کتاب صوتی مدل‌سازی پیشرفته اثرات فضایی پویا: رویکرد تابعی پیوسته و کاربرد در دسترسی به سلامت

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره مدل‌سازی پیشرفته اثرات فضایی پویا: رویکرد تابعی پیوسته و کاربرد در دسترسی به سلامت

موضوع کلی: تحلیل و مدل‌سازی اثرات علی فضایی

موضوع میانی: چارچوب‌های تابعی پیوسته برای مدل‌سازی اثرات فضایی

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر استنتاج علی و اهمیت آن در علوم اجتماعی
• 2. چالش‌های شناسایی روابط علی در داده‌های مشاهده‌ای
• 3. چارچوب نتایج بالقوه (Potential Outcomes Framework)
• 4. اثر درمانی میانگین (ATE) و اثر درمانی بر روی درمان‌شدگان (ATT)
• 5. فرض پایداری مقدار درمان واحد (SUTVA) و اهمیت آن
• 6. مقدمه‌ای بر تحلیل فضایی و داده‌های مکانی
• 7. انواع داده‌های فضایی: نقطه‌ای، خطی و چندضلعی
• 8. اهمیت فاصله و همسایگی در مدل‌سازی فضایی
• 9. چرا تحلیل فضایی استاندارد برای استنتاج علی کافی نیست؟
• 10. نقض فرض SUTVA در محیط‌های فضایی: اثرات سرریز (Spillover Effects)
• 11. مقدمه‌ای بر اقتصادسنجی فضایی سنتی
• 12. ماتریس وزن‌دهی فضایی (W): ساختار و مفروضات
• 13. انواع ماتریس‌های وزن‌دهی: همجواری، فاصله معکوس و کرنل
• 14. خودهمبستگی فضایی و آزمون موران (Moran's I)
• 15. مدل خودرگرسیون فضایی (SAR) و تفسیر ضرایب
• 16. مدل خطای فضایی (SEM) و منابع وابستگی فضایی
• 17. مدل دوربین فضایی (SDM): تفکیک اثرات مستقیم و غیرمستقیم
• 18. محدودیت‌های رویکردهای مبتنی بر ماتریس W: گسستگی و پیش‌فرض‌ها
• 19. معرفی موضوع مطالعه موردی: دسترسی به خدمات بهداشتی و درمانی
• 20. داده‌های مورد نیاز برای تحلیل دسترسی به سلامت: مکانی و غیرمکانی
• 21. چالش‌های تعریف "درمان" در زمینه دسترسی به سلامت
• 22. مروری بر ادبیات اقتصادی و بهداشتی در زمینه دسترسی فضایی
• 23. گذار از اثرات گسسته به اثرات پیوسته فضایی
• 24. چرا به یک چارچوب تابعی نیاز داریم؟
• 25. مفهوم "اثر درمانی" به عنوان یک تابع پیوسته از فاصله
• 26. معرفی چارچوب تابعی اثرات درمانی فضایی (STEF)
• 27. تعریف رسمی نتایج بالقوه در یک چارچوب تابعی
• 28. متغیرهای درمانی پیوسته و چندگانه در فضا
• 29. مدل‌سازی اثرات پویا: افزودن بُعد زمان به تحلیل فضایی
• 30. اثرات درمانی فضایی پویا (Dynamic STEF)
• 31. فرضیات شناسایی در چارچوب تابعی پیوسته
• 32. فرض نادیده‌انگاری (Ignorability) در بستر فضایی
• 33. فرض حمایت مشترک (Common Support) برای متغیرهای مکانی
• 34. پایداری و عدم تداخل در چارچوب تابعی: تعریفی نوین
• 35. اهمیت کنترل متغیرهای کمکی فضایی پیوسته
• 36. مفهوم تابع چگالی گزینش فضایی (Spatial Propensity Score)
• 37. تفاوت‌های کلیدی بین چارچوب تابعی و اقتصادسنجی فضایی سنتی
• 38. مزایای انعطاف‌پذیری مدل‌سازی تابعی
• 39. مقدمه‌ای بر تخمین‌گرهای ناپارامتریک
• 40. تخمین چگالی کرنل به عنوان یک مفهوم پایه‌ای
• 41. رگرسیون کرنل (Kernel Regression) برای تخمین توابع اثر
• 42. رگرسیون چندجمله‌ای محلی (Local Polynomial Regression)
• 43. انتخاب تابع کرنل: گاوسی، اپانچنیکوف و دیگران
• 44. مفهوم پهنای باند (Bandwidth) و نقش حیاتی آن
• 45. روش‌های انتخاب پهنای باند بهینه: اعتبارسنجی متقابل (Cross-Validation)
