XiaoMi-AI文件搜索系统
World File Search SystemGlennerster
准备大流行：加速疫苗可用性
工作纸·没有。2021-08准备大流行：加速疫苗可用性Amrita Ahuja，Susan Athey，Arthur Baker，Eric Budish，Juan Camilo Castillo，Rachel Glennerster，Rachel Glennerster，Scott Duke Kominer Wiecek 2021年1月
作为气候适应的远程预测
∗ Burlig：芝加哥大学和NBER的哈里斯公共政策与能源政策研究所（EPIC）。电子邮件：burlig@uchicago.edu。Jina：哈里斯公共政策和史诗学院，芝加哥大学和NBER。 电子邮件：amirjina@uchicago.edu。 凯利：芝加哥大学哈里斯公共政策学院。 电子邮件：erinmkelley@ uchicago.edu。 巷：芝加哥大学和NBER的哈里斯公共政策学院。 电子邮件：laneg@uchicago.edu。 sahai：芝加哥大学的肯尼斯·C·格里克（Kenneth C. Gri）经济系。 电子邮件：harshil@uchicago.edu。 我们感谢Vittorio Bassi，Susanna Berkouwer，Chris Blattman，Josh Dean，Kyle Emerick，Kyle Emerick，Xavier Gine，Rachel Glennerster，Rachel Glennerster，Michael Greenster，Faraz Hayat，Koichiro Robertson, Mark Rosenzweig, Elena Surovyatkina, Catherine Wolfram, Brian Wright, and seminar participants at the Coase Project, the Paris School of Economics, London School of Economics, EPIC Junior Workshop, Northwestern University, the UChicago Mini-Conference on Weather Advisory Services, the Yale Climate, Environment, and Economic Growth Conference, Y-RISE, and NBER Development for helpful comments and suggestions. 我们感谢Manzoor Dar的出色领域支持，Ramya Teeparthi的宝贵项目管理以及Anjani Balu，Alina Gafanova，Sam Hsu，Meghna Singh，Prachi Shukla，Rathan Sudheer，Rathan Sudheer，尤其是Amrita Pal，尤其是Amrita Pal。 这项研究已获得芝加哥大学的IRB批准（协议号 AEARCTR-0008846）。Jina：哈里斯公共政策和史诗学院，芝加哥大学和NBER。电子邮件：amirjina@uchicago.edu。凯利：芝加哥大学哈里斯公共政策学院。电子邮件：erinmkelley@ uchicago.edu。巷：芝加哥大学和NBER的哈里斯公共政策学院。电子邮件：laneg@uchicago.edu。sahai：芝加哥大学的肯尼斯·C·格里克（Kenneth C. Gri）经济系。电子邮件：harshil@uchicago.edu。我们感谢Vittorio Bassi，Susanna Berkouwer，Chris Blattman，Josh Dean，Kyle Emerick，Kyle Emerick，Xavier Gine，Rachel Glennerster，Rachel Glennerster，Michael Greenster，Faraz Hayat，Koichiro Robertson, Mark Rosenzweig, Elena Surovyatkina, Catherine Wolfram, Brian Wright, and seminar participants at the Coase Project, the Paris School of Economics, London School of Economics, EPIC Junior Workshop, Northwestern University, the UChicago Mini-Conference on Weather Advisory Services, the Yale Climate, Environment, and Economic Growth Conference, Y-RISE, and NBER Development for helpful comments and suggestions.