Informações sobre o curso
4.7
109 classificações
36 avaliações
100% online

100% online

Comece imediatamente e aprenda em seu próprio cronograma.
Prazos flexíveis

Prazos flexíveis

Redefinir os prazos de acordo com sua programação.
Nível intermediário

Nível intermediário

Horas para completar

Aprox. 25 horas para completar

Sugerido: 5 weeks of study, 3-5 hours per week...
Idiomas disponíveis

Inglês

Legendas: Inglês

Habilidades que você terá

Instrumental VariablePropensity Score MatchingCausal InferenceCausality
100% online

100% online

Comece imediatamente e aprenda em seu próprio cronograma.
Prazos flexíveis

Prazos flexíveis

Redefinir os prazos de acordo com sua programação.
Nível intermediário

Nível intermediário

Horas para completar

Aprox. 25 horas para completar

Sugerido: 5 weeks of study, 3-5 hours per week...
Idiomas disponíveis

Inglês

Legendas: Inglês

Programa - O que você aprenderá com este curso

Semana
1
Horas para completar
3 horas para concluir

Welcome and Introduction to Causal Effects

This module focuses on defining causal effects using potential outcomes. A key distinction is made between setting/manipulating values and conditioning on variables. Key causal identifying assumptions are also introduced....
Reading
8 vídeos (total de (Total 128 mín.) min), 3 testes
Video8 videos
Confusion over causality19min
Potential outcomes and counterfactuals13min
Hypothetical interventions17min
Causal effects19min
Causal assumptions18min
Stratification23min
Incident user and active comparator designs14min
Quiz3 exercícios práticos
Practice Quiz4min
Practice Quiz4min
Causal effects18min
Semana
2
Horas para completar
2 horas para concluir

Confounding and Directed Acyclic Graphs (DAGs)

This module introduces directed acyclic graphs. By understanding various rules about these graphs, learners can identify whether a set of variables is sufficient to control for confounding....
Reading
8 vídeos (total de (Total 86 mín.) min), 2 testes
Video8 videos
Causal graphs9min
Relationship between DAGs and probability distributions15min
Paths and associations7min
Conditional independence (d-separation)13min
Confounding revisited9min
Backdoor path criterion15min
Disjunctive cause criterion9min
Quiz2 exercícios práticos
Practice Quiz8min
Identify from DAGs sufficient sets of confounders22min
Semana
3
Horas para completar
4 horas para concluir

Matching and Propensity Scores

An overview of matching methods for estimating causal effects is presented, including matching directly on confounders and matching on the propensity score. The ideas are illustrated with data analysis examples in R....
Reading
12 vídeos (total de (Total 171 mín.) min), 5 testes
Video12 videos
Overview of matching12min
Matching directly on confounders13min
Greedy (nearest-neighbor) matching17min
Optimal matching10min
Assessing balance11min
Analyzing data after matching20min
Sensitivity analysis10min
Data example in R16min
Propensity scores11min
Propensity score matching14min
Propensity score matching in R15min
Quiz5 exercícios práticos
Practice Quiz6min
Practice Quiz8min
Matching12min
Propensity score matching10min
Data analysis project - analyze data in R using propensity score matching16min
Semana
4
Horas para completar
3 horas para concluir

Inverse Probability of Treatment Weighting (IPTW)

Inverse probability of treatment weighting, as a method to estimate causal effects, is introduced. The ideas are illustrated with an IPTW data analysis in R....
Reading
9 vídeos (total de (Total 119 mín.) min), 3 testes
Video9 videos
More intuition for IPTW estimation9min
Marginal structural models11min
IPTW estimation11min
Assessing balance9min
Distribution of weights9min
Remedies for large weights13min
Doubly robust estimators15min
Data example in R26min
Quiz3 exercícios práticos
Practice Quiz6min
IPTW18min
Data analysis project - carry out an IPTW causal analysis8min

Instrutores

Avatar

Jason A. Roy, Ph.D.

Professor of Biostatistics
Department of Biostatistics and Epidemiology

Sobre Universidade da Pensilvânia

The University of Pennsylvania (commonly referred to as Penn) is a private university, located in Philadelphia, Pennsylvania, United States. A member of the Ivy League, Penn is the fourth-oldest institution of higher education in the United States, and considers itself to be the first university in the United States with both undergraduate and graduate studies. ...

Perguntas Frequentes – FAQ

  • Ao se inscrever para um Certificado, você terá acesso a todos os vídeos, testes e tarefas de programação (se aplicável). Tarefas avaliadas pelos colegas apenas podem ser enviadas e avaliadas após o início da sessão. Caso escolha explorar o curso sem adquiri-lo, talvez você não consiga acessar certas tarefas.

  • Quando você adquire o Certificado, ganha acesso a todo o material do curso, incluindo avaliações com nota atribuída. Após concluir o curso, seu Certificado eletrônico será adicionado à sua página de Participações e você poderá imprimi-lo ou adicioná-lo ao seu perfil no LinkedIn. Se quiser apenas ler e assistir o conteúdo do curso, você poderá frequentá-lo como ouvinte sem custo.

Mais dúvidas? Visite o Central de Ajuda ao Aprendiz.