นักเศรษฐศาสตร์เชิงวิชาการมักให้ความสนใจในการกำหนดเวรกรรม ดูเหมือนว่างานด้านวิทยาศาสตร์สถิติ / ข้อมูลภาคเอกชนทั้งหมดที่ฉันได้ยินเกี่ยวกับการหาแบบจำลองการทำนาย

มีงานใดในภาคเอกชน (หรืองานของรัฐ) ที่เป็นสาเหตุการวิจัย?

ฉันเป็นนักเศรษฐศาสตร์ในเทคโนโลยีที่ทำงานเกี่ยวกับการอนุมานสาเหตุด้วยข้อมูลเชิงสังเกตการณ์หรือข้อบกพร่อง บริษัท เทคโนโลยีรายใหญ่ส่วนใหญ่จะมีกลุ่มคนที่ชอบทำงานวิจัยเกี่ยวกับการกำหนดราคาการตลาดและการออกแบบผลิตภัณฑ์ นอกจากนี้ยังมีทีมนโยบายสาธารณะในบาง บริษัท

นอกจากนี้ยังมีผู้คนจำนวนมากที่ทำงานในการทดสอบเว็บ นี่เป็นกลุ่มที่ใหญ่กว่ามาก

ในที่สุดก็มีการให้คำปรึกษาด้านเศรษฐศาสตร์บางประเภทโดยเฉพาะอย่างยิ่งการต่อต้านความไว้วางใจซึ่งเป็นจุดสนใจหลัก

[การตอบสนองทางอารมณ์ห้าข้อแรกถูกเซ็นเซอร์]

นั่นเป็นหนึ่งในคำถามที่แปลกที่สุดในเว็บไซต์ตรงไปตรงมา และแสดงให้เห็นว่ามีการตัดการเชื่อมต่อระหว่างสิ่งที่อาจารย์พูดและชีวิตจริง - นั่นคือชีวิตนอกหอคอยงาช้าง เป็นเรื่องดีที่คุณจะแอบดู ... แต่คุณ (หมายถึงนักศึกษาปริญญาเอกด้านเศรษฐศาสตร์) ต้องทำสิ่งนี้บ่อยขึ้น

ใช่มีงานนอกสถานศึกษาที่ผู้คน (แปลกใจประหลาดใจ) ใช้วิธีการอนุมานเชิงสาเหตุ และ (ประหลาดใจประหลาดใจ) เผยแพร่เอกสาร คำตอบของฉันเป็นแบบเฉพาะของสหรัฐอเมริกา แต่ฉันมั่นใจว่าคุณจะพบองค์กรที่คล้ายกันในประเทศอื่น

