فلش‌کارت‌های آموزشی کارگاه پیشرفته: شناسایی و برآورد اثرات علّی در مدل‌های PVAR با ابزارهای خارجی: از نظریه μ-LATE تا کاربرد در ضرایب مالی پویا

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: کارگاه پیشرفته: شناسایی و برآورد اثرات علّی در مدل‌های PVAR با ابزارهای خارجی: از نظریه μ-LATE تا کاربرد در ضرایب مالی پویا

موضوع کلی: استنباط علّی و مدل‌سازی پویا در اقتصادسنجی

موضوع میانی: مدل‌های VAR پانل و روش متغیرهای ابزاری خارجی

📋 سرفصل‌های دوره (100 موضوع)

• 1. مقدمه‌ای بر استنباط علّی در اقتصادسنجی
• 2. تفاوت همبستگی و علیت: پارادوکس سیمپسون و متغیرهای مخدوشگر
• 3. چارچوب نتایج بالقوه (Potential Outcomes Framework) و اثر درمانی میانگین (ATE)
• 4. مسئله بنیادین استنباط علّی
• 5. درون‌زایی (Endogeneity): منابع و پیامدها
• 6. متغیرهای حذف‌شده، خطای اندازه‌گیری و همزمانی (Simultaneity)
• 7. مبانی داده‌های سری زمانی: مانایی، خودهمبستگی و نویز سفید
• 8. فرآیندهای خودرگرسیو (AR) و میانگین متحرک (MA)
• 9. آزمون‌های ریشه واحد: دیکی-فولر و فیلیپس-پرون
• 10. مبانی داده‌های پانل: مزایا و ساختار
• 11. مدل‌های اثرات ثابت (Fixed Effects) و اثرات تصادفی (Random Effects)
• 12. درون‌زایی در مدل‌های پانل پویا
• 13. برآوردگرهای GMM در پانل پویا: آریانو-باند و بلاندل-باند
• 14. مقدمه‌ای بر مدل‌های خودرگرسیو برداری (VAR)
• 15. ساختار، نمایش و پیش‌بینی در مدل‌های VAR
• 16. پایداری در سیستم‌های VAR
• 17. توابع واکنش آنی (Impulse Response Functions - IRF)
• 18. تجزیه واریانس خطای پیش‌بینی (FEVD)
• 19. مسئله شناسایی (Identification) در مدل‌های VAR
• 20. شناسایی بازگشتی (Recursive Identification): تجزیه Cholesky
• 21. محدودیت‌های شناسایی Cholesky: حساسیت به ترتیب متغیرها
• 22. مدل‌های VAR ساختاری (SVAR): قیود کوتاه مدت و بلند مدت
• 23. معرفی مدل‌های VAR پانل (PVAR)
• 24. مزایای استفاده از PVAR: کارایی بیشتر و شناسایی دینامیک‌های مشترک
• 25. مدل‌های PVAR همگن و ناهمگن
• 26. برآورد مدل‌های PVAR: رویکرد GMM
• 27. چالش‌های شناسایی شوک‌ها در مدل‌های PVAR
• 28. روش متغیرهای ابزاری (IV): شهود و مبانی
• 29. شرایط لازم برای یک متغیر ابزاری معتبر: ربط (Relevance) و برون‌زایی (Exogeneity)
• 30. برآوردگر حداقل مربعات دو مرحله‌ای (2SLS)
• 31. اثر درمانی میانگین موضعی (Local Average Treatment Effect - LATE)
• 32. تفسیر LATE: اثر علّی برای جمعیت "پایبندان" (Compliers)
• 33. مفهوم "شوک" ساختاری در اقتصاد کلان
• 34. معرفی ابزارهای خارجی (External Instruments)
• 35. ابزار خارجی چیست؟ تمایز از ابزارهای داخلی
• 36. مثال‌هایی از ابزارهای خارجی: داده‌های فرکانس بالا، شوک‌های روایی
• 37. اتصال ابزارهای خارجی به چارچوب VAR: مدل‌های Proxy-SVAR
• 38. شناسایی شوک‌های سیاستی با استفاده از ابزارهای خارجی
• 39. چارچوب نظری PVAR با ابزارهای خارجی
• 40. فرضیات کلیدی مدل: ساختار خطی و دینامیک مشترک
• 41. شرط ربط ابزار (Instrument Relevance) در بستر PVAR
• 42. شرط برون‌زایی ابزار (Instrument Exogeneity) در بستر PVAR
• 43. شناسایی پاسخ آنی به شوک ساختاری
• 44. شناسایی دینامیک‌های پس از شوک: بازیابی کل IRF
• 45. مفهوم μ-LATE: اثر میانگین موضعی پویا
• 46. تفسیر μ-LATE در مدل‌های دینامیک پانل
• 47. جمعیت تحت بررسی در μ-LATE
• 48. فرضیات لازم برای شناسایی μ-LATE
• 49. تفاوت μ-LATE با پارامترهای ساختاری سنتی
• 50. برآورد مدل PVAR-IV با روش گشتاورهای تعمیم‌یافته (GMM)
• 51. ساخت شرایط گشتاور برای شناسایی پاسخ آنی
• 52. ساخت شرایط گشتاور برای شناسایی دینامیک‌های آتی
• 53. برآوردگر GMM یک مرحله‌ای و دو مرحله‌ای
• 54. انتخاب ماتریس وزن بهینه در GMM
• 55. مراحل گام به گام برآورد مدل PVAR-IV
• 56. برآورد پاسخ‌های آنی (Impact Responses)
• 57. بازیابی کل تابع واکنش آنی از طریق ضرایب VAR
• 58. مدیریت ناهمگنی در ضرایب PVAR
• 59. پیامدهای ناهمگنی برای شناسایی و برآورد
• 60. مقدمه‌ای بر استنباط آماری در مدل‌های PVAR-IV
• 61. ویژگی‌های مجانبی برآوردگر GMM
• 62. محاسبه خطاهای استاندارد برای توابع واکنش آنی
• 63. روش دلتا (Delta Method) برای محاسبه واریانس IRF
• 64. ایجاد فواصل اطمینان: روش‌های تحلیلی
• 65. ایجاد فواصل اطمینان: روش‌های بوت‌استرپ (Bootstrap)
• 66. مزایا و معایب روش بوت‌استرپ در این بستر
• 67. آزمون فرضیه روی ضرایب واکنش آنی
• 68. مشکل ابزارهای ضعیف (Weak Instruments)
• 69. شناسایی و تشخیص ابزارهای ضعیف در PVAR
• 70. پیامدهای ابزار ضعیف: بایاس و استنباط نادرست
• 71. آزمون‌های اعتبار ابزار: آزمون قیود بیش از حد شناسایی (J-test)
• 72. انتخاب طول بهینه وقفه در مدل‌های PVAR
• 73. آزمون‌های تشخیص برای مدل: خودهمبستگی و ناهمسانی واریانس
• 74. تحلیل حساسیت و آزمون‌های استواری (Robustness Checks)
• 75. کاربرد عملی: شناسایی شوک‌های سیاست پولی
• 76. ساخت ابزار خارجی برای سیاست پولی با داده‌های فرکانس بالا
• 77. کاربرد عملی: شناسایی شوک‌های سیاست مالی
• 78. استفاده از رویکرد روایی (Narrative Approach) برای ساخت ابزار
• 79. مطالعه موردی: برآورد اثرات پویا شوک‌های مالی بر متغیرهای کلان
• 80. تفسیر نتایج μ-LATE در زمینه یک سیاست واقعی
• 81. مقایسه نتایج PVAR-IV با روش‌های شناسایی دیگر (مانند قیود علامتی)
• 82. پیاده‌سازی مدل در نرم‌افزارهای آماری (Stata, R, Python)
• 83. چالش‌های عملی در پیاده‌سازی و جمع‌آوری داده‌ها
• 84. توسعه مدل: PVAR با پارامترهای متغیر با زمان (TVP-PVAR)
• 85. توسعه مدل: در نظر گرفتن اثرات غیرخطی و آستانه‌ای
• 86. محدودیت‌های رویکرد ابزار خارجی
• 87. اشتباهات رایج در استفاده و تفسیر مدل‌های PVAR-IV
• 88. جمع‌بندی نهایی و مسیرهای تحقیقاتی آینده

