کتاب برآوردگر تفاوت-در-تفاوت متعادل‌کننده متغیرها با استفاده از امتیاز تمایل (CBPS-DID) با فرمت AZW3 برای کتابخوان کیندل و فرمت EPUB

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره برآوردگر تفاوت-در-تفاوت متعادل‌کننده متغیرها با استفاده از امتیاز تمایل (CBPS-DID)

موضوع کلی: روش‌های آماری پیشرفته در علوم اجتماعی و اقتصادی

موضوع میانی: برآورد اثرات علی در داده‌های طولی

📋 سرفصل‌های دوره

• 1. مبانی برآورد اثرات علی
• 2. مروری بر انواع داده‌های طولی
• 3. معرفی روش تفاوت-در-تفاوت (DID)
• 4. فرضیات اساسی در روش DID
• 5. چالش‌های روش DID کلاسیک
• 6. معرفی امتیاز تمایل (Propensity Score)
• 7. برآورد امتیاز تمایل
• 8. روش‌های مختلف برآورد امتیاز تمایل
• 9. تعادل متغیرها (Covariate Balance)
• 10. اهمیت تعادل متغیرها
• 11. نقش تعادل متغیرها در برآورد اثرات علی
• 12. مشکلات عدم تعادل متغیرها
• 13. معرفی برآوردگر CBPS (Covariate Balancing Propensity Score)
• 14. ویژگی‌های برآوردگر CBPS
• 15. مزایای CBPS نسبت به سایر روش‌ها
• 16. کاربرد CBPS در مدل‌سازی امتیاز تمایل
• 17. معرفی CBPS-DID: تلفیق CBPS و DID
• 18. منطق پشت CBPS-DID
• 19. مزایای CBPS-DID نسبت به DID کلاسیک
• 20. پیاده‌سازی CBPS-DID: گام به گام
• 21. داده‌های طولی و ساختار آن‌ها
• 22. مدل‌سازی اثرات زمانی
• 23. مدل‌سازی اثرات گروهی
• 24. مدل‌سازی اثرات متقابل زمان و گروه
• 25. انتخاب متغیرهای پیش‌بین (Covariates)
• 26. اهمیت انتخاب متغیرهای پیش‌بین
• 27. آزمون‌های تعادل متغیرها (Covariate Balance Tests)
• 28. تفسیر نتایج آزمون‌های تعادل
• 29. روش‌های اعتبارسنجی مدل (Model Validation)
• 30. بررسی حساسیت (Sensitivity Analysis)
• 31. خطاهای استاندارد (Standard Errors) در DID
• 32. روش‌های محاسبه خطاهای استاندارد
• 33. اثرات اندازه نمونه (Sample Size)
• 34. قدرت آزمون (Statistical Power)
• 35. مقایسه CBPS-DID با سایر روش‌های DID
• 36. روش‌های وزن‌دهی (Weighting Methods)
• 37. تخمین اثرات در حضور تورش (Bias)
• 38. بررسی فرضیات موازی بودن (Parallel Trends)
• 39. آزمون‌های فرضیه موازی بودن
• 40. نقش نمودارها در تحلیل DID
• 41. استفاده از نرم‌افزار R برای CBPS-DID
• 42. نصب و راه‌اندازی بسته‌های مورد نیاز R
• 43. پیاده‌سازی CBPS در R
• 44. پیاده‌سازی DID کلاسیک در R
• 45. پیاده‌سازی CBPS-DID در R
• 46. تفسیر خروجی‌های R
• 47. استفاده از نرم‌افزار Stata برای CBPS-DID
• 48. پیاده‌سازی CBPS در Stata
• 49. پیاده‌سازی DID کلاسیک در Stata
• 50. پیاده‌سازی CBPS-DID در Stata
• 51. تفسیر خروجی‌های Stata
• 52. مثال‌های کاربردی: مطالعات موردی
• 53. مطالعه موردی 1: ارزیابی یک برنامه مداخله‌ای
• 54. مطالعه موردی 2: تحلیل سیاست‌گذاری اقتصادی
• 55. مطالعه موردی 3: بررسی اثرات یک قانون جدید
• 56. داده‌های مصنوعی برای تمرین CBPS-DID
• 57. تولید داده‌های مصنوعی در R
• 58. تولید داده‌های مصنوعی در Stata
• 59. تمرین‌های عملی: پیاده‌سازی CBPS-DID با داده‌های مصنوعی
• 60. تمرین‌های عملی: تحلیل داده‌های واقعی
• 61. مدل‌سازی اثرات ناهمگن (Heterogeneous Effects)
• 62. بررسی اثرات ناهمگن در CBPS-DID
• 63. تخمین اثرات میانگین (Average Treatment Effect)
• 64. تخمین اثرات برای زیرگروه‌ها
• 65. مدل‌سازی اثرات تعاملی (Interaction Effects)
• 66. اثرات تعاملی بین درمان و متغیرها
• 67. مدل‌سازی اثرات غیرخطی (Nonlinear Effects)
• 68. روش‌های تشخیص اثرات غیرخطی
• 69. مدل‌های خطای تصادفی (Random Effects Models)
• 70. مدل‌های اثرات ثابت (Fixed Effects Models)
• 71. مقایسه مدل‌های اثرات ثابت و تصادفی
• 72. استفاده از داده‌های پانلی (Panel Data)
• 73. مدل‌سازی خودهمبستگی (Autocorrelation)
• 74. چگونگی برخورد با خودهمبستگی
• 75. نقش متغیرهای ابزاری (Instrumental Variables)
• 76. اعتبار متغیرهای ابزاری
• 77. تعاملات بین CBPS-DID و متغیرهای ابزاری
• 78. ادغام CBPS-DID با سایر روش‌های آماری
• 79. تحلیل داده‌های با ساختار پیچیده (Complex Data Structures)
• 80. برخورد با داده‌های گمشده (Missing Data)
• 81. روش‌های جایگزینی داده‌های گمشده
• 82. اهمیت اعتبار داخلی (Internal Validity)
• 83. اهمیت اعتبار خارجی (External Validity)
• 84. نقش سیاست‌گذاری در تفسیر نتایج
• 85. اخلاق در تحلیل داده‌ها
• 86. محدودیت‌های CBPS-DID
• 87. آینده CBPS-DID و تحقیقات آتی
• 88. بررسی مقالات علمی مرتبط با CBPS-DID
• 89. راهنمایی برای نوشتن مقاله در مورد CBPS-DID
• 90. منابع و مراجع
• 91. پرسش و پاسخ
• 92. جمع‌بندی و نتیجه‌گیری
• 93. ارزیابی و آزمون پایان دوره