Akademik ekonometriler genellikle nedenselliğin belirlenmesi ile ilgilenirler. Duyduğum tüm özel sektör istatistik / veri bilimi işleri sadece öngörücü modeller arıyor gibi görünüyor.

Özel sektörde (veya devlet işlerinde) nedensellik araştıran herhangi bir iş var mı?

Gözlemsel veya kusurlu deneysel verilerle nedensel çıkarım üzerinde çalışan teknolojide bir ekonomistim. Büyük teknoloji firmalarının çoğunda fiyatlandırma, pazarlama ve ürün tasarımı üzerine uygulamalı araştırmalar yapan benim gibi insanlar olacak. Bazı şirketlerde kamu politikası ekipleri de vardır.

Ayrıca web denemeleri üzerinde çalışan birçok kişi var. Bu çok daha büyük bir grup.

Son olarak, bunun ana odak noktası olduğu, özellikle anti-tröst olmak üzere belirli ekonomi danışmanlığı türleri de vardır.

[İlk beş duygusal cevap sansürlendi.]

Bu, sitedeki en garip sorulardan biri. Ve profesörlerinizin söyledikleriyle gerçek yaşam - yani fildişi kulesinin dışındaki yaşam arasında ne kadar kopukluk olduğunu gösterir. Ondan bakmanız iyi ... ama siz (yani, ekonomi alanında doktora öğrencileri) kesinlikle daha sık yapmalısınız.

Evet, akademi dışında insanların (sürpriz, sürpriz) nedensel çıkarım yöntemleri kullandıkları işler var. Ve (sürpriz, sürpriz) makaleleri yayınlayın. Yanıtlarım ABD'ye özgü, ancak eminim diğer ülkelerde benzer organizasyonlar bulabilirsiniz.

• Örnek 1 (sadece işimde dahili olarak tanıdığım için). Abt Associates gibi büyük bir sözleşme araştırma organizasyonu için bir yan kuruluşta çalışıyorum . 50 ülkede yaklaşık 2.300 kişi istihdam etmektedir ve bunların çoğu değerlendirme araştırması yürütmek veya desteklemek ve müdahaleleri uygulamak üzerinde çalışmaktadır. En iyi 6 teknik kişiden biri ( Senior Fellows olarak adlandırılır ) Jacob Klerman, Evaluation Review'in editörüdür, yaklaşık 5/6 akademik üyesi olan bir editörler kurulunu denetlemek. Bu sizin için özel bir sektör örneği. (Özellikle böyle bir şirketin ne tür beceriler aradığını görmek için şirket konum reklamlarını kontrol edin - Herkesin JOE'de reklam vereceğinden tamamen emin değilim; ABD'de mutlu olacak bir düzine daha adlandırabilirim usta bir ekonometri uzmanı işe almak.)
• Örnek 2 (ı var ama bununla ilgili bir geçen aşinalık diğer mekanlara bu projeyi başlatan insanlar biliyorum çünkü): Ne İşleri ClearinghouseABD federal Eğitim Bakanlığı, eğitim programlarının yayınlanan analizinin meta-analizine ayrılmış bir web sitesidir. WWC, nedensel iddiaları desteklemek için yeterli titizliğe sahip olan ve neyin olmadığını gösteren bir çalışma olarak kabul edilene dair özel talimatlar verilen bir hakemler ağı aracılığıyla çalışır. Yayınlanan araştırmanın çoğunun mutlak bok olduğu ortaya çıkıyor. Olduğu gibi, saçmalık. Kontrol grubu yok. Demografik ortak değişkenler / taban çizgisi denkliği üzerindeki dengenin kontrolü yok. Çalışmaların sadece% 3-5'i (iyilik uğruna hakemli literatürde yayınlanmıştır) "çekincesiz standartları karşılar" - yani, deney kollarının randomizasyon, kontrollü yıpranma ve çapraz kontaminasyonu gibi bir görünüşleri vardı, ve analizi aşağı yukarı kabul edilebilir bir şekilde yaptı. (Bayes teoremi ile, Birisinin "Ama sakızın matematik başarısını artırdığını yayınladığını gördüğünü" duyduğunuzda, "BS" yanıtını verebilirsiniz ve zamanın% 90'ı kadar haklı olursunuz.) Her halükarda, bu bir federal Bu nedenle, bir devlet kurumunun nedensel çıkarım araçlarının doğru kullanımını incelediği bir örnek. (Bir inceleme uzmanı olarak isminizi şapkaya atın, bu sizin için harika bir eğitim deneyimi olacaktır. Program değerlendirmesi öğretiyor olsaydım, bunu öğrencilerim için bir gereklilik haline getirirdim.) (FDA ile çalışan biyoistatistler için, herhangi bir veri toplamadan önce analiz kodunuzu göndermeniz gerekir, WWC standartları hala çok gevşek.) d doğru% 90 + zaman.) Her durumda, bu bir federal departman projesidir, bu nedenle bir devlet kurumunun nedensel çıkarım araçlarının doğru kullanımını incelediği bir örnek. (Bir inceleme uzmanı olarak isminizi şapkaya atın, bu sizin için harika bir eğitim deneyimi olacaktır. Program değerlendirmesi öğretiyor olsaydım, bunu öğrencilerim için bir gereklilik haline getirirdim.) (FDA ile çalışan biyoistatistler için, herhangi bir veri toplamadan önce analiz kodunuzu göndermeniz gerekir, WWC standartları hala çok gevşek.) d doğru% 90 + zaman.) Her durumda, bu bir federal departman projesidir, bu nedenle bir devlet kurumunun nedensel çıkarım araçlarının doğru kullanımını incelediği bir örnek. (Bir inceleme uzmanı olarak isminizi şapkaya atın, bu sizin için harika bir eğitim deneyimi olacaktır. Program değerlendirmesi öğretiyor olsaydım, bunu öğrencilerim için bir gereklilik haline getirirdim.) (FDA ile çalışan biyoistatistler için, herhangi bir veri toplamadan önce analiz kodunuzu göndermeniz gerekir, WWC standartları hala çok gevşek.)

