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!
ofrecido por
A Crash Course in Causality: Inferring Causal Effects from Observational Data
Universidad de PensilvaniaAcerca de este Curso
45,170 vistas recientes
Resultados profesionales del estudiante
50%
comenzó una nueva carrera después de completar estos cursos
23%
consiguió un beneficio tangible en su carrera profesional gracias a este curso
Certificado para compartir
Obtén un certificado al finalizar
100 % en línea
Comienza de inmediato y aprende a tu propio ritmo.
Fechas límite flexibles
Restablece las fechas límite en función de tus horarios.
Nivel intermedio
Aprox. 18 horas para completar
Inglés (English)
Subtítulos: Inglés (English)
Habilidades que obtendrás
Instrumental VariablePropensity Score MatchingCausal InferenceCausality
Resultados profesionales del estudiante
50%
comenzó una nueva carrera después de completar estos cursos
23%
consiguió un beneficio tangible en su carrera profesional gracias a este curso
Certificado para compartir
Obtén un certificado al finalizar
100 % en línea
Comienza de inmediato y aprende a tu propio ritmo.
Fechas límite flexibles
Restablece las fechas límite en función de tus horarios.
Nivel intermedio
Aprox. 18 horas para completar
Inglés (English)
Subtítulos: Inglés (English)
ofrecido por
Universidad de Pensilvania
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.
Programa - Qué aprenderás en este curso
4 horas para completar
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.
4 horas para completar
8 videos (Total 128 minutos)
8 videos
Confusion over causality19m
Potential outcomes and counterfactuals13m
Hypothetical interventions17m
Causal effects19m
Causal assumptions18m
Stratification23m
Incident user and active comparator designs14m
3 ejercicios de práctica
Practice Quiz30m
Practice Quiz30m
Causal effects30m
2 horas para completar
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 horas para completar
8 videos (Total 86 minutos)
8 videos
Causal graphs9m
Relationship between DAGs and probability distributions15m
Paths and associations7m
Conditional independence (d-separation)13m
Confounding revisited9m
Backdoor path criterion15m
Disjunctive cause criterion9m
2 ejercicios de práctica
Practice Quiz30m
Identify from DAGs sufficient sets of confounders30m
5 horas para completar
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.
5 horas para completar
12 videos (Total 171 minutos)
12 videos
Overview of matching12m
Matching directly on confounders13m
Greedy (nearest-neighbor) matching17m
Optimal matching10m
Assessing balance11m
Analyzing data after matching20m
Sensitivity analysis10m
Data example in R16m
Propensity scores11m
Propensity score matching14m
Propensity score matching in R15m
5 ejercicios de práctica
Practice Quiz30m
Practice Quiz30m
Matching30m
Propensity score matching30m
Data analysis project - analyze data in R using propensity score matching30m
3 horas para completar
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 horas para completar
9 videos (Total 119 minutos)
9 videos
More intuition for IPTW estimation9m
Marginal structural models11m
IPTW estimation11m
Assessing balance9m
Distribution of weights9m
Remedies for large weights13m
Doubly robust estimators15m
Data example in R26m
3 ejercicios de práctica
Practice Quiz30m
IPTW30m
Data analysis project - carry out an IPTW causal analysis30m
Reseñas
Principales reseñas sobre A CRASH COURSE IN CAUSALITY: INFERRING CAUSAL EFFECTS FROM OBSERVATIONAL DATA
por WL16 de mar. de 2019
Very easy to follow examples and great coverage for such an important topic! The delivery sometimes get repetitive and I wish we talked more about how the uncertainties are derived.
por MF27 de dic. de 2017
I really enjoyed this course, the pace could be more even in parts. Sometimes the pace could be more even and some more books/reference material for further study would be nice.
por FF29 de nov. de 2017
The material is great. Just wished the professor was more active in the discussion forum. Have not showed up in the forum for weeks. At least there should be a TA or something.
por OE29 de jul. de 2020
I enjoyed the course a lot and I think I took a lot from it as well. The quizzes and computer projects were appropriate, and the resourcees posted were very useful.
Preguntas Frecuentes
¿Cuándo podré acceder a las lecciones y tareas?
El acceso a las clases y las asignaciones depende del tipo de inscripción que tengas. Si tomas un curso en modo de oyente, verás la mayoría de los materiales del curso en forma gratuita. Para acceder a asignaciones calificadas y obtener un certificado, deberás comprar la experiencia de Certificado, ya sea durante o después de participar como oyente. Si no ves la opción de oyente:
- es posible que el curso no ofrezca la opción de participar como oyente. En cambio, puedes intentar con una Prueba gratis o postularte para recibir ayuda económica.
- Es posible que el curso ofrezca la opción 'Curso completo, sin certificado'. Esta opción te permite ver todos los materiales del curso, enviar las evaluaciones requeridas y obtener una calificación final. También significa que no podrás comprar una experiencia de Certificado.
¿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.
Is financial aid available?
Sí, Coursera ofrece ayuda económica a los estudiantes que no pueden pagar la tarifa. Solicítala haciendo clic en el vínculo de Ayuda económica que está debajo del botón 'Inscribirse' a la izquierda. Se te pedirá que completes una solicitud y recibirás una notificación cuando se apruebe. Obtén más información.
¿Recibiré crédito universitario por completar el Curso?
Este Curso no otorga crédito universitario, pero algunas universidades pueden aceptar los Certificados del curso para obtener crédito. Consulta con tu institución para obtener más información. Los Títulos en línea y los Certificados Mastertrack™ de Coursera brindan la oportunidad de obtener créditos universitarios.
¿Tienes más preguntas? Visita el Centro de Ayuda al Alumno.
