Kursplan för Kausal inferens

Causal Inference

Kursplan

  • 7,5 högskolepoäng
  • Kurskod: 2ST124
  • Utbildningsnivå: Avancerad nivå
  • Huvudområde(n) och successiv fördjupning: Statistik A1N

    Förklaring av koder

    Koden visar kursens utbildningsnivå och fördjupning i förhållande till andra kurser inom huvudområdet och examensfordringarna för generella examina:

    Grundnivå

    • G1N: har endast gymnasiala förkunskapskrav
    • G1F: har mindre än 60 hp kurs/er på grundnivå som förkunskapskrav
    • G1E: innehåller särskilt utformat examensarbete för högskoleexamen
    • G2F: har minst 60 hp kurs/er på grundnivå som förkunskapskrav
    • G2E: har minst 60 hp kurs/er på grundnivå som förkunskapskrav, innehåller examensarbete för kandidatexamen
    • GXX: kursens fördjupning kan inte klassificeras

    Avancerad nivå

    • A1N: har endast kurs/er på grundnivå som förkunskapskrav
    • A1F: har kurs/er på avancerad nivå som förkunskapskrav
    • A1E: innehåller examensarbete för magisterexamen
    • A2E: innehåller examensarbete för masterexamen
    • AXX: kursens fördjupning kan inte klassificeras

  • Betygsskala: Underkänd (U), godkänd (G), väl godkänd (VG)
  • Inrättad: 2019-09-10
  • Inrättad av: Institutionsstyrelsen
  • Reviderad: 2022-10-14
  • Reviderad av: Institutionsstyrelsen
  • Gäller från: VT 2023
  • Behörighet:

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

  • Ansvarig institution: Statistiska institutionen

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 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 en kausal effekt, propensity score - modellbygnad, stratifiering och matchning

Variansskattning

Skattning av kausala effekter med instrumentvariabler

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

Medieringsanalys - parametrar - estimatorer

Känslighetesanalys och gränser

Undervisning

Undervisning ges i form av föreläsningar och datorövningar.

Examination

Examinationen sker genom ett skriftligt prov i slutet av kursen och/eller genom skriftlig och/eller muntlig redovisning av inlämningsuppgifter.

"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.

Litteratur

Litteraturlista

Gäller från: VT 2023

I bibliotekets söktjänst kan du se om en titel finns elektroniskt.

  • Pearl, Judea; Glymour, Madelyn; Jewell, Nicholas P. Causal inference in statistics : a primer

    Chichester, West Sussex: Wiley Blackwell, 2016

    Se bibliotekets söktjänst

    Obligatorisk

  • Imbens, Guido W.; Rubin, Donald B. Causal inference for statistics, social, and biomedical sciences. : an introduction

    Cambridge: Cambridge University Press, 2015

    Se bibliotekets söktjänst

    Obligatorisk

  • VanderWeele, Tyler J. Explanation in causal inference : methods for mediation and interaction

    New York: Oxford University Press, [2015]

    Se bibliotekets söktjänst

    Obligatorisk