• ตัวอย่างที่ 1 (เพราะฉันคุ้นเคยกับงานของฉัน) การทำงานของผมใน บริษัท ย่อยเป็น organizatoin สัญญาการวิจัยขนาดใหญ่Abt Associates มีพนักงานประมาณ 2,300 คนใน 50 ประเทศและส่วนใหญ่ทำงานเพื่อดำเนินการหรือสนับสนุนงานวิจัยประเมินผลและดำเนินการแทรกแซง หนึ่งในหกนักวิชาการชั้นแนวหน้า (หรือที่เรียกว่ากลุ่มอาวุโส ) Jacob Klerman เป็นบรรณาธิการของReview Reviewดูแลคณะบรรณาธิการซึ่งมีประมาณ 5/6 คนที่มีความเกี่ยวข้องทางวิชาการ นั่นคือตัวอย่างของภาคเอกชนสำหรับคุณ (ตรวจสอบโฆษณาตำแหน่งของ บริษัท เพื่อดูว่าทักษะแบบใดที่ บริษัท แบบนั้นน่าจะมองหา - ฉันไม่แน่ใจว่าทุกคนโฆษณาที่ JOE เพราะมีราคาแพงฉันสามารถตั้งชื่ออีกโหลในสหรัฐอเมริกาที่มีความสุขได้อย่างง่ายดาย จ้างนักเศรษฐศาสตร์ฝีมือดี)
• ตัวอย่างที่ 2 (ฉันมี แต่ความคุ้นเคยที่ผ่านมาเพราะฉันรู้จักผู้ที่เริ่มโครงการนี้จากสถานที่อื่น): สำนักหักบัญชีทำงานอย่างไรที่กระทรวงศึกษาธิการของสหรัฐอเมริกาเป็นเว็บไซต์ที่อุทิศให้กับการวิเคราะห์อภิมานของการวิเคราะห์ที่ตีพิมพ์ของโปรแกรมการศึกษา WWC ดำเนินงานผ่านเครือข่ายผู้ตรวจสอบซึ่งได้รับคำแนะนำเฉพาะเกี่ยวกับสิ่งที่ถูกพิจารณาว่าเป็นงานวิจัยที่มีความเข้มงวดเพียงพอที่จะสนับสนุนการอ้างเหตุผลและสิ่งที่ไม่ ปรากฎว่างานวิจัยที่ตีพิมพ์ส่วนใหญ่นั้นเป็นเรื่องไร้สาระ ในขณะที่พล่าม ไม่มีกลุ่มควบคุม ไม่มีการตรวจสอบยอดเงินคงเหลือในข้อมูลประชากรโควาเรียต / การเทียบเคียงพื้นฐาน เพียงประมาณ 3-5% ของการศึกษา (ตีพิมพ์ในวรรณกรรมทบทวนเพื่อประโยชน์) "ตรงตามมาตรฐานโดยไม่ต้องจอง" - ความหมายพวกเขามีรูปร่างหน้าตาของการสุ่มการควบคุมการขัดสีและการปนเปื้อนข้ามของแขนทดลอง และทำการวิเคราะห์ด้วยวิธีที่ยอมรับได้ไม่มากก็น้อย (โดยทฤษฎีบทของเบย์ เมื่อคุณได้ยินใครบางคนพูดว่า "แต่ฉันเห็นมันตีพิมพ์ว่าหมากฝรั่งเพิ่มความสำเร็จทางคณิตศาสตร์" คุณสามารถตอบสนอง "BS" และคุณจะถูก 90 +% ของเวลา) ไม่ว่าจะด้วยวิธีใดก็ตามนี่เป็นของรัฐบาลกลาง โครงการแผนกดังนั้นนั่นเป็นตัวอย่างสำหรับคุณที่หน่วยงานรัฐบาลตรวจสอบการใช้เครื่องมืออนุมานเชิงสาเหตุที่เหมาะสม (โยนชื่อของคุณลงในหมวกในฐานะนักวิจารณ์การศึกษานี่จะเป็นประสบการณ์การศึกษาที่ยอดเยี่ยมสำหรับคุณถ้าฉันสอนการประเมินผลโปรแกรมฉันจะทำสิ่งนี้เป็นข้อกำหนดสำหรับนักเรียนของฉัน) (สำหรับนักชีวสถิติที่ทำงานกับ FDA ต้องส่งรหัสการวิเคราะห์ของคุณก่อนที่คุณจะเก็บรวบรวมข้อมูลใด ๆ มาตรฐานของ WWC ยังคงเข้มงวดมาก) งเป็น 90% ของเวลา) ไม่ว่าจะด้วยวิธีใดก็ตามนี่เป็นโครงการของรัฐบาลกลางดังนั้นนั่นเป็นตัวอย่างสำหรับคุณที่หน่วยงานของรัฐทบทวนการใช้เครื่องมืออนุมานเชิงสาเหตุที่เหมาะสม (โยนชื่อของคุณลงในหมวกในฐานะนักวิจารณ์การศึกษานี่จะเป็นประสบการณ์การศึกษาที่ยอดเยี่ยมสำหรับคุณถ้าฉันสอนการประเมินผลโปรแกรมฉันจะทำสิ่งนี้เป็นข้อกำหนดสำหรับนักเรียนของฉัน) (สำหรับนักชีวสถิติ ต้องส่งรหัสการวิเคราะห์ของคุณก่อนที่คุณจะเก็บรวบรวมข้อมูลใด ๆ มาตรฐานของ WWC ยังคงเข้มงวดมาก) งเป็น 90% ของเวลา) ไม่ว่าจะด้วยวิธีใดก็ตามนี่เป็นโครงการของรัฐบาลกลางดังนั้นนั่นเป็นตัวอย่างสำหรับคุณที่หน่วยงานของรัฐทบทวนการใช้เครื่องมืออนุมานเชิงสาเหตุที่เหมาะสม (โยนชื่อของคุณลงในหมวกในฐานะนักวิจารณ์การศึกษานี่จะเป็นประสบการณ์การศึกษาที่ยอดเยี่ยมสำหรับคุณถ้าฉันสอนการประเมินผลโปรแกรมฉันจะทำสิ่งนี้เป็นข้อกำหนดสำหรับนักเรียนของฉัน) (สำหรับนักชีวสถิติ ต้องส่งรหัสการวิเคราะห์ของคุณก่อนที่คุณจะเก็บรวบรวมข้อมูลใด ๆ มาตรฐานของ WWC ยังคงเข้มงวดมาก)

ในสถิติด้านเภสัชกรรมและสาขาที่เกี่ยวข้องจำนวนหนึ่งการเชื่อมโยงเชิงสาเหตุระหว่างการแทรกแซงและผลลัพธ์ด้านสุขภาพเป็นคำถามสำคัญที่น่าสนใจเมื่อตัดสินใจว่าควรใช้การแทรกแซงหรือไม่ มีหลากหลายสาขาย่อยเช่นการทดลองแบบสุ่ม (คลินิกหรือก่อนคลินิก) การทดลองที่ไม่สุ่มหรือแขนเดียวการทดลองในห้องปฏิบัติการการวิเคราะห์อภิมานการเฝ้าระวังความปลอดภัยของยาตามรายงานที่เกิดขึ้นเองตามธรรมชาติของการระบาดวิทยา แนวคิดเช่นการสุ่ม Mandelian) และการวิจัยประสิทธิภาพ (เช่นการใช้ข้อมูลเชิงสังเกตการณ์เช่นฐานข้อมูลการเคลมประกัน) แน่นอนในการออกแบบการทดลองแบบสุ่ม (เช่นการทดลองทางคลินิกแบบสุ่ม) การอ้างถึงสาเหตุเป็นเรื่องง่ายกว่าการใช้งานอื่น ๆ