我们感谢Manzoor Dar的出色领域支持，Ramya Teeparthi的宝贵项目管理以及Anjani Balu，Alina Gafanova，Sam Hsu，Meghna Singh，Prachi Shukla，Rathan Sudheer，Rathan Sudheer，尤其是Amrita Pal，尤其是Amrita Pal。这项研究已获得芝加哥大学的IRB批准（协议号AEARCTR-0008846）。我们感谢芝加哥大学的贝克尔·弗里德曼经济学研究所，J-Pal的农业技术采用计划和国王气候行动计划，以及世界银行慷慨地为该项目提供资金。irb20-1364），并在AEA RCT注册中注册（标识号所有剩余的错误都是我们自己的。
预先分析计划的优点和缺点
想象一下，一位心怀不轨的经济学研究人员，他只对一项实验的统计显著性结果感兴趣。这位研究人员可以检查 100 个不同的变量，而事实是实验没有影响。按照构造，研究人员应该发现其中五个变量在实验组和对照组之间平均存在 5% 的统计显著差异——毕竟，5% 显著性的确切定义意味着，对于两组之间没有差异的零假设，错误拒绝率为 5%。这位心怀不轨的研究人员只对这项实验有影响感兴趣，因此选择只报告通过统计显著性阈值的五个变量的结果。如果研究人员对结果的某个特定迹象感兴趣——即显示该程序“有效”或“无效”——平均而言，这些结果中有一半会朝着研究人员想要的方向发展。因此，如果研究人员可以丢弃或不报告所有与他期望的结果不一致的变量，那么即使实验实际上没有效果，研究人员也几乎可以保证获得一些积极且具有统计意义的结果。这当然是众所周知的“数据挖掘”问题。如果研究人员可以选择要报告哪些结果，那么很容易看出结果是如何被操纵的。例如，Casey、Glennerster 和 Miguel (2012) 在现实世界的经济学背景下展示了具有相反议程的研究人员如何通过挑选具有统计意义的正或负结果，假设将两组相反但连贯的结果串联在一起。
siddharth narayanaswamy -cv
J6 R. de Bem，A。Ghosh，T。Ajanthan，O。Miksik，A。Boukhayma，N。Siddharth*和P. H. S. Torr*。DGPOSE：人体分析的深层生成模型国际计算机视觉杂志（IJCV）128.5（2020），pp。1537–1563。J5 A. Muryy，N。Siddharth，N。Nardelli，A。Glennersster和P. H. S. Torr。从加固学习的课程，用于太空视觉研究的生物学表示（VR）174（2020），pp。79–93。 J4 D. P. Barrett*，A。Barbu*，N。Siddharth*和J. M. Siskind。 说您要寻找的内容：语言学符合视频搜索IEEE图案分析和机器智能（TPAMI）38.10（2016），pp。 2069–2081。 J3 H. Yu*，N。Siddharth*，A。Barbu*和J. M. Siskind。 在人工智能研究杂志（JAIR）52（2015），第52页，中 601–713。 J2 A. Barbu*，N。Siddharth*，A。Michaux和J. M. Siskind。 认知系统中的对象检测，跟踪和事件识别进步（ACS）2（2012），pp。 203–220。 J1 N. Siddharth*，A。Barbu*和J. M. Siskind。 看到不可持续的能力，可以看到认知系统的不可见光（ACS）2（2012），pp。 77–94。79–93。J4 D. P. Barrett*，A。Barbu*，N。Siddharth*和J. M. Siskind。说您要寻找的内容：语言学符合视频搜索IEEE图案分析和机器智能（TPAMI）38.10（2016），pp。2069–2081。J3 H. Yu*，N。Siddharth*，A。Barbu*和J. M. Siskind。在人工智能研究杂志（JAIR）52（2015），第52页，601–713。J2 A. Barbu*，N。Siddharth*，A。Michaux和J. M. Siskind。认知系统中的对象检测，跟踪和事件识别进步（ACS）2（2012），pp。203–220。J1 N. Siddharth*，A。Barbu*和J. M. Siskind。看到不可持续的能力，可以看到认知系统的不可见光（ACS）2（2012），pp。77–94。77–94。
