کتاب فراتر از میانگین: شناسایی و برآورد اثرات درمان کوانتیلی با ابزارهای متغیر در اقتصادسنجی ناپارامتری با فرمت AZW3 برای کتابخوان کیندل و فرمت EPUB

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره فراتر از میانگین: شناسایی و برآورد اثرات درمان کوانتیلی با ابزارهای متغیر در اقتصادسنجی ناپارامتری

موضوع کلی: روش‌های اقتصادسنجی پیشرفته برای تحلیل علی

موضوع میانی: برآورد اثرات درمان توزیعی در شرایط عدم قطعیت و ابزار متغیر

📋 سرفصل‌های دوره

• 1. مبانی اقتصادسنجی و استنتاج علّی
• 2. مروری بر مدل‌های علّی: پارامتری و ناپارامتری
• 3. آشنایی با مفاهیم اثرات درمان (Treatment Effects)
• 4. اثرات درمان میانگین (ATE) و محدودیت‌های آن
• 5. آشنایی با اثرات درمان کوانتیلی (QTE)
• 6. مزایای QTE نسبت به ATE در تحلیل‌های علی
• 7. مروری بر کوانتایل و تابع توزیع تجمعی (CDF)
• 8. تخمین کوانتایل: روش‌های پارامتری و ناپارامتری
• 9. آشنایی با مفهوم تابع کوانتایل
• 10. اهمیت QTE در تحلیل‌های ناهمگن
• 11. معرفی عدم قطعیت (Uncertainty) در اقتصادسنجی
• 12. منابع عدم قطعیت: نمونه‌گیری، اندازه‌گیری، مدل‌سازی
• 13. مروری بر روش‌های استنباط آماری: آزمون فرض، بازه‌های اطمینان
• 14. مبانی متغیرهای ابزاری (IVs)
• 15. شرط‌های اعتبار IV: ارتباط، درون‌زایی، واریانس
• 16. معرفی روش کمترین مربعات دو مرحله‌ای (2SLS)
• 17. محدودیت‌های 2SLS در برآورد اثرات درمان
• 18. معرفی مفهوم شناسایی (Identification) در اقتصادسنجی
• 19. شناسایی QTE: چالش‌ها و راه‌حل‌ها
• 20. مروری بر روش‌های شناسایی در مدل‌های کوانتایل
• 21. بررسی مقاله "On Quantile Treatment Effects, Rank Similarity, and Variation of Instrumental Variables"
• 22. نقش شباهت رتبه (Rank Similarity) در شناسایی QTE
• 23. معرفی ایده‌ی اصلی مقاله و هدف نویسندگان
• 24. بررسی مدل‌های ارائه‌شده در مقاله
• 25. آشنایی با فرضیات کلیدی مقاله
• 26. بررسی نتایج اصلی مقاله
• 27. درک رابطه بین تغییر در IV و QTE
• 28. استفاده از IVهای ضعیف و اثرات آن بر QTE
• 29. روش‌های برآورد ناپارامتری QTE
• 30. تخمین QTE با استفاده از تابع امتیاز (Score Function)
• 31. تخمین QTE با استفاده از روش‌های وزنی
• 32. روش‌های بوت‌استرپینگ برای QTE
• 33. تحلیل حساسیت QTE به تغییرات IV
• 34. معرفی روش‌های آزمون فرضیه برای QTE
• 35. ساخت بازه‌های اطمینان برای QTE
• 36. کاربرد نرم‌افزارهای آماری برای QTE (R, Stata)
• 37. پیاده‌سازی کد برای برآورد QTE
• 38. مثال‌های کاربردی از دنیای واقعی برای QTE
• 39. QTE در تحلیل اثرات سیاست‌های اقتصادی
• 40. QTE در مطالعات بازار کار
• 41. QTE در ارزیابی برنامه‌های آموزشی
• 42. QTE در مطالعات بهداشت و درمان
• 43. معرفی روش‌های پیشرفته QTE
• 44. QTE با استفاده از IVهای چندگانه
• 45. QTE با متغیرهای ابزاری دسته‌ای
• 46. QTE و اثرات تعاملی
• 47. QTE و مدل‌های دینامیک
• 48. معرفی مفهوم شبه-واریانس (Pseudo-variance)
• 49. نقش شبه-واریانس در تحلیل QTE
• 50. تفسیر شبه-واریانس و کاربردهای آن
• 51. بررسی اثرات نامتقارن (Asymmetric Effects) در QTE
• 52. QTE و بررسی عدم تجانس (Heterogeneity) در اثرات درمان
• 53. QTE و تأثیر متغیرهای تعدیل‌گر (Moderators)
• 54. مدل‌های انتخاب (Selection Models) و QTE
• 55. مروری بر روش‌های تصحیح انتخاب
• 56. QTE در حضور انتخاب (Selection)
• 57. مدل‌سازی با داده‌های پانل (Panel Data) و QTE
• 58. QTE و اثرات ثابت (Fixed Effects)
• 59. QTE و اثرات تصادفی (Random Effects)
• 60. مروری بر روش‌های داده‌کاوی (Data Mining) و QTE
• 61. روش‌های اعتبارسنجی مدل (Model Validation) برای QTE
• 62. ارزیابی عملکرد مدل‌های QTE
• 63. مقایسه روش‌های مختلف برآورد QTE
• 64. راهنمایی برای انتخاب بهترین روش برای تحلیل
• 65. اهمیت اندازه نمونه (Sample Size) در تخمین QTE
• 66. تحلیل قدرت آماری (Power Analysis) برای QTE
• 67. اثرات داده‌های پرت (Outliers) بر تخمین QTE
• 68. مدیریت داده‌های پرت در تحلیل QTE
• 69. روش‌های تشخیص درون‌زایی در مدل‌های QTE
• 70. روش‌های مقابله با درون‌زایی
• 71. استفاده از ابزارهای متغیر برای کنترل متغیرهای مغفول
• 72. بررسی فرضیات اساسی در QTE با IV
• 73. آزمون‌های تشخیصی (Diagnostic Tests) برای اعتبار IV
• 74. QTE و چالش‌های اندازه‌گیری
• 75. خطاهای اندازه‌گیری و راه‌حل‌های مقابله با آن‌ها
• 76. اثرات خطاهای اندازه‌گیری بر IV و QTE
• 77. QTE و داده‌های گمشده (Missing Data)
• 78. روش‌های جایگزینی داده‌های گمشده در QTE
• 79. مطالعه موردی: تحلیل QTE در یک صنعت خاص
• 80. مطالعه موردی: بررسی اثر یک سیاست بر توزیع درآمد
• 81. مطالعه موردی: ارزیابی یک مداخله آموزشی با QTE
• 82. QTE و یادگیری ماشینی (Machine Learning)
• 83. ترکیب QTE و روش‌های یادگیری ماشینی
• 84. کاربردهای QTE در پیش‌بینی
• 85. آینده QTE و پژوهش‌های آتی
• 86. اهمیت QTE در عصر کلان‌داده‌ها
• 87. مسائل اخلاقی در استفاده از QTE
• 88. ارائه و تفسیر نتایج QTE به مخاطبان
• 89. نوشتن مقاله علمی در زمینه QTE
• 90. نکات کلیدی برای ارائه یک سمینار موفق QTE
• 91. استفاده از QTE برای تصمیم‌گیری سیاستی
• 92. اهمیت شفافیت در تحلیل QTE
• 93. محدودیت‌های QTE و راه‌حل‌های ممکن
• 94. جمع‌بندی و مرور کلی دوره
• 95. منابع و مراجع برای مطالعات بیشتر
• 96. پرسش و پاسخ