کارگاه پیشرفته: شناسایی و برآورد اثرات علّی در مدل‌های PVAR با ابزارهای خارجی: از نظریه μ-LATE تا کاربرد در ضرایب مالی پویا

آیا به دنبال درک عمیق‌تری از مدل‌سازی پویا و استنباط علّی در اقتصادسنجی هستید؟ آیا می‌خواهید اثرات سیاست‌های اقتصادی را به طور دقیق و با استفاده از روش‌های پیشرفته تخمین بزنید؟ دیگر نگران نباشید! این کارگاه جامع و کاربردی، دریچه‌ای نو به دنیای پیچیده مدل‌های VAR پانل (PVAR) و استفاده از متغیرهای ابزاری خارجی می‌گشاید.

این دوره با الهام از مقاله‌ی علمی پیشرو "Identification, estimation and inference in Panel Vector Autoregressions using external instruments" طراحی شده است. ما در این کارگاه، فراتر از مباحث تئوری رفته و شما را با کاربردهای عملی و چالش‌های واقعی استفاده از این روش‌ها در دنیای اقتصاد آشنا می‌کنیم. از نظریه‌ی μ-LATE تا تخمین ضرایب مالی پویا، هر آنچه برای تبدیل شدن به یک اقتصادسنج خبره نیاز دارید را در این دوره فرا خواهید گرفت.

درباره دوره

این دوره آموزشی، یک بررسی عمیق و گام به گام از مدل‌های VAR پانل (PVAR) و روش‌های تخمین اثرات علّی با استفاده از متغیرهای ابزاری خارجی ارائه می‌دهد. با تکیه بر مبانی نظری استوار و مثال‌های کاربردی، شما خواهید آموخت که چگونه مدل‌های PVAR را شناسایی، تخمین و تفسیر کنید. همچنین، با چالش‌های موجود در این زمینه و روش‌های مقابله با آنها آشنا خواهید شد. دوره به طور خاص به مفهوم μ-LATE (Local Average Treatment Effect) می‌پردازد، که هنگام استفاده از یک ابزار پیوسته برای هدف قرار دادن یک درمان باینری ظاهر می‌شود. ما نشان می‌دهیم که PVARهای ابزاری‌شده خارجی، μ-LATE را تخمین می‌زنند.

