Randomization and causal claims
几周前，您确实在这里发表了一篇文章，其中 Julia Rohrer 讨论了用于做出因果断言的 RCT 的可能替代方案：考虑大多数人在没有随机实验的情况下容易接受因果断言的情况是有启发性的。如今，很少有人怀疑吸烟对肺部的影响 [...]
Randomization — a philosophical device gone astray
在教授科学哲学课程时，您的阅读清单上确实经常有 David Papineau 的书《Philosophical Devices》（OUP 2012）。总体而言，它很好地介绍了对经济和其他社会科学问题进行方法论和科学理论分析时使用的许多工具。不幸的是，这本书也落下了[…]
Study: When allocating scarce resources with AI, randomization can improve fairness
在基于机器学习模型预测的决策中引入结构化随机化可以解决固有的不确定性，同时保持效率。
RCT 的核心目的是使用随机分配，以确保确定平均治疗效果所必需的无混杂性假设成立。抽象地说，这是该方法的有力论据。然而，当原始渐近性质面对现场应用的混乱现实和严格控制时，问题就出现了 [...]
OMG. It’s coming from inside the house!!!
百日咳，就是。本月的儿科：背景：百日咳控制不良，婴儿的发病率和死亡率最高，“在美国的几百日咳感染来源”。尽管婴儿百日咳的来源通常是未知的，但在确定的情况下，母亲在历史上一直是传播中最常见的储层。尽管疫苗接种很高[…] POST OMG。它来自房子里面！！！首次出现在偶然的经济学家中。
Two cheers for medical paternalism
在NEJM中，丽莎·罗森鲍姆（Lisa Rosenbaum）着眼于医生与患者之间的沟通，并且像她以前一样，表明，实际临床实践比东正教生物伦理学更为复杂。她讨论包括自己的案件，她问实际上可能在医学中这样的事情，例如太多信息吗？她归因于[…]帖子的两次欢呼的观点首先出现在偶然的经济学家身上。
New Study Reveals How Depression Fuels Period Pain
遗传证据表明，抑郁症会导致经期疼痛加剧。该研究利用孟德尔随机化法追踪遗传影响，结果显示欧洲和东亚人群之间存在很强的相关性。睡眠障碍被认为是加剧经期疼痛的一个可能因素，这表明需要综合心理和生殖健康治疗来加强患者护理。将抑郁症联系起来 [...]
Random Forest, Explained: A Visual Guide with Code Examples
集成学习使用随机树进行复杂的预测决策树分类器说明：带有代码示例的可视化指南，适合初学者决策树是机器学习的一个很好的起点 — — 它们清晰且有意义。但有一个问题：它们在处理新数据时往往效果不佳。预测可能不一致且不可靠，这在您尝试构建有用的东西时是一个真正的问题。这就是随机森林的用武之地。它吸收了决策树的优点，并通过将多棵树组合在一起使它们更好地工作。它已成为许多数据科学家最喜欢的工具，因为它既有效又实用。让我们看看随机森林是如何工作的，以及为什么它可能正是您下一个项目所需要的。现在是时候停止迷失在树木中，看看森林的真面目了 — — 这是您在机器学习中的下一个可靠工具。所有视觉效果：作者使用 Ca
Long-term cannabis users have altered brains, but the changes may not be caused by cannabis
英国和美国科学家表示，先前的研究表明，终生吸食大麻与晚年大脑结构和功能的几种变化有关，但他们的新基因研究表明，大麻可能不是导致这些变化的原因。该团队使用一种称为孟德尔随机化的技术 - 该技术利用遗传学让科学家确定一件事是否导致另一件事，而不仅仅是它们之间存在联系 - 调查了 15,896 名英国大麻使用者，这些使用者的脑部扫描和基因数据可用。他们说，他们的分析没有发现大麻和大脑变化之间存在因果关系的证据。他们说，家族史、饮食或使用某些药物可能可以解释长期吸食大麻的人大脑中出现的变化，而不是大麻本身。然而，他们警告说，他们的研究有几个局限性 - 参与者主要是健康的白人，其中只有少数人患有大麻使用
No Randomized Trial? No Problem!