• 46. معاوضه بین بایاس و واریانس در تخمین ناپارامتریک
• 47. تخمین تابع اثر درمانی فضایی با استفاده از رگرسیون محلی
• 48. تخمین اثرات پویا: ترکیب داده‌های پنل و روش‌های ناپارامتریک
• 49. استنتاج آماری برای تابع‌های تخمین‌زده‌شده
• 50. محاسبه خطاهای استاندارد نقطه‌ای برای تابع اثر
• 51. ایجاد باندهای اطمینان یکنواخت (Uniform Confidence Bands)
• 52. روش‌های بوت‌استرپ (Bootstrap) برای ساخت باندهای اطمینان
• 53. آزمون فرض صفر بودن تابع اثر در فواصل مختلف
• 54. آزمون فرض برای برابری دو تابع اثر درمانی فضایی
• 55. پیاده‌سازی عملی: نرم‌افزارهای R و پایتون برای تحلیل تابعی
• 56. بسته‌های نرم‌افزاری مرتبط: `nprob`, `locpol`, `sf`
• 57. کاربرد در دسترسی به سلامت: تعریف دقیق مسئله تحقیق
• 58. شناسایی "درمان": افتتاح یا تعطیلی مراکز درمانی
• 59. شناسایی "نتایج": شاخص‌های سلامت، مرگ‌ومیر و استفاده از خدمات
• 60. جمع‌آوری و آماده‌سازی داده‌های مکانی (GIS)
• 61. ژئوکدینگ (Geocoding) آدرس‌ها و محاسبه فواصل دقیق
• 62. ترکیب داده‌های سلامت با اطلاعات مکانی
• 63. تحلیل اکتشافی داده‌ها: نقشه‌سازی و مصورسازی الگوهای فضایی
• 64. اجرای مدل: تخمین تابع اثر دسترسی به بیمارستان بر سلامت
• 65. تفسیر شکل تابع اثر: شیب، نقطه اوج و دامنه اثر
• 66. مصورسازی تابع اثر درمانی فضایی و باندهای اطمینان آن
• 67. تحلیل پویایی اثر: چگونه اثرات در طول زمان تغییر می‌کنند؟
• 68. تحلیل ناهمگونی اثرات: تفاوت‌ها بر اساس ویژگی‌های جمعیتی
• 69. بررسی استحکام نتایج (Robustness Checks)
• 70. تغییر پهنای باند و توابع کرنل برای ارزیابی حساسیت
• 71. مقایسه نتایج رویکرد تابعی با مدل‌های SDM سنتی
• 72. بحث در مورد پیامدهای سیاستی یافته‌ها
• 73. استفاده از مدل برای برنامه‌ریزی بهینه مکانی تسهیلات جدید
• 74. شناسایی "بیابان‌های سلامت" (Health Deserts) با دقت بیشتر
• 75. ارزیابی سیاست‌های گذشته مرتبط با مکان‌یابی مراکز درمانی
• 76. محدودیت‌های روش‌شناختی و داده‌ای مطالعه موردی
• 77. توسعه مدل: در نظر گرفتن موانع جغرافیایی (رودخانه‌ها، کوه‌ها)
• 78. توسعه مدل: استفاده از فاصله شبکه راه‌ها به جای فاصله اقلیدسی
• 79. اثرات فضایی-زمانی: مدل‌سازی انتشار اثرات در فضا و زمان
• 80. کنترل اثرات ثابت مکانی و زمانی در مدل‌های پنل ناپارامتریک
• 81. چالش نفرین ابعاد (Curse of Dimensionality) در تخمین ناپارامتریک
• 82. راهکارهای مقابله با نفرین ابعاد: مدل‌های نیمه‌پارامتریک
• 83. ترکیب یادگیری ماشین و استنتاج علی فضایی
• 84. استفاده از جنگل‌های تصادفی علی (Causal Forests) در بستر فضایی
• 85. فرایندهای گوسی (Gaussian Processes) برای مدل‌سازی توابع اثر
• 86. ملاحظات محاسباتی برای مجموعه داده‌های بزرگ
• 87. روش‌های نمونه‌برداری و محاسبات موازی
• 88. تعمیم چارچوب به اثرات شبکه‌ای غیرمکانی
• 89. کاربردها در سایر حوزه‌ها: جرم‌شناسی، محیط زیست، اقتصاد شهری
• 90. خلاصه و جمع‌بندی چارچوب تابعی پیوسته
• 91. مروری بر مزایا و معایب رویکرد
• 92. اخلاق در تحلیل داده‌های مکانی و حریم خصوصی
• 93. جهت‌گیری‌های تحقیقاتی آینده در مدل‌سازی علی فضایی
• 94. نتیجه‌گیری نهایی و چشم‌انداز دوره