موضوعات کلیدی

• مقدمه‌ای بر مدل‌های VAR پانل (PVAR) و کاربردهای آنها
• شناسایی در مدل‌های PVAR: چالش‌ها و راهکارها
• متغیرهای ابزاری خارجی: انتخاب، اعتبارسنجی و کاربرد
• تخمین پارامترها در مدل‌های PVAR با استفاده از متغیرهای ابزاری
• استنباط آماری در مدل‌های PVAR: آزمون فرضیه‌ها و فواصل اطمینان
• نظریه μ-LATE و تفسیر نتایج در مدل‌های PVAR
• مدل‌سازی ضرایب مالی پویا با استفاده از PVAR و ابزارهای خارجی
• تحلیل حساسیت و ارزیابی اعتبار نتایج
• کاربردهای پیشرفته PVAR در اقتصاد کلان و مالی
• مطالعات موردی: بررسی مقالات و پروژه‌های تحقیقاتی

مخاطبان دوره

این دوره برای طیف وسیعی از افراد مناسب است، از جمله:

• اقتصاددانان و پژوهشگران فعال در زمینه اقتصاد کلان، اقتصاد مالی و اقتصادسنجی
• دانشجویان تحصیلات تکمیلی در رشته‌های اقتصاد، مدیریت و علوم سیاسی
• تحلیلگران و کارشناسان اقتصادی در سازمان‌های دولتی و خصوصی
• سیاست‌گذاران اقتصادی که به دنبال درک بهتر اثرات سیاست‌های خود هستند

چرا این دوره را بگذرانیم؟

با شرکت در این دوره، شما:

• به دانش و مهارت‌های لازم برای مدل‌سازی و تحلیل داده‌های پانل با استفاده از مدل‌های PVAR مجهز خواهید شد.
• توانایی شناسایی و تخمین اثرات علّی با استفاده از متغیرهای ابزاری خارجی را به دست خواهید آورد.
• با نظریه μ-LATE و کاربردهای آن در اقتصادسنجی آشنا خواهید شد.
• می‌توانید ضرایب مالی پویا و سایر اثرات سیاست‌های اقتصادی را به طور دقیق تخمین بزنید.
• شبکه‌ای از متخصصان و همکاران در زمینه اقتصادسنجی تشکیل خواهید داد.
• رزومه خود را با یک مهارت ارزشمند و پرطرفدار در بازار کار ارتقا خواهید داد.
• فراتر از تئوری، با کاربردهای عملی PVAR در دنیای واقعی آشنا می‌شوید.
• در پروژه‌های تحقیقاتی خود از روش‌های پیشرفته اقتصادسنجی استفاده خواهید کرد.

سرفصل‌های دوره

این دوره شامل 100 سرفصل جامع است که تمامی جنبه‌های مدل‌سازی PVAR با ابزارهای خارجی را پوشش می‌دهد. برخی از سرفصل‌های کلیدی عبارتند از:

• مقدمه‌ای بر داده‌های پانل و انواع مدل‌های پانل
• مدل‌های VAR و تعمیم آنها به داده‌های پانل (PVAR)
• مشکلات شناسایی در مدل‌های PVAR و راهکارهای حل آنها
• متغیرهای ابزاری: تعریف، شرایط و آزمون‌های اعتبار
• انتخاب متغیرهای ابزاری خارجی مناسب برای مدل‌های PVAR
• تخمین مدل‌های PVAR با استفاده از روش‌های GMM و IV
• آزمون‌های تشخیصی برای بررسی اعتبار مدل‌های PVAR
• تحلیل توابع واکنش آنی (Impulse Response Functions) در PVAR
• تحلیل واریانس تجزیه (Variance Decomposition) در PVAR
• نظریه μ-LATE و تفسیر نتایج حاصل از مدل‌های PVAR با ابزار خارجی
• کاربرد PVAR در تحلیل اثرات سیاست‌های مالی و پولی
• مدل‌سازی ضرایب مالی پویا با استفاده از PVAR و متغیرهای ابزاری
• بررسی مطالعات موردی در زمینه‌های مختلف اقتصادی
• استفاده از نرم‌افزارهای اقتصادسنجی (Stata, R, EViews) برای تخمین و تحلیل مدل‌های PVAR
• روش‌های پیشرفته در مدل‌سازی PVAR: مدل‌های PVAR غیرخطی، مدل‌های PVAR آستانه‌ای و غیره
• چالش‌های موجود در استفاده از PVAR و راهکارهای مقابله با آنها
• ارائه پروژه تحقیقاتی با استفاده از مدل‌های PVAR

همین امروز ثبت نام کنید و قدمی بزرگ در جهت ارتقای دانش و مهارت‌های خود بردارید! ظرفیت محدود است!