کتاب صوتی ارزیابی نوین بازده آموزش: مدل‌سازی اثرات مستقیم و غیرمستقیم در مسیرهای تحصیلی

📚 کتاب آموزشی جامع

📚 اطلاعات کتاب

عنوان کتاب: کتاب ارزیابی نوین بازده آموزش: مدل‌سازی اثرات مستقیم و غیرمستقیم در مسیرهای تحصیلی

موضوع کلی: استنباط علّی (Causal Inference)

موضوع میانی: تحلیل میانجی‌گری علّی و اثرات مسیر (Causal Mediation Analysis and Path Effects)

📋 سرفصل‌های کتاب (100 موضوع)

• 1. مقدمه‌ای بر استنباط علّی و اهمیت آن در علوم اجتماعی
• 2. تفاوت همبستگی و علیت: مغالطه "همبستگی دلالت بر علیت ندارد"
• 3. چارچوب نتایج بالقوه (Potential Outcomes Framework)
• 4. اثر درمانی میانگین (ATE): تعریف و مفهوم
• 5. مفهوم تخصیص تصادفی و کارآزمایی‌های کنترل‌شده تصادفی (RCTs)
• 6. چالش‌های استنباط علّی در داده‌های مشاهده‌ای
• 7. مفهوم مخدوش‌گری (Confounding) و منابع آن
• 8. گراف‌های جهت‌دار غیرمدور (DAGs): زبان بصری علیت
• 9. معرفی متغیرهای درمان، نتیجه، و مخدوش‌گر در DAGs
• 10. مسیرهای پیشین (Backdoor Paths) و نحوه شناسایی آن‌ها
• 11. مفهوم d-جدایی (d-separation) برای ارزیابی استقلال شرطی
• 12. متغیرهای تصادم (Colliders) و ایجاد بایاس ناشی از آن‌ها
• 13. شرط مسیر پیشین (Backdoor Criterion) برای شناسایی اثر علّی
• 14. فرضیه نادیده‌انگاری (Ignorability) یا تعویض‌پذیری (Exchangeability)
• 15. روش‌های کنترل مخدوش‌گرها: شرطی‌سازی و طبقه‌بندی
• 16. مقدمه‌ای بر تحلیل میانجی‌گری: پرسش‌های "چگونه" و "چرا"
• 17. روش سنتی بارون و کنی (Baron & Kenny): مفاهیم و محدودیت‌ها
• 18. گذار از میانجی‌گری آماری به میانجی‌گری علّی
• 19. تعریف اثر مستقیم طبیعی (Natural Direct Effect - NDE)
• 20. تعریف اثر غیرمستقیم طبیعی (Natural Indirect Effect - NIE)
• 21. تجزیه اثر کل به اثرات مستقیم و غیرمستقیم طبیعی
• 22. چالش تقابل‌های بین‌جهانی (Cross-world Counterfactuals)
• 23. فرضیات شناسایی NDE و NIE: عدم وجود مخدوش‌گری متوالی
• 24. مفهوم میانجی (Mediator) و مخدوش‌گر (Confounder) در یک مدل
• 25. کاربرد اولیه: بررسی بازده اقتصادی آموزش و پرورش
• 26. مسیرهای علّی پیچیده: چرا NDE و NIE کافی نیستند؟
• 27. معرفی مفهوم اثرات مسیر-ویژه (Path-Specific Effects - PSE)
• 28. تعریف یک مسیر علّی مشخص در یک DAG
• 29. مسئله شناسایی اثرات مسیر-ویژه در حالت کلی
• 30. مقاله الهام‌بخش: معرفی مسئله بازده تحصیلات از مسیرهای مختلف
• 31. چارچوب‌بندی مسئله: تحصیلات به عنوان درمان، درآمد به عنوان نتیجه
• 32. شناسایی مسیرهای بالقوه: مسیر مستقیم و مسیر از طریق انتخاب شغل
• 33. مفهوم یکنواختی (Monotonicity) در استنباط علّی
• 34. تعریف رسمی یکنواختی اثر درمان بر میانجی
• 35. چرا فرضیه یکنواختی در زمینه آموزش و شغل منطقی است؟
• 36. اثر یکنواخت مسیر-ویژه (Monotonic Path-Specific Effect - MPSE): تعریف
• 37. فرمول‌بندی MPSE با استفاده از نتایج بالقوه
• 38. چگونه یکنواختی به شناسایی اثرات مسیر-ویژه کمک می‌کند
• 39. مقایسه MPSE با NDE و NIE: تفاوت‌ها و شباهت‌ها
• 40. شناسایی غیرپارامتریک MPSE تحت فرضیه یکنواختی
• 41. شرایط لازم برای شناسایی اثر مستقیم (مسیر کنترل‌شده)
• 42. شرایط لازم برای شناسایی اثر غیرمستقیم (مسیر میانجی‌گری‌شده)
• 43. مدل‌سازی گرافیکی بازده تحصیلات: تحصیلات، شغل، مهارت و درآمد
• 44. تفکیک اثر تحصیلات بر درآمد مستقل از شغل
