Causal Inference in Small-scale Studies | 2022

Causal Inference in Small-scale Studies | 2022

Cronograma de cursos

► Horario: 8:30 a 12:30 h

Descripción

Si desea evaluar el efecto causal de una intervención, es difícil superar un experimento aleatorio con 100 000 unidades (en realidad, tal vez, no sea tan difícil, solo tome un experimento aleatorio con 1 millón de unidades...) Desafortunadamente, tales experimentos no siempre son factibles o prácticos. A menudo, es necesario estimar los efectos causales a partir de datos observacionales con la intervención que afecta a una sola unidad geográfica grande, como por ejemplo, un país. Incluso cuando tenga el lujo de diseñar el experimento, es posible que deba (o desee) seleccionar solo una pequeña cantidad de unidades para el tratamiento.

¿Cómo estimamos los efectos causales en tales entornos? Si podemos decidir qué unidades reciben el tratamiento, ¿cómo debemos elegirlas? ¿Cómo debemos realizar la inferencia estadística? En este breve curso discutiremos algunos enfoques modernos, así como no tan modernos, de estos problemas.

If you want to assess the causal effect of an intervention, it’s hard to beat a randomized experiment with 100,000 units. (Actually, perhaps, not that hard—just take a randomized experiment with 1 million units…) Unfortunately, such experiments are not always feasible or practical. Often, you need to estimate causal effects from observational data with the intervention affecting a single large geographic unit such as, for example, a country. Even when you do have the luxury of designing the experiment, you may have to (or wish to) select only a small number of units for treatment.

How do we estimate causal effects in such settings? If we can decide which units receive the treatment, how should we choose those? How should we conduct statistical inference? In this short course we will discuss some modern—as well as not so modern—approaches to these problems.

>> Ver programa

Requisitos previos

Cierta familiaridad con álgebra lineal y estadística sin duda será útil y, hasta cierto punto, necesaria, pero el contenido del curso no será demasiado técnico. La parte de laboratorio de este curso contendrá ejercicios en Python y, posiblemente, en otro lenguaje de nivel inferior. Ser capaz de implementar funciones simples realizando tareas estadísticas típicas en un lenguaje como Python o R será muy beneficioso.

Some familiarity with linear algebra and statistics will certainly be helpful and to some degree required, but the content of the course isn’t going to be too technical. The lab portion of this course will contain exercises in Python and, possibly, another lower-level language. Being able to implement simple functions performing typical statistical tasks in a language such as Python or R will be very beneficial.

 

 


Instructor

Nick Doudchenko
Ingeniero de Software
Google Resarch, Nueva York









Nick Doudchenko es ingeniero de software en Google Research en Nueva York. La mayor parte de su trabajo actual se centra en el diseño experimental y la estimación de los efectos causales en el contexto de los mercados en línea. Está particularmente interesado en combinar ideas estadísticas con técnicas de aprendizaje automático y optimización combinatoria. Antes de unirse a Google, trabajó como economista en Facebook, su primer trabajo después de completar un doctorado en Economía de Stanford GSB en 2018, donde fue estudiante de Guido Imbens y Lanier Benkard. Antes de eso, obtuvo una maestría en economía de la New Economic School y una licenciatura en matemáticas de la Universidad Estatal de Moscú.

Nick Doudchenko is a Software Engineer at Google Research in New York. Most of my current work is focused on experimental design and estimation of causal effects in the context of online marketplaces. I am particularly interested in combining statistical ideas with techniques from machine learning and combinatorial optimization. Before joining Google I worked as an Economist at Facebook which was my first job after completing a PhD in Economics from Stanford GSB in 2018 where I was advised by Guido Imbens and Lanier Benkard. Prior to that I received an MA in Economics from New Economic School and a BS in Mathematics from Moscow State University.

Formulario de postulación   Application form  

 

 

 

No hay actividades especiales próximamente.