学术计量经济学家通常对确定因果关系感兴趣。似乎我所听说的所有私营部门统计/数据科学工作都只是在寻找预测模型。
私营部门是否有研究因果关系的工作(或政府工作)?
学术计量经济学家通常对确定因果关系感兴趣。似乎我所听说的所有私营部门统计/数据科学工作都只是在寻找预测模型。
私营部门是否有研究因果关系的工作(或政府工作)?
Answers:
我是技术经济学家,致力于对观察性或有缺陷的实验数据进行因果推理。大多数大型科技公司都会像我一样,围绕价格,市场营销和产品设计进行应用研究。在一些公司中也有公共政策团队。
还有很多人从事网络实验。这是一个更大的群体。
最后,还有一些特定类型的经济学咨询,特别是反托拉斯,这是主要的重点。
[审查了前五个情感答复。]
坦白说,这是网站上最奇怪的问题之一。并显示您的教授所说的内容与实际生活(即象牙塔外的生活)之间有多大的脱节。偷看是一件好事……但是您(意味着,经济学博士学位的学生)肯定需要更频繁地这样做。
是的,在学术界以外的工作中,人们(惊讶,惊讶)使用因果推理方法。并且(惊讶,惊讶)发表论文。我的回答是针对美国的,但是我相信您可以在其他国家找到类似的组织。
在药物统计和许多相关领域中,在决定是否应使用干预措施时,干预与健康结果之间的因果关系是关注的关键问题。有广泛的子领域,例如随机试验(临床或临床前),非随机或单臂试验,实验室试验,荟萃分析,基于不良事件自发报告的药物安全性监测,流行病学(包括像Mandelian随机化这样的想法)和有效性研究(例如,使用观察性数据,例如保险索赔数据库)。当然,在设计的随机实验(如随机临床试验)中,因果关系要比其他一些应用要容易一些。
在实践中,尽管使用了典型的语言,但人们对可理解的影响而不是(可理解的)因果关系更感兴趣。
从学术角度来看,很有趣:
如果我做A,因此结果将是B
但是从实际的角度来看,在几乎所有情况下,以下是人们真正想知道的内容:
如果我做A,结果将是B
当然,您可能对A的影响感兴趣,但是,是否确实是A的原因,还是只是偶然发生了创建这种关联的隐藏原因,通常并不那么有趣。
您可能会认为:好的,但是如果我们不知道A会导致B,那么按照该假设进行操作很有风险。
从某种意义上说这是正确的,但是在实践中您再次担心:它会起作用,还是有例外?
为了说明这一点,您可能会注意到这种情况:
如果我做A,在情况X中,由于A,结果将是B,由于X,结果将偏离增量
没有比这种情况有用的多了(假设您可以平等地量化影响):
如果我做A,在情况X下,结果将是B,并且结果将偏离增量
逻辑:C总是导致A和B
结果关系:如果A上升,B上升,但是A和B之间没有因果关系。
我的观点:您可以对A对B的影响进行建模。A不会导致B,但是模型仍然是正确的,并且如果您具有有关A的信息,那么您将具有有关B的信息。
对带有有关A的信息的制动器失效诱惑感兴趣的人将只关心了解A与B的关系,并且仅关心该关系是否正确,无论该关系是否为因果关系。