Cursusbeschrijving
Er is tegenwoordig veel belangstelling onder studenten en praktijkbeoefenaars om inzicht te krijgen in de causale mechanismen die ten grondslag liggen aan belangrijke gebeurtenissen. Het identificeren van oorzaak-gevolgrelaties is belangrijk voor impactevaluatie 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 "Vermindert een koolstofbelasting 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 is het opzetten van experimenten, vaak in de vorm van gerandomiseerde gecontroleerde studies. Het opzetten van een gerandomiseerde gecontroleerde studie is echter niet altijd haalbaar of ethisch verantwoord.
Bovendien kunnen sommige gebeurtenissen al in het verleden hebben plaatsgevonden, 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.
