدرک رسمی مورد تأیید نهادهای دولتی نیست. صدور آن منوط به تکمیل شرایط دوره و تأیید نهایی درخواست است.

تجربه‌ای کامل‌تر برای مطالعه، تمرین و یادگیری
express24.ir
تگ‌ها: Causal Inference distributional treatment effects Econometrics Experimental Data Hybrid Data Observational Data Treatment Effect Estimation اثرات درمان اثرات درمان توزیعی اقتصادسنجی تخمین اثرات درمان تخمین علّی داده‌های آزمایشی داده‌های ترکیبی داده‌های مشاهده‌ای

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.