Kauzální odvozování: Vyznání a věštění: Příručka pro věštce: Vyznání a věštění

Recenze čtenářů

Kniha je široce oceňována jako komplexní a přístupný zdroj informací o aplikované mikroekonometrii a kauzální inferenci, který je vhodný zejména pro postgraduální studenty a odborníky z praxe. V tištěné verzi však sklidila kritiku za svou fyzickou kvalitu, četné překlepy a matematické nepřesnosti.

Kniha dosahuje skvělé rovnováhy mezi čtivostí a matematickou přesností, takže je vhodná pro studenty magisterského a postgraduálního studia. Obsahuje intuitivní vysvětlení složitých pojmů, dvojí příklady kódů v programech Stata i R a je považována za užitečnou příručku pro praktiky z politické praxe. Mnoho uživatelů oceňuje autorovo nadšení a styl výuky.

Tištěná verze byla popsána jako lacině působící, plná překlepů a obsahující nesprávné vzorce. Recenzenti poznamenali, že některé části textu jsou delší, než je nutné, a chybí v nich dostatečné množství příkladů nebo aplikací. Pro začátečníky v oblasti kauzálního odvozování může být kniha zdrcující.

(na základě 47 hodnocení čtenářů)

Původní název:

Causal Inference: The Mixtape

Obsah knihy:

přístupný, moderní úvod do metod určování příčin a následků ve společenských vědách

"Příčinná souvislost versus korelace je základem sporů - ekonomických i jiných - od počátku věků. Causal Inference: V této knize jsou použity příklady z reálného světa, které mě skutečně přiměly k zamyšlení. Málokdy se stává, že kniha přiměje čtenáře k rozšíření pohledu na svět; u mě se to podařilo." - Marvin Young (Young MC).

Kauzální inference zahrnuje nástroje, které umožňují sociálním vědcům určit, co je příčinou čeho. V nepřehledném světě je kauzální inference tím, co pomáhá stanovit příčiny a důsledky zkoumaných činností - například vliv (nebo jeho nedostatek) zvýšení minimální mzdy na zaměstnanost, vliv předškolního vzdělávání na uvěznění v pozdějším věku nebo vliv zavedení sítí proti malárii v rozvojových regionech na hospodářský růst. Scott Cunningham seznamuje studenty i odborníky z praxe s metodami potřebnými k získání smysluplných odpovědí na otázky příčinných souvislostí, a to s využitím řady modelovacích technik a návodů na kódování v programovacích jazycích R a Stata.