کتاب تحلیل علّی پیشرفته در آزمایش‌های سری زمانی: رگرسیون مقاوم با ضمانت طراحی با فرمت AZW3 برای کتابخوان کیندل و فرمت EPUB

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره تحلیل علّی پیشرفته در آزمایش‌های سری زمانی: رگرسیون مقاوم با ضمانت طراحی

موضوع کلی: استنتاج علی

موضوع میانی: تحلیل علّی در آزمایش‌های سری زمانی

📋 سرفصل‌های دوره

• 1. مقدمه و مبانی استنتاج علّی**
• 2. مقدمه‌ای بر استنتاج علّی: فراتر از همبستگی
• 3. مسئله بنیادین استنتاج علّی
• 4. چارچوب نتایج بالقوه (Potential Outcomes Framework)
• 5. اثر درمانی میانگین (ATE) و مفاهیم مرتبط
• 6. فرض مقدار پایدار واحد درمانی (SUTVA) و چالش‌های آن
• 7. آزمایش‌های تصادفی‌سازی شده کنترل‌شده (RCTs): استاندارد طلایی
• 8. تصادفی‌سازی و نقش آن در ایجاد تعادل
• 9. مبانی داده‌های سری زمانی: روند، فصلی بودن و نویز
• 10. خودهمبستگی (Autocorrelation) در سری‌های زمانی
• 11. ایستایی (Stationarity) و اهمیت آن در تحلیل سری زمانی
• 12. بخش اول: رویکرد مبتنی بر طرح (Design-Based Inference)**
• 13. فلسفه استنتاج مبتنی بر طرح: تصادفی‌سازی به مثابه مبنای استنتاج
• 14. فرضیه صفر دقیق فیشر (Fisher's Sharp Null Hypothesis)
• 15. آزمون‌های جایگشتی (Permutation Tests)
• 16. ساخت توزیع تصادفی‌سازی (Randomization Distribution)
• 17. محاسبه p-value در آزمون‌های جایگشتی
• 18. ساخت بازه‌های اطمینان از طریق وارون‌سازی آزمون (Test Inversion)
• 19. تفاوت دیدگاه جمعیت محدود (Finite Population) و اَبَرجمعیت (Super-population)
• 20. تخمین‌گر هورویتز-تامپسون (Horvitz-Thompson Estimator)
• 21. تخمین‌گر هایک (Hajek Estimator)
• 22. مزایا و محدودیت‌های رویکرد مبتنی بر طرح
• 23. بخش دوم: رویکرد مبتنی بر رگرسیون (Regression-Based Inference)**
• 24. رگرسیون حداقل مربعات معمولی (OLS) به عنوان ابزاری برای مقایسه میانگین‌ها
• 25. تفسیر علّی ضرایب رگرسیون: چه زمانی معتبر است؟
• 26. فرضیات مدل خطی و نقش آن‌ها
• 27. کنترل متغیرهای کمکی: تحلیل کوواریانس (ANCOVA)
• 28. پارادوکس لرد (Lord's Paradox) و اهمیت متغیرهای پیش‌آزمون
• 29. تورّش متغیر حذف‌شده (Omitted Variable Bias)
• 30. نقش رگرسیون در افزایش دقت (Precision)
• 31. خطاهای استاندارد و استنتاج آماری در مدل‌های رگرسیونی
• 32. محدودیت‌های رویکرد مبتنی بر مدل: حساسیت به مشخصات مدل
• 33. فرضیات گاوس-مارکوف و ارتباط آن‌ها با آزمایش‌ها
• 34. بخش سوم: آزمایش‌های سری زمانی: طراحی و چالش‌ها**
• 35. تعریف واحدها، زمان و مداخله در آزمایش‌های سری زمانی
• 36. انواع طرح‌های آزمایشی در سری زمانی (مثلاً طرح متقاطع Crossover)
• 37. اهمیت داده‌های دوره پیش از مداخله (Pre-treatment)
• 38. بررسی تعادل متغیرهای کمکی در طول زمان
• 39. تجسم داده‌های آزمایش سری زمانی: نمودارها و روندها
• 40. اثرات درمانی پویا (Dynamic Treatment Effects)
• 41. مدل‌سازی اثرات تأخیری (Lagged Effects)
• 42. چالش خودهمبستگی در باقیمانده‌های مدل
• 43. مدل‌های تفاوت در تفاوت‌ها (Difference-in-Differences) به عنوان یک مورد مرتبط
• 44. ساختار داده‌های مقطعی-سری زمانی (Panel Data)
• 45. بخش چهارم: یکپارچه‌سازی دو رویکرد: هسته اصلی دوره**
