This course offers a rigorous mathematical survey of advanced topics in causal inference at the Master’s level. Inferences about causation are of great importance in science, medicine, policy, and business. This course provides an introduction to the statistical literature on causal inference that has emerged in the last 35-40 years and that has revolutionized the way in which statisticians and applied researchers in many disciplines use data to make inferences about causal relationships. We will study advanced topics in causal inference, including mediation, principal stratification, longitudinal causal inference, regression discontinuity, interference, and fixed effects models.
Causal Inference 2
ofrecido por
Universidad de Columbia
Acerca de este Curso
2,023 vistas recientes
Los estudiantes que toman este Course son
- Data Scientists
- Scientists
- Data Analysts
- Researchers
- Machine Learning Engineers
Programa - Qué aprenderás en este curso
Semana
11 hora para completar
Module 7: Introduction to Mediation
4 videos (Total 37 minutos), 2 lecturas, 1 cuestionario
4 videos
Lesson 1: Mediation and Conditioning on Intermediate Outcomes8m
Lesson 2: Reframing the Problem of Mediation10m
Lesson 3: Identification of Controlled, Average Direct and Indirect Effects12m
2 lecturas
Welcome to Module 730m
Intro Survey10m
1 ejercicio de práctica
Module 7
Semana
21 hora para completar
Module 8: More on Mediation
3 videos (Total 25 minutos), 1 lectura, 1 cuestionario
3 videos
Lesson 2: Sensitivity Analyses for Mediation7m
Lesson 3: Instrumental Variables with a Continuous Treatment10m
1 lectura
Welcome to Module 810m
1 ejercicio de práctica
Module 8: Assessment
Semana
31 hora para completar
Module 9: Instrumental Variables, Principal Stratification, and Regression Discontinuity
3 videos (Total 34 minutos), 1 lectura
3 videos
Lesson 2: Principal Stratification8m
Lesson 3: Regression Discontinuity12m
1 lectura
Welcome to Module 910m
Semana
41 hora para completar
Module 10: Longitudinal Causal Inference
3 videos (Total 29 minutos), 1 lectura, 1 cuestionario
3 videos
Lesson 2: Marginal Structural Models8m
Lesson 3: Structural Nested Mean Models and g-estimation9m
1 lectura
Welcome to Module 1010m
1 ejercicio de práctica
Module 10: Assessment
Instructor
Michael E. Sobel
ProfessorDepartment of Statistics
Acerca de Universidad de Columbia
For more than 250 years, Columbia has been a leader in higher education in the nation and around the world. At the core of our wide range of academic inquiry is the commitment to attract and engage the best minds in pursuit of greater human understanding, pioneering new discoveries and service to society.
Preguntas Frecuentes
¿Cuándo podré acceder a las lecciones y tareas?
Una vez que te inscribes para obtener un Certificado, tendrás acceso a todos los videos, cuestionarios y tareas de programación (si corresponde). Las tareas calificadas por compañeros solo pueden enviarse y revisarse una vez que haya comenzado tu sesión. Si eliges explorar el curso sin comprarlo, es posible que no puedas acceder a determinadas tareas.
¿Qué recibiré si compro el Certificado?
Cuando compras un Certificado, obtienes acceso a todos los materiales del curso, incluidas las tareas calificadas. Una vez que completes el curso, se añadirá tu Certificado electrónico a la página Logros. Desde allí, puedes imprimir tu Certificado o añadirlo a tu perfil de LinkedIn. Si solo quieres leer y visualizar el contenido del curso, puedes participar del curso como oyente sin costo.
¿Cuál es la política de reembolsos?
¿Hay ayuda económica disponible?
¿Tienes más preguntas? Visita el Centro de Ayuda al Alumno.
Coursera brinda acceso universal a la mejor educación del mundo, al asociarse con las mejores universidades y organizaciones, para ofrecer cursos en línea.
© 2019 Coursera Inc. Todos los derechos reservados.
