Statistical Method of Causal Inference

Over deze cursus

Aanvullende cursusinformatie

• Leerdoelen

  Aan het einde van deze cursus zijn studenten in staat om:

  • Het verschil te begrijpen tussen correlatie en causaliteit.
  • Kwantitatieve methoden van statistische gegevensanalyse toepassen om causale verbanden af te leiden.
  • Verwarrende factoren identificeren die causale gevolgtrekkingen bedreigen en de interne en externe geldigheid van analytische bevindingen belemmeren.
  • Gegevens kritisch analyseren met behulp van statistische methoden zoals experimenten, matchinganalyse, verschil-in-verschillen, regressiediscontinuïteit en schatting van instrumentele variabelen.
  • Uitdagingen en beperkingen verkennen bij het gebruik van kwantitatieve methoden voor causale inferentie, zoals beschikbaarheid van gegevens, ontbrekende gegevens en meetfouten.
  • Diagnostische kennis toepassen om effectevaluaties te onderbouwen en op feiten gebaseerd beleid te ontwikkelen.

• Over de cursuscoördinatoren

  Dr. Sanchayan Banerjee is universitair docent milieueconomie aan het Instituut voor Milieustudies van de VU Amsterdam. Hij is gepromoveerd aan de London School of Economics and Political Science. Sanchayan is visiting fellow aan de London School of Economics en King's College London. Hij zit in de stuur- en ontwikkelingscommissie van de International Behavioural Public Policy Association. Hij heeft ook een fellowship van de Higher Education Academy (FHEA) in het Verenigd Koninkrijk. Hij heeft een PG Certificate of Higher Education (gelijkwaardig aan het STQ) en is gekwalificeerd als professioneel extern examinator voor universiteiten. Hij heeft ruime onderwijservaring in reguliere scholen, zomercursussen en cursussen voor leidinggevenden. Momenteel is hij docent en cursusmanager van de cursussen Methoden voor Economische Analyse en Duurzame Energiesystemen in het MSc Environment and Resource Management programma aan het IVM. Dr. Sanchayan gaf tussen 2018 en 2022 jaarlijks les aan meer dan 100 studenten in de LSE Summer School, waar hij een grote cursus over Environmental Economics and Sustainable Development leidde (gemiddelde onderwijsscore voor de afgelopen twee jaar: 4,8/5). De afgelopen vier jaar heeft Dr. Sanchayan ook een cursus Toegepaste Kwantitatieve Methoden (van Causale Inferentie) gegeven aan MSc-studenten aan LSE, naast het lesgeven over milieueconomie, ontwikkelingseconomie en beleid. Deze professor is veelomvattend en divers in zijn onderwijspraktijk. Hij heeft drie opeenvolgende LSE Excellence in Class Teaching Awards ontvangen voor zijn onderwijspraktijk tussen 2019 en 2022. Ook werd hij de afgelopen twee jaar door zijn studenten genomineerd voor LSE Student Union Teaching Awards in de categorieën Inclusive Teaching, Innovating Teaching en Sharing Subject Knowledge.

  Jack Fitzgerald is promovendus economie aan de VU Amsterdam. Hij werkt bij de afdeling Ethiek, Bestuur en Maatschappij van de School of Business and Economics en heeft een onderwijsbetrekking bij de afdeling Criminologie van de Faculteit der Rechtsgeleerdheid. Zijn proefschrift richt zich op gedragsexperimenten die determinanten van naleving van overheidsbeleid door bedrijven analyseren, maar zijn onderzoek richt zich ook op causale inferentie econometrie, het verkennen van de econometrie van experimenten en het toepassen van quasi-experimentele causale inferentie technieken in de praktijk.

• Cursusonderwerpen en rooster

  In week één maken de leerlingen kennis met de valkuilen van standaard regressieanalyse door meerdere bedreigingen voor causaliteit te identificeren, zoals vertekening door weggelaten variabelen, endogeniteitsproblemen zoals gelijktijdigheidsvertekening en problemen met omgekeerde causaliteit. Vervolgens maken ze kennis met het raamwerk van potentiële uitkomsten (Neyman, 1923; Rubin, 1977), een standaardwerkmodel in de statistiek, dat de basis vormt voor het identificeren van oorzaak-gevolgrelaties. Vervolgens leren ze hoe ze experimenten moeten ontwerpen en experimentele gegevens moeten analyseren voor effectevaluatie en beleidsanalyse. Aan het einde van de eerste week maken studenten kennis met kwantitatieve methoden van causale inferentie voor observationele gegevens, waarbij ze leren hoe ze observabelen kunnen selecteren om behandelings- en controle-eenheden te creëren met behulp van matchinganalyse.

  In week twee leren de studenten nog vier methoden om quasi-experimentele fenomenen (zogenaamde "natuurlijke" experimenten) te evalueren. Hier beginnen we met instrumentele variabelen regressie, inclusief een gastcollege van professor Hans Koster over het gebruik van instrumentele variabelen om het effect van historische monumentale renovatie op Nederlandse huizenprijzen te schatten. Vervolgens maken studenten kennis met panel data designs met difference-in-differences schatting. Tot slot maken studenten kennis met regressie discontinuïteit ontwerpen.

  Alle colleges worden aangevuld met hands-on computer tutorials, waar studenten leren hoe ze deze kwantitatieve methoden van causale inferentie kunnen toepassen met behulp van R.

• Vormen van onderwijs en beoordeling

  Studenten krijgen les via colleges en computerlessen en hun eindcijfer is gebaseerd op een eindproject (60%) en dagelijkse quizzen (40%).

• Aanvullende vereisten

  Alle studenten moeten hun eigen laptop meenemen naar de cursus. Op deze laptop moet R Studio kunnen draaien.

• Gedetailleerde syllabus

  Je kunt de voorlopige syllabus hier downloaden.

  *^{Houd er rekening mee dat het een voorlopige syllabus is en dat deze nog kan veranderen .}