我们都希望使用最佳证据和方法来证明我们的解决方案能够产生影响，但使用随机对照试验（研究中的黄金标准）通常是不可行或不切实际的。倾向评分方法等准实验方法减少了与观察性研究相关的偏差，从而可以在没有随机化的情况下估计准确的因果关系。 Mathematica 的方法专家已经掌握了一系列倾向评分技术，并开发了新的技术来满足客户的需求。
2023 年计划委员会主席的客座帖子：Nicole Megow（APPROX）和 Adam Smith（RANDOM）第 27 届国际随机化和计算研讨会 (RANDOM 2023) 和第 26 届组合优化问题近似算法国际研讨会 (APPROX 2023) 将于 2023 年 9 月 11 日至 13 日在美国佐治亚州亚特兰大亲自举行。RANDOM 2023 专注于随机性在计算和组合问题中的应用，而 APPROX 2023 则专注于与开发计算难题的有效近似解有关的算法和复杂性理论问题。重要日期：提交：2023 年 5 月 4 日，18:00 EDT（UTC-4）通知：2023 年 6 月 26
A Permutation Test Regression Example
在上周的一篇文章中，我谈到了排列（随机化）检验，以及它们与我们在计量经济学中通常使用的（经典参数）检验程序有何不同。我假设您已经阅读了该文章。（可能在某个时候会有一次小测验！）我承诺会提供一个基于回归的示例。毕竟，我在上一篇文章中介绍的两个示例旨在揭示排列/随机化检验的基本原理。它们确实没有太多“计量经济学内容”。在下文中，我将交替使用术语“排列检验”和“随机化检验”。我们在这里要做的是查看一个简单的回归模型，看看我们如何使用随机化检验来查看回归变量 x 和因变量 y 之间是否存在线性关系。请注意，我说的是“简单回归”模型。这意味着只有一个回归量（除了截距）。多元回归模型为置换检验提出了各种各
Making causal inferences in economics: Do better grades lead to higher salaries?
在上一篇文章中，我讨论了经济学专业的变化性质以及在社会科学研究中实现实验理想的重要性。我简要讨论了实现随机化或至少是假想随机化的逻辑，甚至一些方法论方法，以便使我们的治疗组和对照组尽可能相似，以便进行比较。在这篇文章中，我将使用一个我喜欢教给学生的例子来说明如何使用自然实验研究设计进行因果推断。快速提醒：自然实验本身并不是实验。它们只是为我们提供了一种利用观察数据来模拟实验环境的好方法。让我们使用最基本的例子，看看学生成绩和收入之间的关系——这是一个通常在学生中热烈讨论的话题——成绩越好，薪水越高吗？考虑下图中显示的成绩和收入之间的相关性。它使用美国数据，按高中平均绩点 (GPA) 计算男女工
Methods: There is no gold standard
在“仪器，随机化和学习发展”中，安格斯·迪顿（Angus Deaton）没有任何拳头。关于陷阱和滥用仪器变量（IV）的残酷，直率和精确，就像随机对照试验（RCT）一样。我发现他的皇帝毫无疑问地说，尽管有相反的言论，但RCT不值得其“黄金标准”的声誉。我推测[…]帖子方法：偶然的经济学家首先没有出现黄金标准。
Treatment/control randomization is IV
只是我先前在IV上的文章的快速跟进。我以（有缺陷的）治疗/控制随机化为例。我的猜测是，许多人不知道随机化（硬币翻转）是一种仪器变量。如果您不清楚这一点，我强烈建议您阅读史蒂夫·皮泽（Steve Pizer）的论文[…]治疗后的随机分组首次出现在偶然的经济学家上。
