Экономическая наука сегодня стремительно развивается, осваивая новые методы анализа данных и причинно-следственных связей. "Революция достоверности" (credibility revolution) (Angrist & Pischke, 2010) изменила то, как экономисты отвечают на вопросы
Обычно примерно такой фразой мы с коллегами начинаем наш курс по эконометрике причинно-следственных связей, чтобы замотивировать студентов. Взгляните на график, который в 2016 году опубликовал The Economist. Впечатляет, не правда ли? Эта картинка ушла широко в массы, но есть нюанс – в статье не столько восхищаются экономистами, сколько… их критикуют
🚀 Модный приговор или градиент развития? (The Economist, 2016)
🟤В экономическом научном мире есть тренды: в разные годы на пике популярности были RCT, RDD, matching, DiD и другие методы
🟤Эти новшества действительно расширяют границы науки – помогают отвечать на сложные вопросы, раньше остававшиеся загадкой
🟤Но есть риск: модные методы начинают применять не всегда уместно – и именно это беспокоит The Economist, а также то, что методы могут формировать повестку исследований, а не наоборот
Но всё ли так плохо?💁♂️
😒"Причинные претензии" экономики (Garg, Fetzer, 2024)
🟤Прашант Гарг и Тимо Фетцер на основе базы из 44 000+ статей NBER и CEPR (1980–2023) показали, как экономисты сменили корреляции на строгий каузальный анализ
🟤В 1990 году только 4% статей содержали доказанные причинно-следственные связи, в 2020 году этот показатель вырос до 28%
🟤Больше всего каузальных исследований появилось в экономике здоровья, экономике города, поведенческой экономике и экономике развития
🙅♂️ Вся ли экономика движется в сторону причинности? (Goldsmith-Pinkham, 2024)
🟤Проанализировав 32 000+ публикаций NBER (1982–2024), Пол Голдсмит-Пинкхэм показал, что не все направления развиваются одинаково
🟤Прикладная микроэкономика – лидер в использовании квазиэкспериментальных методов (55% статей)
🟤Финансы внедряют причинные методы медленнее, но активно осваивают DiD
🟤Макроэкономика использует меньше квазиэкспериментальных методов, больше полагаясь на структурные модели
👨💻 Что ещё изменилось в методах? (Goldsmith-Pinkham, 2024)
🟤Упоминание идентификации (то есть четкого обоснования причинно-следственных связей в исследованиях) увеличилось с 2000 года, но с 2016 года стабилизировалось на уровне 40%
🟤Использование административных данных (например, налоговых отчетов, государственных баз данных) резко возросло с 2010 года
🟤"Графическая революция" (то есть рост использования графиков по сравнению с таблицами) стала особенно заметной в макроэкономике и финансах
Как нам кажется, во-первых, несмотря на то, что методы меняются, главный навык экономиста (да и исследователя в целом) – это умение замечать интересности и задавать правильные вопросы. И этого пока не умеет делать искусственный интеллект, которого все так боятся. Во-вторых, главное не только инструмент, но и руки, в которые он попадает: в зависимости от этого мы видим либо блестящие открытия, либо посредственные попытки что-то написать в угоду моде. И, конечно же, в-третьих, помните об ограничениях и предпосылках методов, которыми вы пользуетесь.
Всем классных исследований 💚
#канал_обозревает
@causal_channel