We have all heard the phrase “correlation does not equal causation.” What, then, does equal causation? This course aims to answer that question and more!
Offert par
A Crash Course in Causality: Inferring Causal Effects from Observational Data
Université de PennsylvanieÀ propos de ce cours
49,098 consultations récentes
Résultats de carrière des étudiants
50%
ont commencé une nouvelle carrière après avoir terminé ce cours
23%
ont bénéficié d'un avantage concret dans leur carrières grâce à ce cours
Certificat partageable
Obtenez un Certificat lorsque vous terminez
100 % en ligne
Commencez dès maintenant et apprenez aux horaires qui vous conviennent.
Dates limites flexibles
Réinitialisez les dates limites selon votre disponibilité.
Niveau intermédiaire
Approx. 13 heures pour terminer
Anglais
Sous-titres : Anglais
Compétences que vous acquerrez
Instrumental VariablePropensity Score MatchingCausal InferenceCausality
Résultats de carrière des étudiants
50%
ont commencé une nouvelle carrière après avoir terminé ce cours
23%
ont bénéficié d'un avantage concret dans leur carrières grâce à ce cours
Certificat partageable
Obtenez un Certificat lorsque vous terminez
100 % en ligne
Commencez dès maintenant et apprenez aux horaires qui vous conviennent.
Dates limites flexibles
Réinitialisez les dates limites selon votre disponibilité.
Niveau intermédiaire
Approx. 13 heures pour terminer
Anglais
Sous-titres : Anglais
Offert par
Université de Pennsylvanie
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.
Programme du cours : ce que vous apprendrez dans ce cours
3 heures pour terminer
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.
3 heures pour terminer
8 vidéos (Total 128 min)
8 vidéos
Confusion over causality19 min
Potential outcomes and counterfactuals13 min
Hypothetical interventions17 min
Causal effects19 min
Causal assumptions18 min
Stratification23 min
Incident user and active comparator designs14 min
3 exercices pour s'entraîner
Practice Quiz4 min
Practice Quiz4 min
Causal effects18 min
2 heures pour terminer
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.
2 heures pour terminer
8 vidéos (Total 86 min)
8 vidéos
Confounding6 min
Causal graphs9 min
Relationship between DAGs and probability distributions15 min
Paths and associations7 min
Conditional independence (d-separation)13 min
Confounding revisited9 min
Backdoor path criterion15 min
Disjunctive cause criterion9 min
2 exercices pour s'entraîner
Practice Quiz8 min
Identify from DAGs sufficient sets of confounders22 min
4 heures pour terminer
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.
4 heures pour terminer
12 vidéos (Total 171 min)
12 vidéos
Observational studies15 min
Overview of matching12 min
Matching directly on confounders13 min
Greedy (nearest-neighbor) matching17 min
Optimal matching10 min
Assessing balance11 min
Analyzing data after matching20 min
Sensitivity analysis10 min
Data example in R16 min
Propensity scores11 min
Propensity score matching14 min
Propensity score matching in R15 min
5 exercices pour s'entraîner
Practice Quiz6 min
Practice Quiz8 min
Matching12 min
Propensity score matching10 min
Data analysis project - analyze data in R using propensity score matching16 min
3 heures pour terminer
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.
3 heures pour terminer
9 vidéos (Total 119 min)
9 vidéos
More intuition for IPTW estimation9 min
Marginal structural models11 min
IPTW estimation11 min
Assessing balance9 min
Distribution of weights9 min
Remedies for large weights13 min
Doubly robust estimators15 min
Data example in R26 min
3 exercices pour s'entraîner
Practice Quiz6 min
IPTW18 min
Data analysis project - carry out an IPTW causal analysis8 min
Avis
Meilleurs avis pour A CRASH COURSE IN CAUSALITY: INFERRING CAUSAL EFFECTS FROM OBSERVATIONAL DATA
par WL16 mars 2019
Very easy to follow examples and great coverage for such an important topic! The delivery sometimes get repetitive and I wish we talked more about how the uncertainties are derived.
par MF27 déc. 2017
I really enjoyed this course, the pace could be more even in parts. Sometimes the pace could be more even and some more books/reference material for further study would be nice.
par FF29 nov. 2017
The material is great. Just wished the professor was more active in the discussion forum. Have not showed up in the forum for weeks. At least there should be a TA or something.
par OE29 juil. 2020
I enjoyed the course a lot and I think I took a lot from it as well. The quizzes and computer projects were appropriate, and the resourcees posted were very useful.
Foire Aux Questions
Quand aurai-je accès aux vidéos de cours et aux devoirs ?
L’accès à des vidéos de cours et des devoirs dépend de votre type d’inscription. Si vous suivez un cours en mode auditeur libre, vous pourrez voir la plupart des contenus de cours gratuitement. Pour accéder aux devoirs notés et obtenir un certificat, vous devrez acheter une expérience de certificat, pendant ou après avoir assister au cours en tant qu’auditeur libre. Si vous ne visualisez pas l’option auditeur libre :
- Il est possible que le cours ne propose pas d’option auditeur libre. Vous pouvez en revanche accéder à un essai gratuit ou faire une demande d'aide financière.
- Le cours propose peut-être « Cours complet, aucun certificat » à la place. Cette option vous permet de voir tous les contenus de cours, de soumettre les évaluations requises et d'obtenir une note finale. Cependant, vous ne pourrez pas acheter une expérience de certificat.
À quoi ai-je droit si j'achète le Certificat ?
Lorsque vous achetez un Certificat, vous bénéficiez d'un accès à tout le contenu du cours, y compris les devoirs notés. Lorsque vous avez terminé et réussi le cours, votre Certificat électronique est ajouté à votre page Accomplissements. À partir de cette page, vous pouvez imprimer votre Certificat ou l'ajouter à votre profil LinkedIn. Si vous souhaitez seulement lire et visualiser le contenu du cours, vous pouvez accéder gratuitement au cours en tant qu'auditeur libre.
Quelle est la politique de remboursement ?
Vous avez droit à un remboursement intégral jusqu'à deux semaines après la date de paiement ou (pour les cours qui viennent d'être lancés) jusqu'à deux semaines après le début de la première session du cours, selon la dernière de ces éventualités. Vous ne pouvez pas bénéficier d'un remboursement une fois votre Certificat de Cours obtenu, même si vous terminez le cours pendant la période de remboursement de deux semaines. Consultez notre Politique de remboursement complète.
Une aide financière est-elle possible ?
Oui, Coursera fournit une Aide Financière aux étudiants n'ayant pas les moyens d'acquitter les frais. Pour en faire la demande, cliquez sur le lien Aide Financière situé sous le bouton S'inscrire ci-contre à gauche. Vous serez invité(e) à déposer une demande et vous serez averti(e) si elle est acceptée. En savoir plus.
D'autres questions ? Visitez le Centre d'Aide pour les Etudiants.
