🚀 Летняя школа по анализу данных

Если вы интересуетесь анализом данных, обратите внимание на серию воркшопов от Hertie School Data Science Lab*

Data Science Summer School 2025 – это бесплатные воркшопы по анализу данных и математическим основам
🟤Школа является частью подготовки к программе Master of Data Science for Public Policy в Hertie School, но участвовать могут все желающие
🟤Летняя школа стартует с введения в программирование и математику для data science
🟤Завершается знакомством с современными методами ML и DL – от компьютерного зрения до обработки естественного языка
🟤Можно посетить как отдельные занятия, так и весь курс целиком

🥲Что обещают организаторы?
🟤Однодневные (4 часа) практические воркшопы
🟤Преподаватели – профессора, исследователи, практики отрасли
🟤Сертификат об участии и живой нетворкинг

🥲Как подключиться?
🟤Все занятия пройдут онлайн в Zoom с трансляцией на YouTube
🟤Регистрация по ссылке

🥲Воркшопы школы

😢 Введение в R для анализа данных
4 августа, 10:00 MSK, Sebastian Ramirez Ruiz
Практика основ языка R – от рабочего окружения и функций до работы с tidyverse

😢 Введение в Python для анализа данных
5 августа, 10:00 MSK
Базовый синтаксис, работа с реальными датасетами, основы визуализации и лайфхаки по использованию ИИ для обучения и автоматизации

😢 Математический анализ для анализа данных
6 августа, 10:00 MSK, Ilja Klebanov
Ключевые концепции (градиент, производные, градиентный спуск), без которых невозможны ML и DL

😢 Линейная алгебра для анализа данных
7 августа, 10:00 MSK, Dr. Kristian Rother
Простыми словами о матрицах, векторах, реальных задачах и даже трансформации изображений

😢 Статистика и вероятность для анализа данных
8 августа, 10:00 MSK, Dr. Darina Goldin
О том, как измерять неопределенность, строить выводы из несовершенных данных и методологическую базу для ML и A/B-тестирования

😢 Построение автономных AI-агентов
7 августа, 15:00 MSK, Huy Dang
С нуля о том, что такое AI-агенты – инструменты, которые уже используется для автоматизации процессов, экспериментов и анализа. Создадите своего агента на Python

😢 Экспериментальный дизайн для цифровых медиа исследований
8 августа, 03:00 MSK, Dr. Kevin Munger
О том, как оценить влияние контента и алгоритмов в соцсетях, о дизайне экспериментов для real-world платформ (YouTube, Twitter/X, TikTok) и поведении и аудитории в медиа

❇️Hertie School Data Science Lab – исследовательский и образовательный центр в Берлине, объединяющий data science и социальные науки для решения общественных задач. Лаборатория развивает исследования и обучение в сфере данных и ИИ для принятия обоснованных решений

#канал_зовёт
@causal_channel

🆕 Новое практическое руководство по работе с панельными данными

Хотим с вами поделиться отличными материалами для всех, кто работает с панельными данными. Недавно вышло практическое руководство, написанное Яном Дитценом и Янисом Каравиасом, где авторы объясняют, почему классические модели фиксированных эффектов (TWFE), к которым мы привыкли, не всегда отвечают современным задачам

Руководство посвящено описанию более аккуратного моделирования структурной неоднородности данных и зависимостей между наблюдениями, которые часто упускаются в стандартных подходах

📖 В центре внимания
🟤Interactive Fixed Effects (IFE): расширение классической модели фиксированных эффектов, при котором влияние ненаблюдаемых индивидуальных характеристик является как изменяющимся во времени, так и неоднородным между наблюдениями
🟤Grouped Fixed Effects (GFE): метод, предполагающий, что наблюдения можно разбить на конечное число однородных групп, каждая из которых характеризуется своим уникальным эффектом времени
🟤Non-separable Two-Way Fixed Effects (NSTW): обобщение IFE, допускающее нелинейные и более комплексные формы взаимодействия ненаблюдаемых эффектов через неизвестную гладкую функцию

📖 Авторы показывают, как меняются выводы при использовании новых оценок вместо традиционных на реальных эмпирических примерах
🟤Инфляция и экономический рост: анализ панельных данных 74 стран за 1970−2022 годы выявил, что высокая инфляция оказывает значительное отрицательное влияние на рост ВВП, при этом модели NSTW обеспечивают лучшее моделирование скрытых факторов и более надёжные оценки по сравнению с FE и TWFE
🟤Парадокс Фельдштейна-Хориоки (связь сбережений и инвестиций): исследование 98 стран с 1980 по 2019 год с применением IFE, GFE и NSTW-моделей и показало, что традиционные модели переоценивают корреляцию, тогда как современные подходы дают более точные и оценки степени мобильности капитала

🖥 В руководстве не только обсуждаются современные процедуры оценки моделей, но и диагностические тесты, практические рекомендации и ссылки на библиотеки для реализации в Stata и R

#канал_обозревает
#канал_рекомендует
@causal_channel

📚Всего пару лет назад мы радовались тому, что по теме причинного вывода начали появляться современные и доступные книги, а теперь наступил новый этап – их авторы выпускают переработанные издания с учётом последних трендов и новых методов

📗 Летом 2025 года увидело свет второе издание книги «The Effect» Ника Хантингтон-Кляйна – одной из самых популярных и доступных по эконометрике и анализу причинно-следственных связей.
В книге появилась новая глава про partial identification, обновились разделы по современным эмпирическим методам, а навигация и практические примеры стали ещё удобнее
🔗 Последняя версия книги
🔗 Видеоуроки к книге

Обзоры первого издания книги делали авторы каналов This is Data и H0H1: про HR-аналитику – рекомендуем и их ревью, и каналы в целом, они отличные!

Кроме того, напомним, что в начале этого года было обновление книги «Causal Inference: What If» Джеймса Робинса и Мигеля Эрнана. А также напоминаем о нашем посте-путеводителе по книгам в сфере причинного вывода

Успехов в учёбе и исследованиях!

#канал_рекомендует
@causal_channel

👎 Как «накрутить» связь между переменными, не подделывая данные?

В своем исследовании Кфир Элиаз, Ран Шпиглер и Яир Вайс (Eliaz, Spiegler, Weiss, 2021) задаются простым, но фундаментальным вопросом:
Насколько сильно может быть искажена оценка корреляции между переменными, если модель, используемая для интерпретации данных, является ошибочной, но при этом проходит тест на корректность?

😢 Почему это важно?
🟤Модели – основа решений: научных, политических, экономических. Ошибки в модели могут приводить к ложным выводам и дорогостоящим последствиям (Piccione, Rubinstein, 2003; Eyster, Piccione, 2013)
🟤Манипуляции нарративами: политики и медиа могут использовать ложные причинные объяснения для искажения реальности и влияния на общественное мнение (Eliaz, Spiegler, 2018)
🟤Стимулы к преувеличению: учёные заинтересованы в демонстрации «сильных» результатов, что подталкивает к оппортунистическому выбору структуры модели (Eyster, Rabin, 2005)
🟤Когнитивные искажения: люди плохо распознают каузальные ошибки и легко верят правдоподобно выглядящим моделям (Spiegler, 2020)
Формальные основы этих искажений: ограниченная рациональность (Piccione, Rubinstein, 2003; Jehiel, 2005), «проклятые убеждения» (cursed beliefs) (Eyster, Rabin, 2005), конкурирующие нарративы и модели (Eliaz, Spiegler, 2018; Montiel Olea et al., 2018)

😢 Базовая постановка задачи
🟤У вас есть реальные, «чистые» данные по многим переменным
🟤Вы не фальсифицируете данные
🟤Но вы можете выбирать какие переменные включать в модель, и как связать их между собой
Цель: убедить аудиторию, что две переменные тесно связаны, даже если на самом деле они независимы
Ограничение: модель должна сохранять предельные распределения (marginal distributions) – модель не должна искажать распределение каждой переменной по отдельности

Суть в том, что даже неспециалист может заметить явные манипуляции в вашей модели, например, если она утверждает, что средний доход равен $200 000, когда в данных – $30 000 (такое ограничение называется Undistorted Marginals Constraint). Но при этом зависимости между переменными (корреляции, причинные связи) – уже не так просто проверить. И именно тут начинается «читерство»

😢 Как работает «обман»?
🟤Исследователь строит направленный ациклический граф (DAG) – стандарт в байесовских сетях и в теории причинности (Pearl, 2009; Koller, Friedman, 2009)
🟤Он вставляет между интересующими переменными оппортунистически подобранную цепочку медиаторов, усиливающую видимую зависимость между началом и концом цепи

😢 Пример: marker hacking
Представим фармацевтическую компанию, которая хочет доказать, что новое лекарство увеличивает выживаемость. Прямой связи нет, но есть:
🟤Краткосрочные данные о реакции биомаркеров на препарат
🟤Долгосрочные наблюдения о связи биомаркеров с выживаемостью

😢 Она строит модель:
Препарат → Биомаркер → Выживаемость
Если биомаркер подобран правильно, то даже при полном отсутствии реальной связи между препаратом и выживаемостью, модель покажет значимую корреляцию

Это приём называется marker hacking – отсылка к p-hacking, но вместо подгонки p-значений происходит подгонка структуры модели. См. также понятие surrogate paradox в (VanderWeele, 2015)

😢 Главный результат
Даже при нулевой реальной корреляции между переменными, можно построить модель, которая покажет почти идеальную зависимость без манипуляций с данными, с сохранением предельных распределений, с использованием легитимного инструментария

😢 Почему это работает?
В статье данный результат аккуратно выведен тригонометрически:
если между двумя точками (переменными) разместить цепочку «промежуточных» точек (медиаторов) с маленькими отклонениями, итоговая зависимость между краями может казаться сильной

😢 Выводы
🟤Даже «правильная» на вид модель может лгать, если у исследователя есть свобода выбора структуры
🟤Проверка распределений не гарантирует достоверности модели
🟤Чем больше у исследователя переменных (в эпоху Big Data – тысячи), тем легче накрутить корреляции

#канал_обозревает
@causal_channel