Dieser Kurs bietet einen rigorosen mathematischen Überblick über Kausalschlüsse auf Masterniveau. Rückschlüsse auf Kausalität sind in Wissenschaft, Medizin, Politik und Wirtschaft von großer Bedeutung. Dieser Kurs bietet eine Einführung in die statistische Literatur zum Kausalschluss, die in den letzten 35-40 Jahren entstanden ist und die Art und Weise revolutioniert hat, in der Statistiker und angewandte Forscher in vielen Disziplinen Daten nutzen, um Rückschlüsse auf kausale Zusammenhänge zu ziehen.

Wir werden uns mit Methoden der Datenerhebung zur Schätzung kausaler Zusammenhänge beschäftigen. Die Studenten werden lernen, wie man zwischen kausalen und nicht-kausalen Beziehungen unterscheidet; dies ist nicht immer offensichtlich. Anschließend werden wir die verschiedenen Methoden untersuchen und bewerten, die die Studenten anwenden können - wie z.B. Matching, Subklassifizierung auf dem Propensity Score, inverse Wahrscheinlichkeitsgewichtung der Behandlung und maschinelles Lernen - um eine Vielzahl von Effekten zu schätzen - wie z.B. den durchschnittlichen Behandlungseffekt und den Effekt der Behandlung auf die Behandelten. Am Ende diskutieren wir Methoden zur Bewertung einiger der von uns getroffenen Annahmen und geben einen Ausblick auf die Erweiterungen, die wir in der Fortsetzung dieses Kurses aufgreifen.