Wir alle haben schon einmal den Satz "Korrelation ist nicht gleich Kausalität" gehört Was ist dann gleichbedeutend mit Kausalität? Dieser Kurs zielt darauf ab, diese Frage und mehr zu beantworten!

Über einen Zeitraum von 5 Wochen lernen Sie, wie kausale Effekte definiert werden, welche Annahmen über Ihre Daten und Modelle notwendig sind und wie Sie einige beliebte statistische Methoden implementieren und interpretieren. Die Lernenden werden die Möglichkeit haben, diese Methoden auf Beispieldaten in R (einer kostenlosen statistischen Softwareumgebung) anzuwenden. Am Ende des Kurses sollten die Lernenden in der Lage sein: 1. Kausale Effekte anhand potenzieller Ergebnisse zu definieren 2. Den Unterschied zwischen Assoziation und Kausalität zu beschreiben 3. Annahmen mit Kausaldiagrammen auszudrücken 4. Verschiedene Arten von Kausalschlussmethoden anwenden (z.B. Matching, Instrumentalvariablen, inverse Wahrscheinlichkeitsgewichtung der Behandlung) 5. Identifizieren Sie, welche kausalen Annahmen für jede Art von statistischer Methode notwendig sind. Machen Sie mit bei .... und entdecken Sie selbst, warum moderne statistische Methoden zur Schätzung kausaler Effekte in so vielen Studienbereichen unverzichtbar sind!