Разведочный анализ данных (EDA) с использованием метода разности разностей (DiD) при поэтапном вн...

Поэтапный анализ данных DiD в RStudio. Часть 2A — Панельный аудит для магистерской диссертации | Великобритания, США, Канада 10 стран, 2005–2020 гг., WDI, 160 строк — до csdid, полнота аудита, «липкое» лечение, дрейф ковариат в RStudio tidyverse. ЧТО ВЫ УЗНАЕТЕ: • miss_var_summary — 0% пропущенных данных + широкие когортные волны • Карты развертывания тайлов ggplot2 + проверка фасетного «липкого» лечения • Тепловые карты плотности — глубина чистых контрольных групп по годам • Дрейф ковариат: ВВП/FLFP/население — почему необходимы условные переменные ДЛЯ КОГО ЭТО: Магистратура, аспирантура с использованием поэтапных панелей RStudio в Великобритании, США, Канаде, Австралии, ЕС. Здравствуйте, меня зовут доктор Боседе Нгози Аделейе, я старший преподаватель экономики (Линкольнский университет, Великобритания) и основатель CrunchEconometrix. ОФИЦИАЛЬНЫЕ ССЫЛКИ И СООБЩЕСТВО: Веб-сайт: https://cruncheconometrix.com Магазин данных: https://cruncheconometrix.com/view/da... Только для участников:    • Members-only videos   Присоединиться к членству:    / @cruncheconometrix   Facebook:   / cruncheconometrix   LinkedIn:   / cruncheconometrix   YouTube:    / @cruncheconometrix   GitHub: https://github.com/CrunchEconometrix/... Twitter: https://x.com/crunchmetrix Teachable (более 600 студентов с 2020 года, закрыто 30.09.2026): https://cruncheconometrix.teachable.com Подписаться: https://www.youtube.com/c/CrunchEcono... Если это помогло, поставьте лайк, оставьте комментарий с указанием вашего N/T/когорты + страны, поделитесь. См. Часть 2B для Stata. ВОПРОС: Сохраняется ли эффект «липкого» лечения? Напишите в комментариях + уровень (магистр/доктор), и я подтвержу. Слишком многие исследователи, работающие с количественными методами, совершают любительскую ошибку, сразу переходя к моделированию, не проверяя основные характеристики своих матриц отслеживания. Опираясь на основополагающую философию разведочного анализа данных Джона Туки 1977 года, мы демонстрируем, как продвинутый разведочный анализ данных (EDA) служит вашей основной линией защиты от систематической ошибки отбора по принципу «мусор на входе — мусор на выходе» при экспертной оценке. Получив наш основной набор данных панели непосредственно из центрального хранилища показателей мирового развития (WDI) Всемирного банка, мы создаем безупречную структуру воспроизведения, отслеживающую сбалансированную макропанель из 10 суверенных государств в течение 16 последовательных лет (2005–2020), чтобы обеспечить ровно 160 полных строк наблюдений «страна-год». 📊 ЧТО ВЫ ОСВОЙТЕ В ЭТОМ ВИДЕО (РЕЗУЛЬТАТЫ УРОКА): ✅ Выполнение функции miss_var_summary() в R для проверки полноты панели и предотвращения систематической ошибки отбора. ✅ Преобразование столбцов панели в широкие «волны когорт лечения» с использованием чистых конвейеров tidyverse. ✅ Создайте многопанельные сетки с фасетами в ggplot2 для визуальной проверки предположения о «устойчивом воздействии». ✅ Создайте тепловые карты плотности поперечного сечения для проверки глубины доступных чистых контрольных переменных. ✅ Диагностируйте «дрейф ковариат» по непрерывным макроэкономическим переменным с помощью графиков траекторий. ✅ Проверьте полноту панели: научитесь программировать конвейеры tidyverse и фреймворк пакета naniar (`miss_var_summary()`), чтобы убедиться в абсолютном 0% пропущенных значений по всей области действия индикаторов. ✅ Создайте карты поэтапного внедрения: освойте геометрию плиток `ggplot2` для построения сеток плотности поперечного сечения статуса политики, точно отслеживая, сколько чистых контрфактических контрольных блоков существует в любом данном календарном году. ✅ Проверьте предположение о «устойчивом воздействии»: сгенерируйте многопанельные линейные сетки с фасетами, чтобы визуально доказать, что после того, как отдельная страна получает воздействие, ее политический параметр остается постоянно активным. ✅ Диагностика межкогортных различий: Выявите существенные географические кластеризации и различия в базовом уровне благосостояния в разных группах участников исследования, используя расширенные таблицы условной частоты групп во времени. ✅ Выявление «дрейфа ковариат»: Постройте многолинейные непрерывные траектории макроэкономического контроля, чтобы оценить, движутся ли ваши ковариаты (ВВП на душу населения, FLFP и масштаб населения) по сильно непараллельным траекториям развития до принятия политических решений. В соответствии с миссией CrunchEconometrix, все исходные основные наборы данных, несмешанные скрипты R для исследовательских блокнотов и соответствующие do-файлы являются полностью открытыми и доступны для бесплатной загрузки из нашего основного репозитория GitHub! 📁 КЛОНИРУЙТЕ ПОЛНЫЕ РЕПЛИЦИОРЫ ЗДЕСЬ: 👉 Центр GitHub Master: https://github.com/CrunchEconometrix/....