доказательный ⎵ пробел

🔹 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 🐟.

Stata, R, Python

* из твиттера

https://data.rcsi.science/

качайте данные, пока есть возможность 😉

💀 Две книги, которые изменили мир:

• Бессонов, Введение в анализ российской макроэкономической динамики переходного периода

• Бессонов, Проблемы анализа российской макроэкономической динамики переходного периода

@c0ldness

Causal Inference in R 💡

Книга Causal Inference in R (Malcolm Barrett, Lucy D’Agostino McGowan, Travis Gerke) предназначена как для академических исследователей, так и для специалистов по обработке данных и позволит разобраться с причинно-следственным анализом с помощью R.

Авторы ведут свой блог и создали ряд соответствующих библиотек на основе {tidyverse}. Здесь же содержатся материалы практического семинара Causal Inference in R Workshop.

Еще две книги с элементами кода на R, Stata и Python также являются введением в предметную область опираясь на эконометрику:

🔹Causal Inference. The Mixtape by Scott Cunningham
🔹The Effect: An Introduction to Research Design and Causality by Nick Huntington-Klein

Отмечу аналогичные книги написанные на Python 🐍:

🔹Causal Inference for The Brave and True
🔹Causal Inference and Discovery in Python

Издательство ДМК Пресс незаметно перевело и выпустило одну из лучших вводных книжек по анализу и интерпретации данных — Thinking Clearly with Data: A Guide to Quantitative Reasoning and Analysis (Статистика без подвоха: Методы критического анализа данных и причинного вывода). На английском языке она вышла два года назад. Ее авторы — Энтони Фаулер и Итан Буэно де Мескита из Университета Чикаго.

И это не просто еще одна книжка по статистике. Впервые на русском языке (есть, правда, небольшая глава в Дружелюбной эконометрике Филиппа Картаева) появился учебник, в котором простым и понятным языком авторы рассказывают про основные методы причинно-следственного вывода — вся третья часть про это:

• Глава 9. Почему корреляция и причинно-следственная связь не одно и то же
• Глава 10. Выявление и ограничение искажающих факторов
• Глава 11. Рандомизированные эксперименты
• Глава 12. Модели разрывной регрессии
• Глава 13. Метод разности различий
• Глава 14. Механизмы причинно-следственных связей

Конечно, есть и про базовые методы статистики (Части 1, 2) и про принятие решений на основе данных (Часть 4). Вот что писал Константин Сонин по поводу английской версии книжки в 2021 году:

Вот ещё одно. Эта книга мне кажется идеальным учебником для курса по работе с данными — на первом курсе. Российское образование отстаёт, и очень сильно, в преподавании анализа данных — прежде всего для тех, кто на этом не специализируется. У нас по-прежнему базовая статистика требует до этого теорвера, с вероятностным пространством и функциями распределения, а ведь это — совсем не, что нужно. Можно — вот книжка прекрасный пример — говорить об интересном и сложном, без аксиом независимости и интегрирования функции плотности.

В прекрасной России будущего любой государственный служащий, который захочет занять позицию выше средней, будет сдавать экзамен по этой книжке (можно начинать готовиться 👨‍🏫).

💻 а еще в канал возвращается чат

@evidencespace

Telling Stories with Data 🔥

▪️ Книга Telling Stories with Data призвана помочь исследователям работать с данными, включая сбор данных (например, с использованием API и частично структурированных данных, таких как JSON и XML), очистку данных, документирование и моделирование на основе воспроизводимых рабочих процессов.

▪️ В книге приводятся примеры на основе социальных, культурных и экономических данных используя разнообразные методы, в частности, разведочный анализ данных, поиск причинно-следственных связей, регрессионный анализ. Книга пошагово подробно показывает все аспекты работы с данными и имеет хорошие отзывы.

Автор - Rohan Alexander создал несколько курсов на основе книги для бакалавриата, магистратуры и профессионального обучения. Книга недавно издана и доступна в печатном виде.

An R reproducibility toolkit for the practical researcher 🐑

Для практического исследователя важно иметь инструментарий для R-воспроизводимых вычислений. Курс от Elio Campitelli и Paola Corrales, который проводился 9-12 октября 2023 г., нацелен на то, чтобы понять как организовать проект, ускорить совместную работу и максимизировать ее воспроизводимость, используя существующие инструменты экосистемы R, такие как RMarkdown, renv и другие, контроль версий и рабочие среды.

Материалы курса кратко, но довольно содержательно с хорошими иллюстрациями показывают, в частности:

✔️ как создать проект R
✔️ управлять воспроизводимой средой
✔️ публиковать данные
✔️ отслеживать изменения с помощью Git
✔️ создавать и публиковать контейнеры

📙 Напомню про книгу Building reproducible analytical pipelines with R by Bruno Rodrigues и сайт по воспроизводимому анализу данных.

Золотистый ретривер на первой иллюстрации к анонсу тоже не случаен.

@evidencespace

☝️О красивых совпадениях:

NBER: публикует препринт Клаудии Голдин Why Women Won

Нобелевский комитет: вручает нобелевскую премию по экономике Клаудии Голдин

О СОВПАДЕНИЯХ

Сегодня среди еженедельной понедельничной серии препринтоа NBER был опубликован такой

🔹 Единый кодбук в формате гугл-таблички Российского мониторинга экономического положения и здоровья населения НИУ ВШЭ от @tochno_st. Внутри — вопросы и варианты ответов для 5-31 волн обследования. Можно быстро посмотреть, есть ли нужные для вашего исследования данные, и для каких конкретно волн они доступны.

@evidencespace

Один шаг и Эмиль Дюркгейм («Правила социологического метода», 1895) придумал бы разность разностей (Difference-in-Differences), но чуть-чуть не докрутил:

«Впрочем, если различные приемы сравнительного метода и применимы в социологии, не все они обладают одинаковой доказательной силой.

По той же причине затруднительным выглядит применение метода совпадения и метода различия. Они предполагают, что сравниваемые случаи либо совпадают, либо различаются всего в одном пункте... Никогда нельзя быть уверенным, что мы не пропустили какое-то исходное обстоятельство, совпадающее со следствием или отличное от него в то же время и в той же степени, что и единственное известное обстоятельство.

Следовательно, такой метод доказательства может породить только предположения, которые сами по себе почти совсем лишены всякого научного характера.

Зато иную картину открывает метод сопутствующих изменений. В самом деле, для доказательной силы здесь не нужно строго исключать все изменения, отличные от сравниваемых. Простой параллелизм значений для двух явлений, если только он установлен по достаточному количеству разнообразных случаев, послужит доказательством существования между ними причинного отношения. Преимущество этого метода заключается в том, что с его помощью причинная связь постигается не извне, как в других методах, а, так сказать, изнутри.

Верно, что законы, выявляемые посредством этого метода, далеко не всегда представляются сразу в форме отношений причинности. Совпадение может зависеть не от того, что одно явление есть причина другого, а от того, что оба они суть следствия одной и той же причины, или от того, что между ними существует третье, промежуточное, но незамеченное явление, которое есть следствие первого и причина второго. Результаты, к которым приводит этот метод, нужно поэтому правильно истолковывать».

А вот Орли Ашенфельтер докрутил. Подробнее про философию причинности можно почитать у Мариуша Мазьярца в The Philosophy of Causality in Economics: Causal Inferences and Policy Proposals.

@evidencespace