Dit boek gaat over onderzoeksontwerp, met een focus op onderzoek dat gebruikmaakt van observationele data om een oorzakelijk effect af te leiden. Het boek is opgesplitst in twee helften, elk met een andere benadering van dit onderwerp. De eerste helft behandelt concepten van causaliteit met weinig nadruk op schatting en introduceert grondig identificatie als proces van het isoleren van variatie met een oorzakelijke interpretatie, met veel aandacht voor data-generatieprocessen en causale diagrammen. Concepten worden gedemonstreren met een sterke nadruk op grafische intuïtie en wat we met data doen wanneer we een controlevariabele toevoegen. Doelgroep zijn practitioners en studenten in verschillende vakgebieden zoals statistiek, econometrie, biostatistiek en data science. Kenmerkend zijn uitgebreide codevoorbeelden in R, Stata en Python, hoofdstukken over heterogene behandelingseffecten, simulatie en power-analyse, en actuele methoden. De tweede editie bevat een nieuw hoofdstuk over gedeeltelijke identificatie en bijgewerkte materialen en schrijfstijlen om het boek te gebruiken in onderwijs.
Belangrijkste kenmerken
- Uitgebreide codevoorbeelden in R, Stata, Python
- Hoofdstukken over heterogene behandelingseffecten
- Simulatie en power-analyse
- Nieuw hoofdstuk: gedeeltelijke identificatie
- Up-to-date methoden en snelle literatuur zoals difference-in-differences
Technische specificaties
- Editie: 2e
- Pagina’s: 686
- Formaat: Hardcover
- Onderwerp: onderzoeksontwerp en causaliteit
- Focus: observationele data en causale inferentie
- Talen/omschrijvingen: primair in Vlaams/Nederlands
Productspecificaties
| EAN |
|
|---|---|
| Maat |
|
Prijshistorie
Prijzen voor het laatst bijgewerkt op: