Универсиада по эконометрике от МГУ

👨🏼‍🦳👦🏼 Вот вам вместо хакатонов развлечение. С этого года в Универсиаде по эконометрике экономического факультета МГУ могут поучаствовать даже выпускники (надо быть «обучающимся или закончившим обучение в бакалавриате и специалитете»). А если вы еще не заканчивали магу, то на программу «Анализ данных в экономике» можно и льготы при поступлении получить.

❕Регистрация будет открыта до 26 февраля, 23:59 по мск.
👉 Задания и решения за прошлые годы можно посмотреть здесь.

Уже год прошёл. Когда-нибудь решения будут принимать те, для кого сострадание — важный мотив. Берегите себя.

7 марта в 19:00 состоится семинар «Оценка влияния макрошоков на социально-экономические процессы в регионах России» по теме: «Policy Evaluation: Difference-in-Difference with Heterogenous Treatment» (докладчик профессор департамента прикладной экономики НИУ ВШЭ Елена Котырло).

⬇️ Контакты для регистрации по ссылке.

Семинар по Causal Inference

🔸 10 марта (пятница) в 20:00 МСК — на Chamberlain Seminar 🗣 Désiré Kédagni (UNC Chapel Hill) расскажет про «Generalized Difference-in-differences Models: Robust Bounds»‎.

Зарегистрироваться на семинар можно по ссылке.

👉 Подписаться на доказательный ⎵ пробел: https://news.1rj.ru/str/evidencespace

Семинар по Causal Inference

🔸 24 марта (пятница) в 20:00 МСК — на Chamberlain Seminar 🗣 Claudia Noack (Oxford) расскажет про «Flexible Covariate Adjustments in Regression Discontinuity Designs»‎.

Зарегистрироваться на семинар можно по ссылке.

👉 Подписаться на доказательный ⎵ пробел: https://news.1rj.ru/str/evidencespace

Наиболее подробный (хотя не уверены, что полный) список пакетов R для статистического причинно-следственного вывода (англ. Causal Inference), причем с делением на тематические разделы и даже краткими комментариями, что к чему и почему. Тысяча чертей, технологическая сингулярность наступила - пока выучишь имеющиеся сейчас, в R появится раза в четыре больше новых. Это тем не менее не повод сдаваться.
#rstats #сausal_inference

https://cran.r-project.org/web/views/CausalInference.html

Микроданные от Банка России (да еще и панельные)

🧳 Неожиданная новость по нынешним временам. Банк России выложил в открытый доступ микроданные сразу пяти волн обследования домохозяйств по потребительским финансам. Обследование включает вопросы про доходы и расходы домохозяйств, использование финансовых инструментов, ожидания, оценивает уровень финансовой грамотности. Тут обзорная преза про обследование. Из основного:

• всего проведено пять волн (2013, 2015, 2018, 2020, 2022)
• за полевую часть сейчас отвечает ООО«Демоскоп» (тот самый, который проводит РМЭЗ ВШЭ)
• в обследовании есть панельная составляющая (используется сплит-модель, чтобы в рамках одной волны сохранять репрезентативность, подробная методология описана здесь)
• опрос проводится в 38 населенных пунктах
• есть индивидуальный вопросник и вопросник для домохозяйств

@evidencespace

Секция Reliable ML на Data Fest Online 2023
Call for Papers

Друзья, рады сообщить вам, что крупнейшая русскоязычная конференция по Data Science - Data Fest от сообщества Open Data Science состоится и в 2023 г. (в конце мая).

И на ней снова будет секция от Reliable ML. Ждем ваших заявок на доклады: пишите напрямую мне или Диме.

Про секцию

Концепция Reliable ML – это о том, что делать, чтобы результат работы data команд был, во-первых, применим в бизнес-процессах компании-заказчика, а, во-вторых, приносил этой компании пользу.

Для этого нужно уметь:

- правильно собрать портфель проектов (#business)
- продумать дизайн системы каждого проекта (#ml_system_design)
- преодолеть разные трудности при разработке прототипа (#tech #causal_inference #metrics)
- объяснить бизнесу, что ваш MVP заслуживает пилота (#interpretable_ml)
- провести пилот (#causal_inference #ab_testing)
- внедрить ваше решение в бизнес-процессы (#tech #mlops #business)
- настроить мониторинг решения в проде (#tech #mlops)

Если вам есть, что сказать по темам выше, пишите! Если сомневаетесь, все-равно пишите. Много крутейших докладов предыдущих треков Reliable ML появились в результате дискуссии и совместной работы над темой.

Если вы не готовы делать доклад, но послушать интересного хочется, то вы всё ещё можете помочь! Сделать репост в релевантное сообщество/переслать другу = поучаствовать в создании хорошего контента.

Регистрация и полная инфо про Data Fest 2023 тут.

Ваш @Reliable ML

В полку годных и к тому же (что немаловажно) находящихся в открытом доступе учебников по базовой статистике прибыло. Мэттью Блэквелл из Гарварда вчера выложил на GitHub сборник своих лекций. Круто, системно (хотя и не совсем на пальцах) и просто кросивое. Ссылка в первом комментарии.

https://mattblackwell.github.io/gov2002-book/

#stats #datascience #quantmethods #textbooks

5 курсов по анализу причинно-следственных связей от Mixtape Sessions

В апреле-мае Mixtape Sessions проводит целую серию воркшопов и курсов по Causal Inference:

• Advanced DID (21 апреля, 👨🏼‍🏫 Jonathan Roth)
• Synthetic Control and Clustering (27 апреля, 👨🏻‍🏫 Alberto Abadie)
• Doing Applied Research (4 мая, 👨🏼‍🏫 Daniel Rees, 👨🏼‍🏫 Mark Anderson)
• Machine Learning and Heterogeneous Effects (15 мая, 👨🏼‍🏫 Brigham Frandsen)
• Regression Discontinuity Design (17 мая, 👩🏼‍🏫 Rocío Titunik)

Курсы платные, но есть возможность получить промокод на большую скидку, мы проверяли.

👉 Подписаться на @evidencespace

💥 Если запросите скидку на один из курсов, и пройдёте по условиям (students, postdocs, predocs and residents of middle-income countries), то вам пришлют промокоды ещё и на три других курса (на все кроме Doing Applied Research ). 50💲, к слову, специальная цена одного курса.

👇 Презентации с воркшопа по методу синтетического контроля и кластеризации стандартных ошибок Alberto Abadie. А для старта можно посмотреть седьмую лекцию межфакультетского курса Экономического факультета МГУ.

Семинар по Causal Inference

🔸 5 мая (пятница) в 20:00 МСК — на Chamberlain Seminar 🗣 Francesca Molinari (Cornell) и 🗣 Elie Tamer (Harvard) расскажут про подходы к частичной идентификации параметров.

В этом классе методов исследователь ослабляет предпосылки по поводу процесса генерации данных из генеральной совокупности, повышает достоверность анализа (не накладываем слишком жесткие ограничения, которые тяжело проверить), но платит за это невозможностью получить точечные оценки параметров.

Зарегистрироваться на семинар можно по ссылке.

👉 Подписаться на доказательный ⎵ пробел: https://news.1rj.ru/str/evidencespace

Голландский психолог 🗣 Daniel Lakens (Eindhoven University of Technology) опубликовал учебное пособие Improving Your Statistical Inference. В нём он обсуждает вопросы, которые обычно остаются за рамками стандартных курсов по статистике или количественным методам.

Есть главы про интерпретацию p-value, контроль ошибок, постановку статистических вопросов, доверительные интервалы, байесовский подход и воспроизводимость исследований. Daniel рассказывает не столько про техническую сторону методов, сколько про их интуицию.

Безусловный плюс пособия — интерактивные примеры. Посмотрите, например, на shiny-симулятор t-теста. Меняем альфу, размеры выборок и предполагаемого эффекта, и смотрим, как ведут себя p-value и мощность.

Пробежаться по тексту будет полезно, как исследователям, так и аналитикам, которые занимаются A/B-тестированием.

P.S. Еще Daniel не так давно запустил подкаст о научном познании Nullius in Verba. Он тоже прекрасен.

👉 Подписаться на доказательный ⎵ пробел: https://news.1rj.ru/str/evidencespace

Все преимущества доступа исследователей к административным микроданным — в колонке профессора Российской экономической школы Евгения Яковлева по мотивам Медали Кларка 2023 года. Ну и к Панамским архивам заодно 👀

Семинар по Causal Inference

🔸 19 мая (пятница) в 20:00 МСК — на Chamberlain Seminar 🗣 Kate Ho (Princeton) и 🗣 Eduardo Morales (Princeton) представят практическое руководство по частичной идентификации параметров. Это продолжение первой теоретической части.

Зарегистрироваться на семинар можно по ссылке. А записи всех прошедших семинаров можно смотреть тут.

👉 Подписаться на доказательный ⎵ пробел: @evidencespace

Evidential Pluralism

Вопрос о причинности — ключевой в социальных науках. Он же переносится в практическое поле при реализации политических курсов (policymaking). Снижает ли программа поддержки сельских школ неравенство образовательных возможностей? Влияет ли единый государственный экзамен на доступность высшего образования?

Чтобы причинность (causal claim) считать установленной, нужны основания. Апологеты доказательного подхода (evidence-based policy making) развертывают иерархию доказательств с результатами контролируемых рандомизированных экспериментов на самой вершине. Еще лучше, если в этих экспериментах получаются одни и те же результаты в разных контекстах. Но что и как мы доказываем, когда постулируем наличие причинности? И всегда ли именно количественная оценка эффекта — главное?