Cursusbeschrijving
Er bestaat tegenwoordig onder studenten en praktijkbeoefenaars grote belangstelling voor het begrijpen van de causale mechanismen die ten grondslag liggen aan belangrijke gebeurtenissen. Het vaststellen van oorzaak-gevolgrelaties is belangrijk voor effectbeoordeling en het ontwerpen van effectief beleid. Dit kan ons helpen bij het beantwoorden van vragen als: "Wat veroorzaakt een economische neergang?", "Vermindert een universeel basisinkomen de werkloosheid?" en "Leidt een CO₂-belasting tot een vermindering van de uitstoot van broeikasgassen?"
Het vaststellen van causale verbanden aan de hand van gegevens is echter vaak foutgevoelig. Om causaliteit te onderscheiden van eenvoudige correlatie is het nodig om geavanceerde kwantitatieve instrumenten te leren kennen en toe te passen. De gouden standaard voor het vaststellen van causale verbanden berust op het opzetten van experimenten, vaak door middel van gerandomiseerde gecontroleerde studies. Maar het opzetten van een gerandomiseerde gecontroleerde studie is niet altijd haalbaar of ethisch verantwoord.
Bovendien hebben sommige gebeurtenissen zich mogelijk al in het verleden voorgedaan, zoals een financiële crisis of een cycloon. Hoe kan men observatiegegevens gebruiken om de causale effecten van dergelijke gebeurtenissen te analyseren? Deze cursus biedt een praktische inleiding tot statistische methoden voor causale inferentie.
Gedurende twee weken maken studenten kennis met experimentele en quasi-experimentele methoden waarmee ze op robuuste wijze oorzaak-gevolgrelaties kunnen afleiden. We behandelen deze methoden zowel vanuit theoretisch als vanuit toegepast perspectief, waarbij we de colleges aanvullen met praktische computerworkhops in de programmeertaal R, zodat studenten al doende leren.
Lees hieronder verder voor de cursusonderwerpen, leerdoelen en meer.
