доказательный ⎵ пробел

Когда ваши сыновья заинтересовались политикой? «Олег никогда не интересовался — вплоть до того, как начались все эти уголовные дела. А Алешка — мне кажется, когда мы с ним программу «ВИД» вместе стали смотреть. Он музыкой стал интересоваться: у нас вся квартира оказалась обклеена плакатами (группы) ДДТ. А в программе «ВИД» сначала все было про политику, а потом про музыку — вот Алеша со мной и смотрел — ждал музыки». Светлая память Алексею Навальному.

Тот, кто убил — тот и убит.

Весной в Институте проблем правоприменения Европейского университета в Санкт-Петербурге — сразу три интенсива, один из них — по доказательному подходу. 16–17 марта Эмпирические методы в правовых исследованиях 🔸 Качественные методы 🔸 Как написать и презентовать научный текст 🔸 Количественные методы 🔸 Автоматический анализ текстовых данных 13–14 апреля Доказательный подход: от практиков практикам 🔸 Методология и практика реализации доказательного подхода 🔸 Оценочное исследование (evaluation research) 🔸 Экспертные интервью в административном контексте 🔸 Возможности и ограничения качественной методологии в доказательном подходе 🔸 Внешние источники данных для оценки эффективности государственных органов 🔸 Данные в принятии управленческих решений 25–26 мая Экономический анализ права 🔸 Экономический подход к анализу права, прав собственности, судебной власти 🔸 Экономический анализ регулирования: случай отрасли общественного питания 🔸 Tаргетирование проверок 🔸 Плановые v. внеплановые проверки: выбор регулятора Стоят все три программы одинаково — 15 тысяч рублей.

Росстат сделал неожиданный – по нынешним меркам, – но, на мой взгляд, несколько странный сюрприз. С 2019 проводится ежегодное Выборочное наблюдения состояния здоровья населения (ВНСЗН). По сочетанию в одной анкете сравнительно подробных вопросов о здоровье, полезном и вредном потреблении чего-то внутрь, физической активности и социальном самочувствии и социально-экономических условиях с этим обследованием может сравниться только Российский мониторинг экономического положения и здоровья населения (RLMS), но выборка росстатовского ВНСЗН – 120 тыс. человек во всех регионах страны. И до последнего времени это было одно из немногих обследований населения, микроданные которого Росстат не размещал в открытом доступе. И вот сюрприз: появились микроданные за 2023, причем очень оперативно по сравнению с другими обследованиям – сбор данных был в сентябре 2023. Странность в том, что файл микроданных не содержит привычные переменные, прежде всего коэффициенты взвешивания и типы населенных пунктов по численности населения. Если без второго с этими данными работать можно спокойно, то без взвешивающих коэффициентов – проблематично. По крайней мере, когда хочется что-то сказать с претензией на «репрезентативность всех россиян». Но кроме микроданных Росстат публикует распределения ответов на некоторые вопросы о состоянии здоровья и самочувствии (как раз по взвешенным данным) по возрастным группам. И я бы с интересом почитала комментарии психологов или близких специалистов о степени тревожности россиян, которая проявляется в этих распределениях. Например, в информационной панели ВНСЗН можно найти цифры за 2019-2021, а в «Итогах наблюдения» за 2023 о том, как взрослые 15 лет и старше отвечали на вопрос «Тревожит ли Вас неопределенность будущего?» из блока о социальном самочувствии. Если в 2023 19,2% выбрали вариант «очень тревожит», а 44,3% «скорее тревожит», – это много? И эта «суммарная» тревожность из-за неопределённости будущего в 63,5% – максимум из четырёх лет, данные за которые опубликованы: в 2019 тревожащихся было 60,4%, в 2020 – 61,5%, в 2021 – 58,04%.

Хорошо, когда из одного дисциплинарного колодца видно другой: DiPrete (2020) has written an Annual Review of Sociology article on the relationship between inequality and mobility that should be read in conjunction with this review. DiPrete gives a sociologist's perspective while paying careful attention to the economics literature. We hope we have shown the same sensitivity to sociological work in writing from an economist's perspective.

#CausalInference #ML #MachineLearning #методы #МашинноеОбучение Машинное обучение - это про предсказания и классификацию. Статистический причинно-следственный вывод (causal inference) - про количественную оценку эффекта воздействия одной конкретной переменной (например, насколько снизится - и снизится ли вообще - уровень насильственной преступности в уездном городе Ковылкино N, если алкоголь будут продавать до 21, а не до 22 часов). Казалось бы, что у этих задач и методов общего? Долгое время они действительно развивались параллельно и почти без пересечений. Однако в какой-то момент выяснилось, что впечатляющие вычислительные инструменты ML очень подходят для таких типичных и важных для causal inference вещей, как моделирование конфаундинга (воздействия третьих переменных), гетерогенности эффекта воздействия (то же самое лекарство от головной боли одному человеку поможет, а другому - нет), а также динамических и сетевых (а если все с крыши пойдут прыгать?) контекстов. Если вам знакомы такие слова, как мэтчинг, обратное взвешивание по вероятности, инструментальные переменные или разрывный дизайн, хотим обратить ваше внимание на новый обзор в Annual Review of Sociology от Дженни Брэнд, Шиань Джоу и Ю Сиэ (сразу просим прощения за потенциально ошибочную транскрипцию), в котором рассказывается, как во всех этих подходах (и других!) можно использовать методы машинного обучения с пользой для себя и для дела. А если не знакомы, в статье идеи, лежащие в основании соответствующих дизайнов, объясняются просто и доступно - настолько, что вполне можно давать студентам-неэкономистам в качестве введения в проблематику causal inference. Brand, J. E., Zhou, X., & Xie, Y. (2023). Recent Developments in Causal Inference and Machine Learning. Annual Review of Sociology, 49. https://doi.org/10.1146/annurev-soc-030420-015345 P.S. В качестве бонуса для тех, кто осилил до конца, - ссылка на лекционные слайды курса Кирилла Борусяка по прикладной эконометрике, прочитанного минувшей осенью в Беркли. Тоже много полезного и интересного.

2) Про базу данных о краткосрочных колебаниях смертности в России (data paper). Понедельные данные! https://doi.org/10.3897/popecon.7.e114628

🔹 Новая открытая база данных по смертности на основе административных источников. Данных за 2022/2023 годы там, правда, нет. «Российская база данных краткосрочных колебаний смертности (РосБКС) Международной лаборатории исследований населения и здоровья НИУ ВШЭ содержит понедельные общие и стандартизованные по возрасту коэффициенты смертности по регионам России и стране в целом за 2000-2021 гг. Все представленные в РосБКС показатели рассчитаны на основе данных статистики населения, полученных от Федеральной службы государственной статистики. РосБКС ориентирована прежде всего на специалистов, занимающихся профессиональным анализом демографических показателей. Данные представлены в формате *.csv». @evidencespace

"Применение этого метода позволяет идентифицировать фактические причины. Информация представляется в виде диаграммы "рыбьего скелета" (метод также называют диаграммой Исикавы, используемой для измерения, оценки, контроля и усовершенствования качества производственных процессов) или в виде древовидной схемы." — пишет Минтруд 🐟.