دوره کشف اثرات علّی پنهان: کتاب جامع تحلیل سری‌های زمانی مقطوع چندسطحی و غیرخطی همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

📚 کتاب آموزشی جامع

📚 اطلاعات کتاب

عنوان کتاب: کتاب کشف اثرات علّی پنهان: کتاب جامع تحلیل سری‌های زمانی مقطوع چندسطحی و غیرخطی

موضوع کلی: استنباط علّی و ارزیابی اثربخشی مداخلات

موضوع میانی: تحلیل سری‌های زمانی مقطوع پیشرفته: مدل‌های چندسطحی و غیرخطی

📋 سرفصل‌های کتاب (100 موضوع)

• 1. مقدمه‌ای بر استنباط علّی: فراتر از همبستگی
• 2. چرا استنباط علّی دشوار است؟ متغیرهای مخدوشگر و سوگیری‌ها
• 3. مفهوم ضدواقعیت (Counterfactuals) به عنوان سنگ بنای علیت
• 4. طرح‌های شبه‌آزمایشی: پلی میان مطالعات مشاهده‌ای و آزمایشی
• 5. معرفی تحلیل سری‌های زمانی مقطوع (ITS) به عنوان یک طرح شبه‌آزمایشی قدرتمند
• 6. تاریخچه و کاربردهای کلیدی تحلیل سری‌های زمانی مقطوع
• 7. ساختار داده‌های سری زمانی: مشاهدات وابسته در طول زمان
• 8. مفاهیم کلیدی در سری‌های زمانی: روند (Trend)، فصلی بودن (Seasonality) و نویز (Noise)
• 9. ایستایی (Stationarity) در سری‌های زمانی و اهمیت آن
• 10. خودهمبستگی (Autocorrelation) و تابع خودهمبستگی (ACF)
• 11. تابع خودهمبستگی جزئی (PACF) و کاربرد آن
• 12. مدل رگرسیون خطی ساده برای تحلیل سری‌های زمانی مقطوع
• 13. معرفی متغیرهای کلیدی مدل ITS: زمان، مداخله، و روند پس از مداخله
• 14. تفسیر ضرایب مدل ITS: تغییر در سطح (Level Change)
• 15. تفسیر ضرایب مدل ITS: تغییر در شیب (Slope Change)
• 16. مفروضات مدل خطی در زمینه ITS: خطی بودن، استقلال خطاها، و نرمال بودن
• 17. چالش اصلی در ITS: نقض فرض استقلال خطاها به دلیل خودهمبستگی
• 18. تشخیص خودهمبستگی در باقیمانده‌های مدل: آزمون دوربین-واتسون
• 19. تشخیص خودهمبستگی با استفاده از نمودارهای ACF و PACF باقیمانده‌ها
• 20. راهکارهای مقابله با خودهمبستگی: مدل‌های آریما (ARIMA)
• 21. مقدمه‌ای بر مدل‌های خودرگرسیو (AR)
• 22. مقدمه‌ای بر مدل‌های میانگین متحرک (MA)
• 23. ترکیب مدل‌ها: معرفی مدل ARMA و ARIMA
• 24. فرایند باکس-جنکینز برای شناسایی مدل ARIMA مناسب
• 25. پیاده‌سازی مدل ITS پایه با تصحیح خودهمبستگی در نرم‌افزار (مثال R یا Python)
• 26. چگونه یک مداخله با اثر تاخیری (Lagged Effect) را مدل‌سازی کنیم؟
• 27. مدل‌سازی اثرات تدریجی و غیرآنی مداخله (Gradual Effects)
• 28. کنترل متغیرهای فصلی و دوره‌ای در مدل ITS
• 29. افزودن متغیرهای کمکی (Covariates) به مدل ITS
• 30. تحلیل سری‌های زمانی مقطوع با چندین نقطه مداخله
• 31. محدودیت‌های مدل خطی: زمانی که واقعیت غیرخطی است
• 32. شناسایی روندهای غیرخطی در داده‌های سری زمانی با ابزارهای بصری
• 33. مدل‌سازی روندهای غیرخطی با استفاده از چندجمله‌ای‌ها (Polynomials)
• 34. چالش‌های استفاده از چندجمله‌ای‌ها: بیش‌برازش (Overfitting) و رفتار نامناسب در انتها
• 35. معرفی اسپلاین‌های رگرسیونی (Regression Splines) به عنوان جایگزین
• 36. درک مفهوم گره (Knot) در اسپلاین‌ها و نحوه انتخاب آن‌ها
• 37. اسپلاین‌های مکعبی محدود شده (Restricted Cubic Splines) و مزایای آن
• 38. پیاده‌سازی مدل ITS غیرخطی با استفاده از اسپلاین‌ها
• 39. معرفی مدل‌های جمعی تعمیم‌یافته (Generalized Additive Models - GAMs)
• 40. قدرت GAM در تخمین خودکار روندهای غیرخطی
• 41. ترکیب ITS و GAM برای تحلیل انعطاف‌پذیر روندهای پیش و پس از مداخله
• 42. تفسیر خروجی‌های یک مدل ITS مبتنی بر GAM
• 43. تجسم (Visualization) نتایج مدل‌های غیرخطی: نمایش روندها و عدم قطعیت
• 44. مقدمه‌ای بر داده‌های چندسطحی یا سلسله‌مراتبی (Multilevel Data)
• 45. مثال‌هایی از ساختارهای چندسطحی در ارزیابی مداخلات: مدارس، بیمارستان‌ها، شهرها
• 46. چرا تحلیل‌های استاندارد برای داده‌های چندسطحی نامناسب هستند؟ مشکل عدم استقلال
