Causal Analysis

Eine umfassende und moderne Einführung in quantitative Methoden der Kausalanalyse, einschliesslich neuer Trends im maschinellen Lernen. Das Nachdenken über Ursache und Wirkung – die Konsequenz des Handelns in einer bestimmten Weise im Vergleich zu einer anderen – ist ein wesentlicher Bestandteil unseres Lebens als Menschen. In einer zunehmend digitalen und datengestützten Wirtschaft wird die Bedeutung einer anspruchsvollen Kausalanalyse immer grösser. Dieses Lehrbuch präsentiert die wichtigsten quantitativen Methoden zur Bewertung kausaler Effekte und bietet Studierenden und Forschenden eine klare und umfassende Einführung in die Kausalanalyse empirischer Daten. Martin Hubers zugänglicher Ansatz hebt die Intuition und Motivation hinter verschiedenen Methoden hervor und bietet gleichzeitig formale Diskussionen über zentrale Konzepte unter Verwendung statistischer Notation. Die Kausalanalyse behandelt mehrere methodologische Entwicklungen, die in anderen Texten nicht behandelt werden, einschliesslich neuer Trends im maschinellen Lernen, der Bewertung von Interaktions- oder Interferenzeffekten und aktuellen Forschungsdesigns wie Bunching oder Kink-Designs. Dies ist die vollständigste und modernste Einführung in die Kausalanalyse, einschliesslich kausalen maschinellen Lernens. Die klare Präsentation des rigorosen Materials vermeidet überflüssige Details und betont konzeptionelle Analogien gegenüber statistischer Notation. Sie bietet eine Vielzahl von Anwendungen und praktischen Beispielen unter Verwendung von R.