1
Introduccion
2
Regresión lineal en dimensiones moderadamente altas
3
Experimentos aleatorios
4
Predicción con modelos lineales de dimensiones altas (p > n)
5
Inferencia con modelos lineales de alta dimensión (p > n)
6
Identificación causal por condicionamiento / DAG lineales
7
Predicciones en regresiones no lineales modernas (Random Forest y Deep Neural Networks)
8
DAG y SEM no lineales para identificaciones causales estructurales
9
Debiased Machine Learning (DML) Inference para modelos modernos no lineales y parcialmente no lineales
10
Modelos causales con variables instrumentales y controles proxy
11
Debiased ML para modelos IV/ Proxy, Instrumentos débiles
12
Feature Engineering con Deep Learning para inferencia causal y predictiva
Causal Inference
Causal Inference
Alexander Quispe
24/8/2021
1
Introduccion