工作论文 · 第 2024-05 号 量化通用新冠疫苗的社会价值并激励其发展
摘要：针对当前流行的 Omicron 变体的 COVID-19 疫苗加强剂直到该变体首次被发现一年后才在美国上市。这种开发、测试和分发变体特定加强剂的模式可能会成为应对新变体引起的更多 COVID-19 浪潮的默认反应。一项具有现实科学潜力的创新——一种对现有和未来变体有效的通用 COVID-19 疫苗——可以通过先发制人地预防新变体提供更多价值。通过蒙特卡罗模拟的平均值，我们估计通用 COVID-19 疫苗对美国人口的增量价值比变体特定加强剂高出 1.5 至 2.6 万亿美元（取决于变体到达率的建模方式）。这一社会价值比预先市场承诺激励通用疫苗的成本高出几个数量级。经济文献杂志代码：H51（政府支出与健康）、I18（公共卫生）、L65（生物技术） 关键词：疫苗、COVID-19、冠状病毒、通用疫苗、提前市场承诺 致谢：作者感谢与 Willy Chertman、Jake Eberts、Josh Morrison、Stanley Plotkin、Alec Stapp、Nikki Teran 和 Witold Więcek 的有益讨论。这是我们工作论文的大幅修订和扩充版本：T. Kelly、R. Glennerster、CM Snyder (2023) “提前市场承诺，以激励在下一个变种出现之前研制通用冠状病毒疫苗”，华盛顿特区：1Day Sooner。这份工作论文又以 Eric Mannes 的初步工作为基础，我们对他特别感激。 利益声明：无 资金声明：Snyder 感谢进步研究所的资助。
经济政策建议的政治经济学
从中国借款没有风险，因为“相信我，我们永远不必偿还[贷款]”。显然，所有这些都与政治而非经济关系密切，但请为那些在这种决策体系中试图就关系到国家重大的经济问题提供明智建议的人着想。在本文中，我将讨论如何考虑向政策制定者提供经济建议——以及我们如何在实践中做得更好。尽管研究资助者不断推动研究可能与政策相关，但关于如何向政策制定者提供经济建议的文章却出奇地少。所写的内容往往主要集中在供应方面：证据是什么，应该如何提供？例如，卢卡斯（1980）的建议很好地总结了顾问的作用被视为“明确……目前现有的专业知识可以成功回答的问题[并]根据人们所充分理解和经验证实的命题提出政策建议……经济学，尽管这些建议可能令人沮丧地谦虚。。。”。这在最近的微观发展经济学以及 Chupein 和 Glennerster (2018) 中得到了呼应，他们讨论了提供的证据如何为政策制定提供信息。实验证据表明，至少对于巴西的税收而言，提供此类证据可能会改善政策制定（Hjort 等人，2021 年）。在这里，我更加关注需求方，并指出不能想当然地认为政策制定者欢迎研究人员的经济建议，或者至少并非总是或在所有问题上都欢迎。关键是政策制定者最终可能不一定对经济增长或减贫感兴趣，而是有其他目标。这意味着，要了解如何为更好的经济或发展结果提供经济建议，提供建议的经济学家必须更好地了解经济的政治以及服务于政治结果的经济决策。有些人以前曾以其他方式写过这篇文章。最著名的是阿西莫格鲁和罗宾逊 (2013)，他们提供了一个框架，说明经济政策制定如何需要内生地考虑其可能产生的政治均衡。在本文中，我将更具体地关注在我们给出的建议中考虑决策政治和实施政治经济学的含义。首先，在下一节中，我将概述（包括使用一个简单的模型）标准经济建议的给出方式：人们假设政府希望最大化经济或发展成果，并就如何最大化这些成果给出“最佳”建议。然而，政府很少“只”想关注经济或发展成果——他们还有其他目标，比如不惜一切代价继续掌权，并奖励那些帮助他们这样做的人，并限制那些可能反对他们的人的活动。例如，过度关注军队、友好经济行为者、特定地区或种族或宗教群体，或特定目标选民，即使这样做在经济上可能效率低下。为什么会发生这种情况，简单的答案是“政治”，但我认为背后还有更多原因，我将给出一个框架