کتاب برآورد اثرات علی از طریق ترکیب ترجیحات اعلامی و افعالی: رهیافتی نوین با فرمت AZW3 برای کتابخوان کیندل و فرمت EPUB

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره برآورد اثرات علی از طریق ترکیب ترجیحات اعلامی و افعالی: رهیافتی نوین

موضوع کلی: اقتصادسنجی رفتاری و انتخاب مصرف‌کننده

موضوع میانی: ترکیب داده‌های ترجیحات اعلامی و افعالی

📋 سرفصل‌های دوره

• 1. مبانی اقتصاد رفتاری و انتخاب مصرف‌کننده
• 2. مقدمه ای بر ترجیحات اعلامی (SP) و ترجیحات افعالی (RP)
• 3. اهمیت ترکیب SP و RP در اقتصادسنجی رفتاری
• 4. چالش‌های اندازه‌گیری ترجیحات مصرف‌کننده
• 5. مروری بر مقاله‌ی "Combining stated and revealed preferences"
• 6. نقش داده‌های SP و RP در تحلیل رفتار مصرف‌کننده
• 7. مبانی نظری انتخاب عقلایی و محدودیت‌های آن
• 8. آشنایی با مدل‌های Utility Maximization
• 9. مقدمه ای بر خطاهای شناختی و سوگیری‌ها در تصمیم‌گیری
• 10. اثرات چارچوب‌بندی و اهمیت آن در SP
• 11. نقش زیان‌گریزی و بی‌ثباتی ارزش در RP
• 12. مفاهیم اساسی در نظریه انتخاب (Choice Theory)
• 13. مدل‌های پیش‌بینی انتخاب: لوجیت، پروبیت و...
• 14. آشنایی با داده‌های SP: روش‌های جمع‌آوری
• 15. طراحی پرسشنامه در مطالعات SP
• 16. روش‌های ارزیابی پایایی و روایی داده‌های SP
• 17. کاربرد تحلیل خوشه‌ای در داده‌های SP
• 18. مبانی طراحی آزمایش‌های انتخاب (Choice Experiments)
• 19. آشنایی با روش‌های مختلف Choice Experiments (CE)
• 20. مزایا و معایب روش‌های مختلف CE
• 21. مدل‌سازی داده‌های CE: تحلیل تابع مطلوبیت (Utility Function)
• 22. تخمین پارامترهای مدل CE
• 23. اثرات ترکیبی (Interaction Effects) در مدل‌های CE
• 24. تفسیر نتایج مدل‌های CE
• 25. آشنایی با داده‌های RP: روش‌های جمع‌آوری
• 26. منابع داده‌های RP: داده‌های بازار، تراکنش‌ها و...
• 27. تمیز دادن بین داده‌های SP و RP
• 28. آشنایی با فرآیند هم‌گرا کردن داده‌های SP و RP
• 29. روش‌های وزن‌دهی داده‌ها در ترکیب SP و RP
• 30. اهمیت مدل‌سازی همزمان SP و RP
• 31. مدل‌های ترکیبی SP و RP: مدل‌های ترکیبی (Hybrid Models)
• 32. مدل‌های ترکیبی مبتنی بر احتمال (Probabilistic Hybrid Models)
• 33. مدل‌های ترکیب داده‌ها با روش Bayesian
• 34. تخمین پارامترها در مدل‌های ترکیبی
• 35. مقایسه مدل‌های مختلف ترکیبی
• 36. ارزیابی و اعتبارسنجی مدل‌های ترکیبی
• 37. کاربردهای عملی ترکیب SP و RP
• 38. مطالعات موردی: حمل و نقل
• 39. مطالعات موردی: بهداشت و درمان
• 40. مطالعات موردی: بازاریابی
• 41. مطالعات موردی: سیاست‌گذاری عمومی
• 42. برآورد ارزش‌های اقتصادی با استفاده از ترکیب SP و RP
• 43. تحلیل هزینه-فایده (Cost-Benefit Analysis) با داده‌های ترکیبی
• 44. ارزیابی سیاست‌ها و مداخلات با استفاده از مدل‌های ترکیبی
• 45. مدل‌سازی تغییرات ترجیحات در طول زمان