• 46. مقایسه مستقیم دو پارادایم: مبتنی بر طرح در مقابل مبتنی بر مدل
• 47. چه زمانی تخمین‌گر OLS با تخمین‌گر تفاضل میانگین‌ها یکسان است؟
• 48. تخمین‌گر OLS به مثابه میانگین وزنی اثرات درمانی در سطح واحد
• 49. وزن‌های ضمنی در رگرسیون OLS: کشف و تفسیر
• 50. چه زمانی وزن‌های OLS از دیدگاه طراحی "خوب" هستند؟
• 51. ارتباط رگرسیون حداقل مربعات وزنی (WLS) با تخمین‌گر هورویتز-تامپسون
• 52. ویژگی‌های مبتنی بر طرحِ تخمین‌گر OLS
• 53. سازگاری مجانبی (Asymptotic Consistency) تخمین‌گر رگرسیون
• 54. واریانس مبتنی بر طرح برای تخمین‌گر OLS
• 55. مفهوم "ضمانت طراحی" (Design Guarantee) برای مدل‌های رگرسیونی
• 56. رگرسیون مقاوم (Robust Regression): استنتاج معتبر حتی با مدل نادرست
• 57. نقش کلیدی خطاهای استاندارد مقاوم (Robust Standard Errors)
• 58. خطاهای استاندارد خوشه‌ای (Clustered Standard Errors) و کاربرد آن در سری زمانی
• 59. چرا ANCOVA دقت را از هر دو دیدگاه افزایش می‌دهد؟
• 60. اثبات ریاضی: چگونه تعدیل کوواریانس واریانس را کاهش می‌دهد
• 61. بخش پنجم: تحلیل پیشرفته و کاربرد ANCOVA در سری زمانی**
• 62. مدل ANCOVA کلاسیک در آزمایش‌های مقطعی
• 63. تعمیم ANCOVA برای داده‌های سری زمانی
• 64. استفاده از میانگین دوره پیش از مداخله به عنوان متغیر کمکی
• 65. مدل تفاوت در تفاوت‌ها (DiD) به عنوان یک مدل رگرسیونی خاص
• 66. مقایسه ANCOVA و DiD: کدام یک بهتر است؟
• 67. مدل‌های اثرات ثابت (Fixed Effects Models) برای کنترل ویژگی‌های ثابت واحدها
• 68. مدل‌سازی اثرات درمانی وابسته به زمان (Time-Varying Treatment Effects)
• 69. انتخاب مشخصات مدل (Model Specification) در عمل
• 70. آزمون‌های حساسیت برای بررسی استحکام نتایج
• 71. چگونه رگرسیون می‌تواند نتایج گمراه‌کننده تولید کند (حتی در RCTها)
• 72. بخش ششم: موضوعات پیشرفته و ملاحظات عملی**
• 73. اثرات درمانی ناهمگون (Heterogeneous Treatment Effects)
• 74. تحلیل زیرگروه‌ها و خطرات آن
• 75. تداخل (Interference) و سرریز (Spillovers) بین واحدها
• 76. نقض فرض SUTVA در آزمایش‌های سری زمانی
• 77. طرح‌های پذیرش پلکانی (Staggered Adoption Designs)
• 78. تحلیل قدرت (Power Analysis) برای آزمایش‌های سری زمانی
• 79. انتخاب طول دوره پیش و پس از مداخله
• 80. مدیریت داده‌های گمشده (Missing Data) در سری‌های زمانی
• 81. بوتاسترپ (Bootstrap) برای استنتاج در شرایط پیچیده
• 82. پیاده‌سازی در نرم‌افزار: کدنویسی در R یا Python
• 83. بخش هفتم: مطالعات موردی و جمع‌بندی**
• 84. مطالعه موردی ۱: تحلیل یک مجموعه داده شبیه‌سازی شده از ابتدا تا انتها
• 85. بررسی فرضیات، اجرا و تفسیر نتایج مطالعه موردی ۱
• 86. مطالعه موردی ۲: تحلیل یک آزمایش واقعی در صنعت (مثلاً بازاریابی یا قیمت‌گذاری)
• 87. چالش‌های عملی در مطالعه موردی ۲ و نحوه غلبه بر آن‌ها
• 88. اشتباهات رایج در تحلیل آزمایش‌های سری زمانی و نحوه اجتناب از آن‌ها
• 89. نحوه ارائه و گزارش نتایج تحلیل علّی
• 90. ملاحظات اخلاقی در طراحی و اجرای آزمایش‌ها
• 91. مروری بر پیشرفت‌های اخیر در این حوزه
• 92. آینده استنتاج علّی در آزمایش‌های سری زمانی
• 93. جمع‌بندی دوره: تلفیق نظریه و عمل برای استنتاج علّی معتبر