, ,

کتاب قدرت شناسایی اثرات درمان توزیعی: ترکیب داده‌های آزمایشی و مشاهده‌ای برای تخمین‌های دقیق‌تر

تومان249,950

انتخاب پلن

torobpay
هر قسط با ترب‌پی: تومان62,488
۴ قسط ماهانه. بدون سود، چک و ضامن.

📚 محتوای این محصول آموزشی (پکیج کامل)

💡 این محصول یک نسخهٔ کامل و جامع است

تمامی محتوای آموزشی این کتاب در قالب یک بسته‌ی کامل و یکپارچه ارائه می‌شود و شامل تمام نسخه‌ها و فایل‌های موردنیاز برای یادگیری است.

🎁 محتویات کامل بسته دانلودی

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل کتاب‌ها، تمرین‌ها و خودآزمایی .


ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود و نسخهٔ چاپی ندارد.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های کتاب همانجا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

📚 کتاب آموزشی جامع

📚 اطلاعات کتاب

عنوان کتاب: کتاب قدرت شناسایی اثرات درمان توزیعی: ترکیب داده‌های آزمایشی و مشاهده‌ای برای تخمین‌های دقیق‌تر

موضوع کلی: اقتصادسنجی و روش‌های تخمین علّی

موضوع میانی: تخمین اثرات درمان با استفاده از داده‌های ترکیبی

📋 سرفصل‌های کتاب (100 موضوع)