• 46. مدل‌های پویای ترکیب SP و RP
• 47. اثرات یادگیری و تجربه بر ترجیحات
• 48. نقش اطلاعات و آگاهی در تغییر ترجیحات
• 49. مدل‌سازی عدم قطعیت و ریسک در انتخاب
• 50. تأثیر ریسک‌گریزی بر ترکیب SP و RP
• 51. کاربرد نظریه چشم‌انداز (Prospect Theory) در ترکیب SP و RP
• 52. مدل‌های مبتنی بر Prospect Theory
• 53. مدل‌سازی رفتار غیرمنطقی و خطاهای شناختی
• 54. سوگیری‌های رفتاری در SP و RP
• 55. راه‌کارهای کاهش سوگیری‌ها در داده‌ها
• 56. اهمیت انتخاب زیرمجموعه مناسب از داده‌ها
• 57. مدل‌سازی انتخاب‌های تکراری
• 58. تحلیل داده‌های طولی (Panel Data)
• 59. مدل‌های سطح‌بندی‌شده (Hierarchical Models)
• 60. کاربرد مدل‌های چند سطحی در ترکیب SP و RP
• 61. مدل‌سازی ناهمگنی (Heterogeneity) در ترجیحات
• 62. تحلیل گروه‌بندی (Segmentation) بر اساس ترجیحات
• 63. روش‌های پیشرفته ترکیب داده‌های SP و RP
• 64. مدل‌سازی با استفاده از روش‌های Bayesian
• 65. مدل‌های ترکیبی با استفاده از شبکه‌های عصبی
• 66. یادگیری ماشینی در تحلیل داده‌های ترکیبی
• 67. اعتبارسنجی مدل با استفاده از روش‌های Cross-Validation
• 68. ارزیابی قدرت پیش‌بینی مدل
• 69. اثرات متقابل (Interaction Effects) پیچیده در مدل‌ها
• 70. ملاحظات اخلاقی در جمع‌آوری و تحلیل داده‌های SP و RP
• 71. حفظ حریم خصوصی در مطالعات SP و RP
• 72. نقش شفافیت در ارائه نتایج
• 73. چالش‌های اجرای مطالعات ترکیبی در دنیای واقعی
• 74. مدیریت داده‌ها و آماده‌سازی داده‌ها
• 75. انتخاب نرم‌افزار مناسب برای تحلیل
• 76. نکات کلیدی در گزارش‌دهی و تفسیر نتایج
• 77. آینده‌ی ترکیب SP و RP در اقتصاد رفتاری
• 78. گرایش‌های نوین در تحقیقات ترکیبی
• 79. نقش فناوری‌های جدید در جمع‌آوری داده‌ها
• 80. کاربرد هوش مصنوعی در تحلیل داده‌ها
• 81. ترکیب SP و RP با سایر روش‌های تحقیق
• 82. ترکیب SP و RP با داده‌های عصب‌شناختی (Neuroeconomics)
• 83. ارتباط بین SP و RP و تصمیم‌گیری‌های جمعی
• 84. کاربرد مدل‌های ترکیبی در سیاست‌گذاری
• 85. نقش داده‌های SP و RP در طراحی سیاست‌های موثر
• 86. تاثیر سیاست‌گذاری بر ترجیحات افراد
• 87. مطالعات موردی پیشرفته: انتخاب‌های پیچیده
• 88. تحلیل حساسیت (Sensitivity Analysis) در مدل‌سازی ترکیبی
• 89. آزمون فرضیه‌ها و ارزیابی معناداری آماری
• 90. برنامه‌ریزی برای اجرای مطالعات ترکیبی
• 91. جمع‌آوری داده‌ها و مدیریت بودجه
• 92. انتخاب ابزارهای مناسب برای جمع‌آوری داده‌ها
• 93. بهبود کیفیت داده‌ها
• 94. نحوه نوشتن پروپوزال برای مطالعات ترکیبی
• 95. نگارش مقالات علمی در زمینه ترکیب SP و RP
• 96. استفاده از نرم‌افزارهای تخصصی تحلیل داده
• 97. مباحث پیشرفته در مدل‌سازی و تخمین
• 98. چالش‌های عملی در پیاده‌سازی مدل‌ها
• 99. خطاهای رایج و راه‌حل‌های آن‌ها
• 100. نتیجه‌گیری و جمع‌بندی مطالب