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: 71,045
Карьерные результаты учащихся
50%
начал новую карьеру, пройдя эти курсы
23%
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.
Промежуточный уровень
Прибл. 13 часа на выполнение
Английский
Субтитры: Английский
Приобретаемые навыки
Instrumental VariablePropensity Score MatchingCausal InferenceCausality
Карьерные результаты учащихся
50%
начал новую карьеру, пройдя эти курсы
23%
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.
Промежуточный уровень
Прибл. 13 часа 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
3 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.
3 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 практического упражнения
Practice Quiz4мин
Practice Quiz4мин
Causal effects18мин
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 практического упражнения
Practice Quiz8мин
Identify from DAGs sufficient sets of confounders22мин
4 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.
4 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 практического упражнения
Practice Quiz6мин
Practice Quiz8мин
Matching12мин
Propensity score matching10мин
Data analysis project - analyze data in R using propensity score matching16мин
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 практического упражнения
Practice Quiz6мин
IPTW18мин
Data analysis project - carry out an IPTW causal analysis8мин
Часто задаваемые вопросы
Когда я получу доступ к лекциям и заданиям?
Зарегистрировавшись на сертификацию, вы получите доступ ко всем видео, тестам и заданиям по программированию (если они предусмотрены). Задания по взаимной оценке сокурсниками можно сдавать и проверять только после начала сессии. Если вы проходите курс без оплаты, некоторые задания могут быть недоступны.
Что я получу, оплатив сертификацию?
Оплатив сертификацию, вы получите доступ ко всем материалам курса, включая оцениваемые задания. После успешного прохождения курса на странице ваших достижений появится электронный сертификат. Оттуда его можно распечатать или прикрепить к профилю LinkedIn. Просто ознакомиться с содержанием курса можно бесплатно.
Какие правила возврата средств?
Средства можно вернуть в течение двух недель с момента оплаты или (для только что начавшихся курсов) в течение двух недель после первой сессии, в зависимости от того, какое событие наступит позже. Средства не возвращаются после получения сертификата о прохождении курса, даже если вы закончили курс в течение двухнедельного гарантийного срока. Ознакомьтесь с нашей политикой возврата средств.
Можно ли получить финансовую помощь?
Да, Coursera предоставляет финансовую помощь учащимся, которые не могут оплатить обучение. Чтобы подать заявление, перейдите по ссылке 'Финансовая помощь' слева под кнопкой 'Зарегистрироваться' и заполните форму. Если его примут, вы получите уведомление. Подробнее
Остались вопросы? Посетите Центр поддержки учащихся.