  • 1. مقدمه: چرا تخمین علّی اهمیت دارد؟
  • 2. مفهوم علّیت و مدل‌های علّی
  • 3. چارچوب پیامدهای بالقوه (Potential Outcomes Framework)
  • 4. تعریف اثر درمان فردی (Individual Treatment Effect)
  • 5. اثر درمان میانگین (Average Treatment Effect – ATE)
  • 6. اثر درمان بر روی گروه درمان‌شده (Average Treatment Effect on the Treated – ATT)
  • 7. مقدمه‌ای بر اثرات درمان توزیعی (Distributional Treatment Effects – DTEs)
  • 8. اثرات درمان کوانتایل (Quantile Treatment Effects – QTEs)
  • 9. مزایای بررسی اثرات توزیعی در مقابل میانگین
  • 10. کارآزمایی‌های کنترل‌شده تصادفی (RCTs): اصول و طراحی
  • 11. قدرت و محدودیت‌های RCTs: اعتبار داخلی
  • 12. محدودیت‌های RCTs: اعتبار بیرونی و قابلیت تعمیم
  • 13. داده‌های مشاهده‌ای: ویژگی‌ها و اهمیت
  • 14. چالش‌های داده‌های مشاهده‌ای در تخمین علّی
  • 15. مفهوم شناسایی (Identification) در اقتصادسنجی علّی
  • 16. سوگیری متغیرهای مخدوش‌کننده (Confounding Bias)
  • 17. سوگیری انتخاب (Selection Bias) و پیامدهای آن
  • 18. فرض استقلال شرطی (Conditional Independence Assumption – CIA)
  • 19. اهمیت متغیرهای کنترل و کوواریت‌ها
  • 20. رگرسیون برای تخمین اثرات درمان: تنظیم برای کوواریت‌ها
  • 21. فرض ناحیه مشترک پشتیبانی (Common Support/Overlap Assumption)
  • 22. امتیاز تمایل (Propensity Score) و تعریف آن
  • 23. تخمین امتیاز تمایل: مدل‌های لاجیت و پروبیت
  • 24. تطبیق بر اساس امتیاز تمایل (Propensity Score Matching – PSM)
  • 25. متعادل‌سازی کوواریت‌ها پس از تطبیق
  • 26. روش‌های وارون احتمال وزن‌دهی درمان (IPW – Inverse Probability Weighting)
  • 27. تخمین‌گرهای دوگانه مقاوم (Doubly Robust Estimators)
  • 28. رگرسیون با ماتریس تطبیق
  • 29. تحلیل حساسیت در داده‌های مشاهده‌ای
  • 30. معرفی روش‌های ناپارامتریک در اقتصادسنجی علّی
  • 31. چرا از میانگین فراتر برویم؟ مثال‌های کاربردی DTE
  • 32. تعریف رسمی تابع اثر درمان توزیعی
  • 33. تعریف رسمی تابع اثر درمان کوانتایل (QTE)
  • 34. تابع توزیع تجربی (Empirical Distribution Function)
  • 35. تخمین‌های ناپارامتریک توابع توزیع
  • 36. شناسایی DTEs و QTEs: چالش‌های اولیه
  • 37. شناسایی QTEs تحت فرض استقلال شرطی
  • 38. روش‌های رگرسیون کوانتایل (Quantile Regression) به عنوان ابزار
  • 39. محدودیت‌های رگرسیون کوانتایل برای شناسایی QTEs
  • 40. نقش کوواریت‌ها در شناسایی DTEs/QTEs
  • 41. عدم همگنی اثرات درمان (Treatment Effect Heterogeneity)
  • 42. اهمیت درک اثرات بر گروه‌های مختلف توزیع
  • 43. گرافیک‌های توزیع و نمودارهای کوانتایل
  • 44. معیارهای تفاوت توزیع‌ها: Kullback-Leibler، Wasserstein
  • 45. ارزیابی سیاست‌ها بر اساس اثرات توزیعی
  • 46. انگیزه‌های ترکیب داده‌ها: رفع محدودیت‌های هر منبع
  • 47. مقاله الهام‌بخش: ایده اصلی "قدرت شناسایی" چیست؟
  • 48. چگونه داده‌های آزمایشی اعتبار داخلی را تضمین می‌کنند؟
  • 49. چگونه داده‌های مشاهده‌ای اعتبار بیرونی را افزایش می‌دهند؟
  • 50. سناریوهای رایج برای ترکیب داده‌ها
  • 51. ترکیب برای بهبود تخمین ATE
  • 52. ترکیب برای بهبود شناسایی DTEs و QTEs
  • 53. ساختار داده‌های ترکیبی: داده‌های برشی (Cross-sectional) متفاوت
  • 54. فرض‌های شناسایی برای ترکیب داده‌های آزمایشی و مشاهده‌ای
  • 55. فرض قابلیت انتقال (Transportability/Generalizability) از RCT به جامعه بزرگتر
  • 56. نقش متغیرهای مشترک (Common Covariates) بین دو مجموعه داده
  • 57. استراتژی‌های کلی برای ترکیب داده‌ها
  • 58. تخمین‌گرهای مبتنی بر وزن‌دهی (Weighting Estimators) در داده‌های ترکیبی
