We have all heard the phrase “correlation does not equal causation.” What, then, does equal causation? This course aims to answer that question and more!
от партнера
A Crash Course in Causality: Inferring Causal Effects from Observational Data
Пенсильванский университетОб этом курсе
Недавно просмотрено: 48,125
Карьерные результаты учащихся
33%
начал новую карьеру, пройдя эти курсы
29%
получил значимые преимущества в карьере благодаря этому курсу
Сертификат, ссылками на который можно делиться с другими людьми
Получите сертификат по завершении
100% онлайн
Начните сейчас и учитесь по собственному графику.
Гибкие сроки
Назначьте сроки сдачи в соответствии со своим графиком.
Средний уровень
Прибл. 18 часов на выполнение
Английский
Субтитры: Английский
Приобретаемые навыки
Instrumental VariablePropensity Score MatchingCausal InferenceCausality
Карьерные результаты учащихся
33%
начал новую карьеру, пройдя эти курсы
29%
получил значимые преимущества в карьере благодаря этому курсу
Сертификат, ссылками на который можно делиться с другими людьми
Получите сертификат по завершении
100% онлайн
Начните сейчас и учитесь по собственному графику.
Гибкие сроки
Назначьте сроки сдачи в соответствии со своим графиком.
Средний уровень
Прибл. 18 часов на выполнение
Английский
Субтитры: Английский
от партнера
Пенсильванский университет
The University of Pennsylvania (commonly referred to as Penn) is a private university, located in Philadelphia, Pennsylvania, United States. A member of the Ivy League, Penn is the fourth-oldest institution of higher education in the United States, and considers itself to be the first university in the United States with both undergraduate and graduate studies.
Программа курса: что вы изучите
4 ч. на завершение
Welcome and Introduction to Causal Effects
This module focuses on defining causal effects using potential outcomes. A key distinction is made between setting/manipulating values and conditioning on variables. Key causal identifying assumptions are also introduced.
4 ч. на завершение
8 видео ((всего 128 мин.))
8 видео
Confusion over causality19мин
Potential outcomes and counterfactuals13мин
Hypothetical interventions17мин
Causal effects19мин
Causal assumptions18мин
Stratification23мин
Incident user and active comparator designs14мин
3 практических упражнения
Practice Quiz30мин
Practice Quiz30мин
Causal effects30мин
2 ч. на завершение
Confounding and Directed Acyclic Graphs (DAGs)
This module introduces directed acyclic graphs. By understanding various rules about these graphs, learners can identify whether a set of variables is sufficient to control for confounding.
2 ч. на завершение
8 видео ((всего 86 мин.))
8 видео
Confounding6мин
Causal graphs9мин
Relationship between DAGs and probability distributions15мин
Paths and associations7мин
Conditional independence (d-separation)13мин
Confounding revisited9мин
Backdoor path criterion15мин
Disjunctive cause criterion9мин
2 практических упражнения
Practice Quiz30мин
Identify from DAGs sufficient sets of confounders30мин
5 ч. на завершение
Matching and Propensity Scores
An overview of matching methods for estimating causal effects is presented, including matching directly on confounders and matching on the propensity score. The ideas are illustrated with data analysis examples in R.
5 ч. на завершение
12 видео ((всего 171 мин.))
12 видео
Overview of matching12мин
Matching directly on confounders13мин
Greedy (nearest-neighbor) matching17мин
Optimal matching10мин
Assessing balance11мин
Analyzing data after matching20мин
Sensitivity analysis10мин
Data example in R16мин
Propensity scores11мин
Propensity score matching14мин
Propensity score matching in R15мин
5 практических упражнений
Practice Quiz30мин
Practice Quiz30мин
Matching30мин
Propensity score matching30мин
Data analysis project - analyze data in R using propensity score matching30мин
3 ч. на завершение
Inverse Probability of Treatment Weighting (IPTW)
Inverse probability of treatment weighting, as a method to estimate causal effects, is introduced. The ideas are illustrated with an IPTW data analysis in R.
3 ч. на завершение
9 видео ((всего 119 мин.))
9 видео
More intuition for IPTW estimation9мин
Marginal structural models11мин
IPTW estimation11мин
Assessing balance9мин
Distribution of weights9мин
Remedies for large weights13мин
Doubly robust estimators15мин
Data example in R26мин
3 практических упражнения
Practice Quiz30мин
IPTW30мин
Data analysis project - carry out an IPTW causal analysis30мин
Рецензии
Лучшие отзывы о курсе A CRASH COURSE IN CAUSALITY: INFERRING CAUSAL EFFECTS FROM OBSERVATIONAL DATA
от партнера JC20 нояб. 2020 г.
A high quality course that delivers what it says in the title. Well-paced introduction to the potential outcomes framework, with a nice balance of theoretical and practical aspects.
от партнера WL16 мар. 2019 г.
Very easy to follow examples and great coverage for such an important topic! The delivery sometimes get repetitive and I wish we talked more about how the uncertainties are derived.
от партнера MF27 дек. 2017 г.
I really enjoyed this course, the pace could be more even in parts. Sometimes the pace could be more even and some more books/reference material for further study would be nice.
от партнера FF29 нояб. 2017 г.
The material is great. Just wished the professor was more active in the discussion forum. Have not showed up in the forum for weeks. At least there should be a TA or something.
Часто задаваемые вопросы
Когда я получу доступ к лекциям и заданиям?
Что я получу, оплатив сертификацию?
Is financial aid available?
Получу ли я зачеты в университете за прохождение курса?
Остались вопросы? Посетите Центр поддержки учащихся.
