Behörighetskrav

120 hp inklusive 90 hp statistik, alternativt 120 hp inklusive 60 hp statistik samt 30 hp matematik och/eller datavetenskap.

Mål

En student som gått utbildningen skall:

vara väl förtrogen med det teoretiska ramverket för potentiella utfall för kausal inferens och användandet av strukturella modeller (riktade acykliska grafer),

erhålla en fördjupad förståelse av de antaganden som ligger till grund för kausal inferens med experimentella data och observationsdata,

bemästra teori som presenteras för att skatta kausala parametrar, estimander, i randomiserade försök och observationsstudier,

kunna skatta kausala effekter med de parametriska och icke/semiparametriska estimatorer som presenterats under kursen,

kunna utföra känslighetsanalys på skattningar av en kausal effekt.

Innehåll

Potentiella utfall, teori och antaganden

Fisher's exakta test och Neymans metod i randomiserade experiment

Estimatorer av kausala effekter, propensity score - modellbygnad, stratifiering och matchning

Variansestimatorer av kausala effekter

Skattning av kausala effekter med instrumentvariabler och maskininlärning

Riktade acykliska grafer (kausala), konstruktion, användning och tolkning

Känslighetsanalys och gränser för skattningar av kausala effekter

Undervisning

Undervisning ges i form av föreläsningar och datorövningar.

Examination

Examinationen sker genom ett skriftligt prov i slutet av kursen.

"Om särskilda skäl finns får examinator göra undantag från det angivna examinationssättet och medge att en student examineras på annat sätt. Särskilda skäl kan t.ex. vara besked om särskilt pedagogiskt stöd från universitetets samordnare."

Övriga föreskrifter

Kursen ingår i masterprogrammet i statistik.