目录内容:

Chapter 1. 引言 Introduction [slides] * Chapter 2. 随机试验 Randomized experiments

Chapter 2.1: Fisher's and Neyman's mode of inference [slides] * Chapter 2.2: Covariate adjustment in RCT [slides] * Chapter 3. Observational studies with ignorable assignments: single-time treatments

Chapter 3.1. Outcome regression [slides] * Chapter 3.2. Covariate balance, matching, stratification [slides] * Chapter 3.3. Propensity score [slides] * Chapter 3.4. Propensity score weighting: inverse probability weighting and overlap weighting [slides] * Chapter 3.5. Augmented weighting and double-robust estimators [slides] * Chapter 3.6. Causal inference with multiple or continuous treatments [slides] * Chapter 4. 异质治疗效应和机器学习 Heterogenous treatment effects and machine learning [slides] * Chapter 5. 敏感性分析 Sensitivity analysis [slides] * Chapter 6. Instrumental variable and principal stratification

Chapter 6.1. Instrumental variable (IV), noncompliance in RCT [slides] * Chapter 6.2. Post-treatment confounding: Principal Stratification [slides] * Chapter 7. Regression discontinuity design (RDD) [slides] * Chapter 8. Panel data: Difference-in-differences (DID) and Synthetic control (SC) [slides] * Chapter 9. Sequentially ignorable assignments: time-varying treatments [slides] * Chapter 10. Bayesian inference for causal effects [slides]

成为VIP会员查看完整内容
46

相关内容

因果推断是研究如何更加科学地识别变量间的因果关系。 客观事物普遍存在着内在的因果联系,人们只有弄清事物发展变化的前因后果,才能全面地、本质地认识事物。基干事物发展的这种规律,在论证观点时,有时就可以直接从事物本身的因果关系中进行推论,这就叫因果推断法
不可错过!700+ppt《因果推理》课程!杜克大学Fan Li教程
专知会员服务
68+阅读 · 2022年7月11日
不可错过!《机器学习100讲》课程,UBC Mark Schmidt讲授
专知会员服务
67+阅读 · 2022年6月28日
因果推断,Causal Inference:The Mixtape
专知会员服务
101+阅读 · 2021年8月27日
专知会员服务
53+阅读 · 2020年10月11日
专知会员服务
51+阅读 · 2020年9月7日
机器学习入门的经验与建议
专知会员服务
89+阅读 · 2019年10月10日
【MIT干货课程】医疗健康领域的机器学习
专知
1+阅读 · 2022年5月26日
【论文】变分推断(Variational inference)的总结
机器学习研究会
39+阅读 · 2017年11月16日
资源|斯坦福课程:深度学习理论!
全球人工智能
15+阅读 · 2017年11月9日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
4+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
8+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
2+阅读 · 2011年12月31日
国家自然科学基金
26+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
1+阅读 · 2011年12月31日
Arxiv
14+阅读 · 2022年10月15日
Arxiv
40+阅读 · 2022年9月19日
Arxiv
15+阅读 · 2021年2月19日
Arxiv
14+阅读 · 2020年12月17日
Arxiv
108+阅读 · 2020年2月5日
VIP会员
相关VIP内容
不可错过!700+ppt《因果推理》课程!杜克大学Fan Li教程
专知会员服务
68+阅读 · 2022年7月11日
不可错过!《机器学习100讲》课程,UBC Mark Schmidt讲授
专知会员服务
67+阅读 · 2022年6月28日
因果推断,Causal Inference:The Mixtape
专知会员服务
101+阅读 · 2021年8月27日
专知会员服务
53+阅读 · 2020年10月11日
专知会员服务
51+阅读 · 2020年9月7日
机器学习入门的经验与建议
专知会员服务
89+阅读 · 2019年10月10日
相关基金
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
4+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
8+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
2+阅读 · 2011年12月31日
国家自然科学基金
26+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
1+阅读 · 2011年12月31日
微信扫码咨询专知VIP会员