• 47. مغالطه بوم‌شناختی (Ecological Fallacy) و اتمیستی (Atomistic Fallacy)
• 48. معرفی مدل‌های خطی چندسطحی (Multilevel Linear Models)
• 49. مفهوم اثرات ثابت (Fixed Effects) و اثرات تصادفی (Random Effects)
• 50. مدل عرض از مبدا تصادفی (Random Intercept Model) و تفسیر آن
• 51. مدل شیب تصادفی (Random Slope Model) و تفسیر آن
• 52. همبستگی درون‌خوشه‌ای (Intra-class Correlation - ICC) و معنای آن
• 53. ترکیب مدل‌های چندسطحی و تحلیل سری‌های زمانی مقطوع: مدل ITS چندسطحی
• 54. مشخص کردن ساختار چندسطحی در داده‌های ITS
• 55. مدل‌سازی ناهمگونی در سطح پایه بین واحدها (Random Intercept for Baseline)
• 56. مدل‌سازی ناهمگونی در روند پایه بین واحدها (Random Slope for Pre-intervention Trend)
• 57. اوج تحلیل: مدل‌سازی ناهمگونی در اثر مداخله
• 58. اثرات مداخله تصادفی: تغییر سطح تصادفی (Random Level Change)
• 59. اثرات مداخله تصادفی: تغییر شیب تصادفی (Random Slope Change)
• 60. تفسیر اثرات ثابت در مدل ITS چندسطحی: اثر متوسط مداخله
• 61. تفسیر واریانس اثرات تصادفی: میزان ناهمگونی در اثربخشی مداخله
• 62. رسیدن به قلب مقاله: ترکیب مدل‌های چندسطحی و غیرخطی در ITS
• 63. چالش‌های مدل ITS چندسطحی غیرخطی
• 64. ساختار مدل: ترکیب GAM و مدل‌های اثرات مختلط (Mixed Effects Models)
• 65. مشخص کردن روندهای غیرخطی به عنوان اثرات ثابت (میانگین روند)
• 66. مشخص کردن ناهمگونی در روندها با توابع هموار تصادفی (Random Smooths)
• 67. تفسیر نتایج پیچیده مدل ITS چندسطحی غیرخطی
• 68. تجسم نتایج مدل ترکیبی: نمایش اثر متوسط و اثرات خاص هر واحد
• 69. بررسی همبستگی بین اثرات تصادفی (مثلا بین تغییر سطح و تغییر شیب)
• 70. آماده‌سازی داده‌ها برای تحلیل‌های پیچیده: از جمع‌آوری تا پاک‌سازی
• 71. انتخاب نرم‌افزار مناسب: مروری بر پکیج‌های R (مانند gamm4, lme4) و Python
• 72. راهنمای گام به گام پیاده‌سازی یک مدل ITS چندسطحی خطی
• 73. مطالعه موردی ۱: ارزیابی یک سیاست بهداشت عمومی در چندین ایالت
• 74. راهنمای گام به گام پیاده‌سازی یک مدل ITS چندسطحی غیرخطی
• 75. مطالعه موردی ۲: تحلیل تاثیر یک نوآوری آموزشی در مدارس مختلف
• 76. ارزیابی کیفیت برازش مدل‌های چندسطحی
• 77. مقایسه مدل‌ها با استفاده از معیارهای اطلاعاتی (AIC, BIC) در زمینه مدل‌های چندسطحی
• 78. تشخیص و تحلیل باقیمانده‌ها در مدل‌های چندسطحی
• 79. معرفی طرح گروه کنترل: تحلیل سری‌های زمانی مقطوع تطبیقی (CITS)
• 80. چگونه یک گروه کنترل مناسب انتخاب کنیم؟
• 81. مدل‌سازی CITS با استفاده از جملات تعاملی (Interaction Terms)
• 82. پیاده‌سازی مدل CITS چندسطحی برای کنترل روندهای خارجی
• 83. تحلیل حساسیت (Sensitivity Analysis): بررسی استحکام نتایج
• 84. تحلیل حساسیت نسبت به زمان وقوع مداخله
• 85. تحلیل حساسیت نسبت به انتخاب گره‌ها در مدل‌های اسپلاین
• 86. تحلیل حساسیت نسبت به دوره زمانی تحلیل
• 87. بررسی داده‌های گمشده و روش‌های مقابله با آن در سری‌های زمانی
• 88. تحلیل توان آماری (Power Analysis) برای طراحی مطالعات ITS
• 89. چه تعداد نقطه زمانی قبل و بعد از مداخله نیاز است؟
• 90. چه تعداد واحد (خوشه) برای یک تحلیل چندسطحی معتبر نیاز است؟
• 91. مقدمه‌ای بر رویکردهای بیزی برای تحلیل ITS
• 92. مزایای تحلیل بیزی: تعیین احتمالات و استفاده از دانش پیشین
• 93. پیاده‌سازی یک مدل ITS بیزی ساده
• 94. محدودیت‌های تحلیل سری‌های زمانی مقطوع و فرضیات پنهان آن
• 95. نحوه گزارش‌دهی نتایج تحلیل‌های ITS پیچیده برای مخاطبان مختلف
• 96. ملاحظات اخلاقی در طراحی و گزارش مطالعات ارزیابی مداخله
• 97. جمع‌بندی نهایی: چارچوب یکپارچه برای استنباط علّی با ITS
• 98. مسیرهای آینده در پژوهش‌های مبتنی بر تحلیل سری‌های زمانی مقطوع
• 99. کارگاه عملی: طراحی، اجرا، و تفسیر یک پروژه ITS از صفر تا صد