Farmasötik istatistiklerde ve bir dizi ilgili alanda, müdahale ile sağlık sonucu arasındaki nedensel bağlantı, bir müdahalenin kullanılıp kullanılmayacağına karar verirken önemli ilgi konusudur. Randomize çalışmalar (klinik veya klinik öncesi), randomize olmayan veya tek kollu çalışmalar, laboratuvar çalışmaları, meta analizler, advers olayların kendiliğinden rapor edilmesine dayanan ilaç güvenliği gözetimi, epidemiyoloji (dahil) Mandelian rasgeleleştirmesi gibi fikirler) ve etkinlik araştırması (örneğin, sigorta tazminat veritabanları gibi gözlemsel verilerin kullanılması) Tabii ki, nedenselliğe atıfta bulunan tasarlanmış randomize deneylerde (randomize klinik çalışmalar gibi), diğer bazı uygulamalardan biraz daha kolaydır.

Ülkenin en büyük kıdemli yaşayan sevk hizmeti olan A Place for Mom'da araştırmacıyım. Desteklenen bir yaşayan topluluğa taşınmanın yaşam kalitesini nasıl etkilediğini anlamaya yönelik bir araştırma tasarladık. Nedensel çıkarım bu araştırmanın merkezinde yer almaktadır ve nedensel analiz yöntemleri (örneğin, eşleştirme, seçim süreçlerini modelleme, ortalama tedavi etkilerini tahmin etme) esastır.

Çoğu özel sektörde nedenselliğe önem vermeyeceksiniz

Uygulamada, tipik dil kullanımına rağmen, insanlar nedensellikten çok (iyi anlaşılmış) iyi anlaşılmış etki ile ilgilenmektedir .

Akademik açıdan bilmek çok ilginçtir:

A yaparsam sonuç B olur

Ancak pratik bir bakış açısından, hemen hemen her durumda, insanların gerçekten bilmek istedikleri şu şekildedir:

A yaparsam sonuç B olur

Elbette A'nın etkisiyle ilgileniyor olabilirsiniz, ancak bunun gerçekten neden olup olmadığı veya bu korelasyonu oluşturmak için sadece gizli bir neden olup olmadığı genellikle o kadar ilginç değildir.

Sınırlamalarla ilgili not

Düşünebilirsiniz: Tamam, ama A'nın B'ye neden olduğunu bilmiyorsak, bu varsayım üzerinde çalışmak çok risklidir.

Bu bir bakıma doğrudur, ancak yine pratikte endişeleneceksiniz: Çalışacak mı yoksa istisnalar var mı?

Bunu göstermek için, bu durumun not edilebilir:

Eğer A yaparsam, X durumunda, A nedeniyle sonuç B olur ve X nedeniyle sonuç delta ile sapar

Bu durumdan çok daha yararlı değil (etkileri eşit olarak ölçebildiğinizi varsayarak):

A yaparsam, X durumunda, sonuç B olur ve sonuç delta ile sapar

Basit örnek: Sebep olan korelasyon

• A: Motor yağı doldurun
• B: Azaltılmış fren arızası
• C: Araba muayenesi

Mantık: C her zaman A ve B'ye neden olur

Sonuç ilişkisi: A yükselirse, B yükselir, ancak A ve B arasında nedensel bir ilişki yoktur.

Demek istediğim: A'nın B üzerindeki etkisini modelleyebilirsiniz. A, B'ye neden olmaz, ancak model yine de doğru olacaktır ve A hakkında bilgi varsa, B hakkında bilgi sahibi olursunuz.

A ile ilgili bilgilerle fren arızasıyla ilgilenen kişi, A ile B arasındaki ilişkiyi bilmekle ilgilenir ve sadece bu ilişkinin nedensel olup olmadığına bakılmaksızın ilişkinin doğru olup olmadığına bakar.