اپلیکیشن اندرویدی فلش‌کارت آموزشی **تحلیل اثرات درمانی ناهمگن با داده‌های پانل: رویکرد ترکیبی درخت رگرسیون و ساختار با رتبه پایین (Low-Rank Structure)**

📚 کتاب آموزشی جامع

📚 اطلاعات کتاب

عنوان کتاب: کتاب **تحلیل اثرات درمانی ناهمگن با داده‌های پانل: رویکرد ترکیبی درخت رگرسیون و ساختار با رتبه پایین (Low-Rank Structure)**

موضوع کلی: استنباط علّی (Causal Inference) و اقتصادسنجی پیشرفته

موضوع میانی: تخمین اثرات درمانی ناهمگن (Heterogeneous Treatment Effects) در داده‌های پانل

📋 سرفصل‌های کتاب (100 موضوع)

• 1. مقدمه: اهمیت استنباط علّی در علوم اجتماعی و کسب و کار
• 2. تعریف اثرات علّی (Causal Effects) و تفاوت با همبستگی
• 3. مفهوم اثرات درمانی ناهمگن (Heterogeneous Treatment Effects - HTE)
• 4. چالش‌های تخمین HTE در داده‌های دنیای واقعی
• 5. مروری بر داده‌های پانل (Panel Data) و ساختار آن‌ها
• 6. مزیت داده‌های پانل در کنترل متغیرهای مشاهده‌نشده ثابت زمانی
• 7. الگوهای درمانی عمومی (General Treatment Patterns) در داده‌های پانل
• 8. محدودیت‌های روش‌های سنتی (مانند Diff-in-Diff) در تخمین HTE
• 9. فلسفه رویکرد پیشنهادی: ترکیب خوشه‌بندی و رتبه پایین
• 10. مبانی اقتصادسنجی داده‌های پانل
• 11. مدل اثرات ثابت (Fixed Effects Model) و کاربرد آن
• 12. مدل اثرات تصادفی (Random Effects Model)
• 13. مفهوم «ساختار زیربنایی» در داده‌های پانل
• 14. مقدمه‌ای بر جبر خطی: مفهوم رتبه (Rank) ماتریس
• 15. اهمیت ساختار با رتبه پایین (Low-Rank Structure) در داده‌های پانل
• 16. تجزیه مقادیر منفرد (Singular Value Decomposition - SVD)
• 17. استفاده از ساختار رتبه پایین برای جداسازی نویز و سیگنال
• 18. مقدمه‌ای بر مدل‌های مبتنی بر درخت (Tree-Based Models)
• 19. اصول درخت رگرسیون (Regression Tree) و مکانیسم تقسیم (Splitting)
• 20. معیارهای خلوص و تقسیم در درخت رگرسیون (مانند MSE)
• 21. هدف اصلی: خوشه‌بندی مشاهدات با اثرات درمانی مشابه
• 22. استفاده از درخت رگرسیون برای خوشه‌بندی مشاهدات (Clustering)
• 23. تعریف خوشه‌ها (Clusters) به عنوان زیرگروه‌های همگن HTE
• 24. الگوریتم پیشنهادی: تقسیم مشاهدات به خوشه‌های مجزا (Disjoint Clusters)
• 25. نقش متغیرهای پیشگو (Covariates) در ساخت درخت رگرسیون
• 26. پیوند خروجی درخت رگرسیون با تخمین اثرات درمانی
• 27. تخمین اثر درمانی میانگین (Average Treatment Effect - ATE) برای هر خوشه
• 28. مدل‌سازی اثرات درمانی خوشه با ساختار رتبه پایین
• 29. فرمول‌بندی مسئله بهینه‌سازی برای تخمین رتبه پایین
• 30. الگوریتم‌های تکراری برای حل مسائل رتبه پایین (مانند Alternating Minimization)
• 31. ترکیب فاز خوشه‌بندی و فاز تخمین رتبه پایین در روش پیشنهادی
• 32. نحوه برخورد با الگوهای درمانی عمومی و متغیر (General/Varied Treatment Patterns)
• 33. ارزیابی دقت (Accuracy) و تفسیرپذیری (Interpretability) مدل
• 34. معیارهای ارزیابی عملکرد (RMSE, Bias) در تخمین HTE
• 35. مقایسه عملکرد با روش‌های جایگزین (مانند Causal Forest)
• 36. تأثیر تعداد برگ‌های درخت رگرسیون (No More Than 40 Leaves) بر دقت
• 37. نقش تعداد برگ‌ها در تعادل بین بیش‌برازش و تفسیرپذیری
• 38. اثبات تئوریک: همگرایی تخمین‌ها به اثرات درمانی واقعی
• 39. شرایط نظری همگرایی و مفروضات مورد نیاز
• 40. مفهوم پتانسیل ساختاردهی در داده‌های پانل (Potential Underlying Structure)
• 41. پیاده‌سازی: آماده‌سازی داده‌های پانل
• 42. کار با مجموعه داده‌های نیمه‌مصنوعی (Semi-Synthetic Data)
• 43. تولید داده‌های نیمه‌مصنوعی برای شبیه‌سازی دقیق
• 44. انتخاب نرم‌افزار آماری مناسب (مانند R یا Python)
• 45. استفاده از کتابخانه‌های یادگیری ماشین برای درخت رگرسیون
• 46. کدنویسی الگوریتم خوشه‌بندی مبتنی بر درخت رگرسیون
• 47. پیاده‌سازی جبر خطی و SVD برای ساختار رتبه پایین
• 48. کدنویسی تابع هدف و بهینه‌سازی الگوریتم تکراری
• 49. تخمین HTE و استخراج پارامترهای مدل نهایی
• 50. تجزیه و تحلیل نتایج و تفسیر اثرات درمانی برای هر خوشه
• 51. ارائه و بصری‌سازی نتایج HTE (HTE Visualization)
• 52. بررسی حساسیت مدل به انتخاب پارامترهای تنظیم (Tuning Parameters)
• 53. کاربرد عملی: تصمیم‌گیری مبتنی بر HTE در کسب و کار
• 54. مثال موردی: اثر یک کمپین تبلیغاتی بر زیرگروه‌های مختلف مشتریان
• 55. مثال موردی: اثر سیاست‌های دولتی بر مناطق جغرافیایی متفاوت
• 56. مدیریت عدم قطعیت و خطای استاندارد در تخمین HTE
• 57. استفاده از بوت‌استرپینگ (Bootstrapping) برای محاسبه فواصل اطمینان
• 58. محدودیت‌ها و چالش‌های استفاده از ساختار رتبه پایین
• 59. تعمیم روش به داده‌های غیر پانل یا سری‌های زمانی
• 60. روش‌های پیشرفته برای مقابله با درمانی که در طول زمان تغییر می‌کند
• 61. تأثیر متغیرهای زمان‌متغیر بر HTE
• 62. آینده پژوهش در تخمین HTE در داده‌های پانل
• 63. اخلاق در استفاده از HTE برای سیاست‌گذاری و شخصی‌سازی