  • 59. ترکیب داده‌ها از طریق تطبیق/حاشیه‌سازی (Matching/Marginalization)
  • 60. چارچوب نظری برای شناسایی غیرپارامتریک DTEs با داده‌های ترکیبی
  • 61. تخمین DTEs با استفاده از دو نمونه مجزا (Two-Sample DTE Estimation)
  • 62. تخمین QTEs با داده‌های ترکیبی: روش‌های پیشرفته
  • 63. تخمین توابع کوانتایل شرطی با داده‌های ترکیبی
  • 64. کاربرد روش‌های یادگیری ماشین در شناسایی DTEs
  • 65. یادگیری ماشینی برای تخمین امتیاز تمایل و توابع پیامد
  • 66. درختان و جنگل‌های علّی برای اثرات ناهمگن (Causal Forests for Heterogeneous Effects)
  • 67. تخمین اثرات درمانی مشروط (Conditional Treatment Effects)
  • 68. تخمین اثرات درمان توزیعی مشروط (CDTEs)
  • 69. استفاده از روش‌های ناپارامتریک برای تخمین CDTEs
  • 70. شناسایی CDTEs با داده‌های آزمایشی و مشاهده‌ای
  • 71. شناسایی CDTEs در سناریوهای پیچیده‌تر
  • 72. نقش متغیرهای ابزاری (Instrumental Variables) در شناسایی DTEs (مقدماتی)
  • 73. شناسایی ATE/QTEs با متغیرهای ابزاری و داده‌های ترکیبی
  • 74. مقایسه روش‌های مختلف ترکیب داده‌ها: مزایا و معایب
  • 75. روش‌های کنترل ناپارامتریک برای اثرات توزیعی
  • 76. روش‌های مبتنی بر بیشینه احتمال (Maximum Likelihood) در داده‌های ترکیبی
  • 77. رویکردهای بیزی (Bayesian Approaches) برای ترکیب داده‌ها
  • 78. مسائل نمونه‌گیری و استنباط (Sampling and Inference) در داده‌های ترکیبی
  • 79. بوت‌استرپینگ (Bootstrapping) برای استنباط در QTEs/DTEs
  • 80. تحلیل حساسیت پیشرفته برای ترکیب داده‌ها
  • 81. نرم‌افزارهای پیاده‌سازی: R و Python برای اقتصادسنجی علّی
  • 82. پکیج‌های R برای تخمین اثرات درمان (مانند `CausalImpact`, `grf`)
  • 83. پکیج‌های Python برای اثرات درمان (مانند `EconML`, `DoWhy`)
  • 84. مطالعه موردی: ارزیابی یک برنامه آموزشی با داده‌های ترکیبی
  • 85. مطالعه موردی: اثر یک سیاست بهداشتی بر توزیع سلامت
  • 86. اعتبار داخلی در مقابل اعتبار بیرونی: تعادل بهینه
  • 87. ملاحظات اخلاقی در استفاده از داده‌های ترکیبی
  • 88. ارزیابی قدرت شناسایی در طراحی مطالعه
  • 89. نقش قابلیت انتقال کوواریت‌ها
  • 90. چالش‌های مقیاس‌گذاری و ابعاد بالای داده‌ها
  • 91. تشخیص مدل اشتباه و پیامدهای آن
  • 92. بررسی ناهمگنی اثرات درمان در زیرگروه‌ها
  • 93. تخمین DTEs در حضور پیامدهای چندگانه
  • 94. اثرات درمان پویا (Dynamic Treatment Effects) و DTEs
  • 95. میانجی‌گری (Mediation) و تخمین DTEs
  • 96. مرزهای جدید در شناسایی DTEs با داده‌های ترکیبی
  • 97. محدودیت‌های رویکردهای کنونی و مسیرهای تحقیقاتی آینده
  • 98. توصیه‌های سیاستی مبتنی بر تحلیل DTEs
  • 99. جمع‌بندی: آینده اقتصادسنجی علّی با داده‌های ترکیبی
  • 100. منابع و مطالعه بیشتر

📚 محتوای این محصول آموزشی (پکیج کامل)

💡 این محصول یک نسخهٔ کامل و جامع است

تمامی محتوای آموزشی این کتاب در قالب یک بسته‌ی کامل و یکپارچه ارائه می‌شود و شامل تمام نسخه‌ها و فایل‌های موردنیاز برای یادگیری است.

🎁 محتویات کامل بسته دانلودی

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل کتاب‌ها، تمرین‌ها و خودآزمایی .


ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود و نسخهٔ چاپی ندارد.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های کتاب همانجا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

دیدگاهها

هیچ دیدگاهی برای این محصول نوشته نشده است.

اولین نفری باشید که دیدگاهی را ارسال می کنید برای “کتاب قدرت شناسایی اثرات درمان توزیعی: ترکیب داده‌های آزمایشی و مشاهده‌ای برای تخمین‌های دقیق‌تر”

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

پیمایش به بالا