|
|
|
||
Poslední úprava: Mgr. Aleš Vomáčka (20.09.2023)
Cílem tohoto kurzu je pomocí těchto a dalších příkladů uvést studenty do světa kauzální inference a pokročilého statistického modelování. Kurz samotný je rozdělen do dvou části. V první části si ukážeme, jak modelovat proměnné, na které nestačí lineární regrese. V druhé části si představíme základy kauzální inference - nástrojů pro zkoumání vlivu proměnných, namísto prostých korelací. Konkrétně nás čeká: 1. část: * Úvod do zobecněných lineárních modelů<br> * Modelování kategoriálních proměnných, jako je volební účast nebo voličské preference (logistická regrese) * Modelování četností, jako je počet zameškaných hodin ve škole (Poissonovská Negativně-binomická regrese) * Modelování proměnných v uzavřeném intervalů, jako je školní průměr nebo podíly (beta a gamma regrese) 2. část * Uvedení do kauzální inference<br> * Experimentální design, využívány při evaluaci vzdělávacích politik i v marketingu * Difference-in-differences analýza, aneb je se zkoumal vliv minimální mzdy na nezaměstnanost * Propensity score matching/weighting a jak jej epidemiologové využívají pro zkoumání dopadů kouření nebo nošení roušek. <br> <br> Po absolvování kurzu budou studenti připraveni pustit se do kvantitativní analýzy na expertní úrovni, ať už se vydají cestou akademie, soukromého sektoru nebo veřejné politiky. Kurz předpokládá uživatelskou znalost programovacího jazyka R (na úrovni kurzu Úvod do analýzy dat v R) a schopnost využívat lineární regresi (na úrovni kurzu Aplikovaná regrese v R). Studenti také budou potřebovat vlastní notebook. |
|
||
Poslední úprava: Mgr. Aleš Vomáčka (20.09.2023)
Po absolvování kurzu budou studenti schopní a) vytvořit regresní model pro analýzu naprosté většiny proměnných, se kterými se v praxi setkají a b) navrhnout strategii pro zkoumání kauzálních vztahů a provést analýzu. |
|
||
Poslední úprava: Mgr. Aleš Vomáčka (20.09.2023)
Pro úspěšné zakončení předmětu studenti vypracují report, v rámci kterého provedou analýzy dat za pomocí technik vyučovaných v tomto kurzu. Zdrojem dat může být buď projekt Tidytuesday (https://github.com/rfordatascience/tidytuesday), případně po konzultaci mohou studenti využít i svá vlastní data (např. do bakalářské/diplomové práce) |
|
||
Poslední úprava: Mgr. Aleš Vomáčka (20.09.2023)
* Gelman, A., Hill, J., & Vehtari, A. (2021). Regression and other stories. Cambridge University Press. Dostupná online na https://avehtari.github.io/ROS-Examples/ * McElreath, R. (2015). Statistical Rethinking: A Bayesian Course with Examples in R and Stan (1st edition). Chapman and Hall/CRC. * Huntington-Klein, N. (n.d.). The Effect: An Introduction to Research Design and Causality | The Effect. Retrieved 20 September 2023, Dostupné online na https://theeffectbook.net/ * Cunningham, S. (2021). Causal Inference: The Mixtape. Yale University Press. Dostupné online na https://mixtape.scunning.com/ |