Глава 1. Введение
1.1. Корреляция и причинно-следственная связь
1.2. Причинная модель Рубина: потенциальные исходы и фундаментальная проблема причинного вывода
Глава 2. Эксперименты
2.1. Оценка эффекта воздействия, предпосылки
2.2. Множественное тестирование гипотез
2.3. Минимальный различимый эффект, величина выборки и мощность
2.4. Методы снижения дисперсии оценки эффекта: Regression Adjustment и CUPED (Controlled-experiment Using Pre-Experiment Data), пре- и постстратификация
2.5. Ориентированный ациклический граф, типы контрольных переменных
2.6. Оценка эффекта воздействия на малых выборках и в условиях ненормального распределения: тесты Уэлча и Манна-Уитни, бутстрап
2.7. Кластерные эксперименты. Spillover effects. Кластерные ошибки.
Глава 3. Квазиэкспериментальные методы
3.1. Сломанные эксперименты. Мера склонности и мэтчинг
3.2. Loop estimator, regression imputing, двойные устойчивые оценки (double robustness)
3.3. Оценка эффектов воздействия в условиях большой размерности: метод double LASSO
3.4. Оценка гетерогенных эффектов воздействия: причинный случайный лес
3.5. Инструментальные переменные и суррогаты. Инструменты Бартика
3.6. Разрывная регрессия
Глава 4. Панельные методы
4.1. Разность разностей
4.2. Синтетический контроль
4.3. Ступенчатая разность разностей
4.4. Событийный анализ
Личный кабинет
Эконометрика причинно-следственных связей
|
Глава 3. Квазиэкспериментальные методы
|
3.2. Loop estimator, regression imputing, двойные устойчивые оценки (double robustness)
3.2. Loop estimator, regression imputing, двойные устойчивые оценки (double robustness)