• 45. تفکیک اثر تحصیلات بر درآمد از طریق تأثیر بر انتخاب شغل
• 46. بررسی فرضیات کلیدی مدل در مقاله مرجع
• 47. نقش متغیرهای کمکی (Covariates) در شناسایی MPSE
• 48. کنترل مخدوش‌گرهای رابطه درمان-نتیجه
• 49. کنترل مخدوش‌گرهای رابطه میانجی-نتیجه
• 50. کنترل مخدوش‌گرهای رابطه درمان-میانجی
• 51. از شناسایی تا برآورد: گام‌های عملی در تحلیل
• 52. مقدمه‌ای بر روش‌های برآورد پارامتریک و نیمه‌پارامتریک
• 53. برآورد MPSE با استفاده از روش G-computation
• 54. الگوریتم گام به گام پیاده‌سازی G-computation
• 55. برآورد MPSE با استفاده از وزن‌دهی احتمال معکوس (IPW)
• 56. ساخت وزن‌های IPW برای تحلیل مسیر-ویژه
• 57. برآوردگرهای دوگانه مقاوم (Doubly Robust Estimators) برای MPSE
• 58. مدل‌های ساختاری حاشیه‌ای (Marginal Structural Models)
• 59. کاربرد مدل‌های ساختاری برای برآورد اثرات مسیر
• 60. پیاده‌سازی عملی: استفاده از نرم‌افزار R برای تحلیل MPSE
• 61. معرفی بسته‌های نرم‌افزاری مرتبط در R (مانند 'medflex')
• 62. پیاده‌سازی عملی: استفاده از نرم‌افزار Python
• 63. کتابخانه‌های Python برای استنباط علّی و میانجی‌گری
• 64. پیاده‌سازی عملی: استفاده از نرم‌افزار Stata
• 65. دستورات Stata برای مدل‌سازی علّی و تحلیل میانجی‌گری
• 66. تفسیر نتایج: چگونه یافته‌های MPSE را گزارش کنیم؟
• 67. محاسبه فواصل اطمینان با استفاده از روش بوت‌استرپ (Bootstrap)
• 68. تحلیل حساسیت: بررسی قدرت فرضیات مدل
• 69. تحلیل حساسیت برای فرضیه یکنواختی
• 70. تحلیل حساسیت برای فرضیه نادیده‌انگاری
• 71. ارزیابی تأثیر مخدوش‌گرهای اندازه‌گیری‌نشده
• 72. بصری‌سازی نتایج: نمایش گرافیکی اثرات مستقیم و مسیر-ویژه
• 73. مطالعه موردی: اجرای کامل تحلیل بر روی داده‌های آموزشی شبیه‌سازی‌شده
• 74. گام اول: تعریف سوال تحقیق و رسم DAG
• 75. گام دوم: پیش‌پردازش داده‌ها و بررسی متغیرها
• 76. گام سوم: اجرای مدل‌های برآورد (G-computation یا IPW)
• 77. گام چهارم: محاسبه MPSE و فواصل اطمینان
• 78. گام پنجم: اجرای تحلیل حساسیت
• 79. گام ششم: نتیجه‌گیری و گزارش یافته‌ها
• 80. فراتر از یک میانجی: تحلیل مسیرهای چندگانه و متوالی
• 81. تعمیم مفهوم MPSE به چندین میانجی
• 82. اثرات تعاملی (Interaction) بین مسیرهای مختلف
• 83. میانجی‌گری با متغیرهای درمان و میانجی پیوسته
• 84. میانجی‌گری با متغیرهای نتیجه باینری یا شمارشی
• 85. کاربرد تحلیل MPSE در سایر حوزه‌ها: بهداشت عمومی
• 86. کاربرد تحلیل MPSE در سایر حوزه‌ها: اقتصاد کار
• 87. کاربرد تحلیل MPSE در سایر حوزه‌ها: سیاست‌گذاری عمومی
• 88. محدودیت‌های رویکرد اثرات مسیر-ویژه یکنواخت
• 89. مقایسه با روش‌های جایگزین: رویکردهای مبتنی بر متغیر ابزاری (IV)
• 90. تحلیل میانجی‌گری در داده‌های طولی و پانلی
• 91. مدل‌های میانجی‌گری با اثرات وابسته به زمان
• 92. چالش‌های علیت معکوس (Reverse Causality) در تحلیل میانجی‌گری
• 93. ملاحظات اخلاقی در استنباط و گزارش اثرات علّی
• 94. اهمیت شفافیت در بیان فرضیات مدل
• 95. اشتباهات رایج در تحلیل میانجی‌گری و نحوه اجتناب از آن‌ها
• 96. مرور جامع مفاهیم کلیدی دوره: از ATE تا MPSE
• 97. روندهای آینده در تحلیل میانجی‌گری علّی و اثرات مسیر
• 98. پروژه نهایی: طراحی یک مطالعه میانجی‌گری علّی
• 99. انتخاب مجموعه داده و تعریف سوال تحقیق برای پروژه نهایی
• 100. پیاده‌سازی و دفاع از پروژه نهایی