ฉันเป็นนักวิจัยที่ A Place for Mom บริการอ้างอิงอาวุโสที่ใหญ่ที่สุดของประเทศ เราได้ออกแบบแบบสำรวจที่มีจุดมุ่งหมายเพื่อทำความเข้าใจว่าการย้ายเข้าสู่ชุมชนที่มีชีวิตที่ช่วยเหลือมีผลต่อคุณภาพชีวิตอย่างไร การอนุมานเชิงสาเหตุเป็นศูนย์กลางของงานวิจัยนี้และวิธีการวิเคราะห์เชิงสาเหตุ (เช่นการจับคู่กระบวนการคัดเลือกตัวแบบจำลองการประมาณผลการรักษาโดยเฉลี่ย) เป็นสิ่งจำเป็น

ในสถานการณ์ภาคเอกชนส่วนใหญ่คุณจะไม่สนใจเกี่ยวกับเวรกรรม

ในทางปฏิบัติแม้จะมีการใช้ภาษาทั่วไปผู้คนก็มักให้ความสนใจกับผลกระทบที่เข้าใจกันดีกว่าเป็นเหตุเป็นผล (เข้าใจดี)

จากมุมมองทางวิชาการมันน่าสนใจมากที่รู้:

ถ้าฉันทำ A เพราะผลลัพธ์จะเป็น B

แต่จากมุมมองที่ใช้งานได้จริงในเกือบทุกสถานการณ์สิ่งต่อไปนี้เป็นสิ่งที่ผู้คนต้องการรู้จริง ๆ :

ถ้าฉันทำ A ผลลัพธ์จะเป็น B

แน่นอนว่าคุณอาจสนใจผลกระทบของ A แต่ไม่ว่าจะเป็นสาเหตุอย่างแท้จริงหรือมีสาเหตุซ่อนเร้นที่เพิ่งเกิดขึ้นเพื่อสร้างความสัมพันธ์นี้มักไม่น่าสนใจ

หมายเหตุเกี่ยวกับข้อ จำกัด

คุณอาจคิดว่า: โอเค แต่ถ้าเราไม่รู้ว่า A เป็นสาเหตุของ B ดังนั้นจึงมีความเสี่ยงมากที่จะทำงานกับสมมติฐานนั้น

สิ่งนี้เป็นจริงในทางหนึ่ง แต่ในทางปฏิบัติคุณจะต้องกังวลอีกครั้ง: มันจะได้ผลหรือมีข้อยกเว้นหรือไม่

ในการอธิบายเรื่องนี้คุณอาจทราบว่าสถานการณ์นี้:

ถ้าฉันทำ A ในสถานการณ์ X เนื่องจาก A ผลลัพธ์จะเป็น B และเพราะ X ผลลัพธ์จะเบี่ยงเบนโดยเดลต้า

ไม่เป็นประโยชน์มากกว่าสถานการณ์นี้มากนัก (สมมุติว่าคุณสามารถวัดผลกระทบได้เท่า ๆ กัน):

ถ้าฉันทำ A ในสถานการณ์ X ผลลัพธ์จะเป็น B และผลลัพธ์จะเบี่ยงเบนโดยเดลต้า

ตัวอย่างง่าย ๆ : ความสัมพันธ์ที่จะทำให้เกิด

• ตอบ: เติมน้ำมันเครื่องให้เต็ม
• B: ลดความผิดเพี้ยนของเบรก
• C: ตรวจสภาพรถยนต์

ตรรกะ: C ทำให้เกิด A และ B เสมอ

ผลลัพธ์สัมพันธ์: ถ้า A ขึ้นไป B ขึ้นไป แต่ไม่มีความสัมพันธ์เชิงสาเหตุระหว่าง A และ B

ประเด็นของฉัน: คุณสามารถสร้างแบบจำลองผลกระทบของ A ต่อ B A ไม่ก่อให้เกิด B แต่โมเดลจะยังคงถูกต้องและหากคุณมีข้อมูลเกี่ยวกับ A คุณจะมีข้อมูลเกี่ยวกับ B

ผู้ที่สนใจในการทำ faillure brake โดยมีข้อมูลเกี่ยวกับ A จะสนใจเกี่ยวกับการรู้จักความสัมพันธ์ของ A ถึง B เท่านั้นและเพียงใส่ใจว่าความสัมพันธ์นั้นถูกต้องหรือไม่โดยไม่คำนึงว่าความสัมพันธ์นี้เป็นสาเหตุหรือไม่