applied-methods-phd - イェール応用経験的方法PHDコースのレポ

(Repo for Yale Applied Empirical Methods PHD Course)

Created at: 2021-01-14 03:32:11
Language: TeX

応用経験的方法

コースページ

  1. https://github.com/paulgp/applied-methods-phd
  2. https://yale.instructure.com/courses/64286 [イェール大学の学生のみ]

コースビデオはYoutubeで入手できます

コースの説明

このコースは、主に実証研究で使用される計量経済学的手法に関心のある大学院生を対象としています。このクラスの目標は、実際の実装に重点を置いて、さまざまな経験的手法の概要を提供することです。講義のスライドとメモのセットを提供します。主にオプションである追加の背景紙があります。

より一般的には、これは、実践者によって使用される経験的方法の理解と直感を提供することに焦点を当てたコースです。これは、これが(必要なものを超えて)正式な詳細に多くの時間を費やすコースではなく、代わりにこれらの論文を導く直感的なフレームワークに焦点を当てることを意味します。また、これらのトピックのいずれかがどのように組み合わされているかを伝えるために最善を尽くします。

これは、コミュニケーションと職人技に非常に焦点を当てたコースです。学期の終わりまでに、私の希望は3つのことです。

  1. あなたは幅広い経験的方法にさらされており、少なくとも彼らの長所と短所に精通しているでしょう。さらに、これらの方法を使用することにした場合は、どこを見ればよいかがわかります。
  2. 計量経済学的手法で使用する用語や専門用語の多くは、それほど威圧的ではありません。誰かが「私はセミパラメトリック推論を使用します」と言うと、今ではあなたを威嚇する代わりに、彼らがより明確な言葉を使用していないことに気になります。
  3. 基礎となるフレームワークと、因果推論を推進する「実験」を解きほぐしたいという願望を持って、研究論文にアプローチします。

割り当て

毎週問題セットがあります。これらには、理論計算と、データセットの分析を求められるコンピューター演習の両方が含まれます。使用したい任意のコンピュータパッケージを使用できます。解決策はRで書かれて配布されます。かなりの数の問題セットがあり、コースのWebページに解決策をすばやく投稿できるようにするために、遅い問題セットは受け入れません。締め切りに間に合わないことが予想される場合は、以前に設定した問題について私に尋ねて、それに取り組むための追加の時間を与えることができます。

問題セットに協力してクラスメートと話し合うことはできますが、結果を個別に書き留めて、別々に提出する必要があります。グレードは問題セットに基づいており、問題セット全体に均等に分割されます。

これらの割り当ては「スクラッチ」からコーディングされることを期待しています。缶詰のパッケージが適切な時期を指定します。言い換えれば、回帰を推定するとき、私はの結果を探していません

lm( y ~ x)
。むしろ、2つの行列を作成し、これを使用して推定値を計算することを期待しています。また、そうしている間、優れたコーディング慣行を維持しようとすることを期待します-これはプログラミングに不慣れな人にとっては難しいでしょうので、それに応じて計画してください-私がカバーする以上のコーディングに関する追加の指示は提供しませんクラスで。ガイダンスについては、Rの次のリソースを参照してください(これらの資料を整理してくれたMax Kasyに感謝します)。

  1. Base Rの概要:https ://cran.r-project.org/doc/manuals/r-release/R-intro.pdf
  2. データサイエンスのR:https ://r4ds.had.co.nz/
  3. データ視覚化に関するガイダンス:https ://socviz.co/

主な参考資料:

これは、コース中に触れられるさまざまな興味深く有用な本の部分的なリストです。

  • Joshua AngristとJörn-SteffenPischke、 ほとんど無害な経済学
  • スコット・カニングハム、 因果推論:ミックステープhttps ://mixtape.scunning.com/
  • ベンジャミン・T・ミラーとピーター・M・アロノウ、無知な統計の基礎
  • Kieran Healy、データの視覚化:実用的な紹介https ://socviz.co/

講義(全シラバス

  1. 因果関係、統計、および経済学
    1. 潜在的な結果と有向非巡回グラフ
    2. 研究デザイン、ランダム化、およびデザインベースの推論
    3. 傾向スコア
    4. 干渉、波及効果、ダイナミクス
  2. 線形回帰
    1. 推論
    2. セミパラメトリックと視覚化
    3. 分位点回帰
    4. ペナルティ付き回帰モデル
  3. 可能性のある方法
    1. バイナリ離散選択、GLMおよび計算方法
    2. 複数の個別の選択肢
    3. 期間モデル
    4. 階層モデル+ベイズ収縮
  4. カノニカルリサーチデザイン
    1. 差分差分
    2. イベント研究、合成制御+合成DinD
    3. 操作変数(パートI)
    4. 操作変数(パートII)
    5. 操作変数(パートIII)
    6. Bartik+シミュレートされた機器
    7. 審査官のデザイン、別名ジャッジIV
    8. 回帰不連続I:識別と基礎
    9. 回帰不連続II:チェックリスト
    10. 回帰不連続III:拡張
  5. 機械学習
    1. 教師あり機械学習I:予測
    2. 教師あり機械学習II:不均一な処理効果
    3. 機械学習III:非構造化データと教師なしML
  6. その他
    1. 部分的な識別