Agent-Based Models and Causal Inference
Autor Gianluca Manzoen Limba Engleză Hardback – 14 feb 2022
Subliniem autoritatea lui Gianluca Manzo, o figură centrală în sociologia computațională, care propune în acest volum o reevaluare riguroasă a inferenței cauzale. Din perspectiva sa, modelele bazate pe agenți (ABM) nu mai trebuie privite ca simple curiozități computaționale, ci ca instrumente fundamentale pentru validarea afirmațiilor cauzale în științele sociale. Notăm cu interes modul în care autorul demonstrează că nicio metodă — fie ea experimentală sau observațională — nu deține monopolul asupra adevărului cauzal, deoarece toate se bazează pe ipoteze netestabile. Structura lucrării facilitează o tranziție fluidă de la istoria metodologică a ABM-urilor la o analiză tehnică a „amenințărilor inferențiale”. Manzo utilizează un ton precis pentru a pune pe picior de egalitate simulările computerizate cu metodele consacrate, precum variabilele instrumentale sau graficele cauzale. Cititorii familiarizați cu Causation, Evidence, and Inference de Julian Reiss vor aprecia modul în care volumul de față duce mai departe ideea absenței unui „standard de aur” în cercetare, oferind în plus soluții practice de combinare a metodelor statistice cu cele de simulare. Ne-a atras atenția rigoarea cu care sunt prezentate cele patru exemple finale. Acestea nu sunt doar ilustrative, ci funcționează ca o demonstrație a modului în care ABM poate augmenta datele empirice. Spre deosebire de Data Inference in Observational Settings, care se concentrează pe dificultățile realității sociale, lucrarea lui Gianluca Manzo oferă un set de instrumente active pentru a depăși aceste obstacole prin modelare computațională.
Preț: 504.21 lei
Preț vechi: 548.05 lei
-8%
Carte tipărită la comandă
Livrare economică 20 mai-03 iunie
Specificații
ISBN-10: 1119704472
Pagini: 176
Dimensiuni: 174 x 247 x 15 mm
Greutate: 0.46 kg
Editura: Wiley
Locul publicării:Chichester, United Kingdom
De ce să citești această carte
Această lucrare este esențială pentru cercetătorii și studenții la doctorat care doresc să integreze simulările computerizate în designul lor de cercetare. Cititorul câștigă o înțelegere profundă a modului în care modelele bazate pe agenți pot oferi rigoare științifică egală cu experimentele clasice, oferind o perspectivă nouă asupra mecanismelor sociale complexe care nu pot fi observate direct prin metode statistice tradiționale.
Despre autor
Gianluca Manzo este un cercetător recunoscut în domeniul sociologiei analitice și computaționale, activând la Centrul Național Francez pentru Cercetare Științifică (CNRS) și în cadrul universității Sorbona. Expertiza sa se concentrează pe utilizarea modelelor bazate pe agenți pentru a explica inegalitățile sociale și dinamica grupurilor. Prin contribuțiile sale editoriale și academice, Manzo a devenit un promotor al pluralismului metodologic, argumentând constant pentru complementaritatea dintre datele empirice și simulările matematice în stabilirea cauzalității.
Notă biografică
Gianluca Manzo is a professor of sociology at Sorbonne University and a fellow of the European Academy of Sociology. He has held various positions at institutions across the world including Nuffield College, Columbia University, the European University Institute (EUI), and the Universities of Oslo, Barcelona, Cologne, and Trento.
Descriere
Agent-based Models and Causal Inference Scholars of causal inference have given little credence to the possibility that ABMs could be an important tool in warranting causal claims. Manzo's book makes a convincing case that this is a mistake. The book starts by describing the impressive progress that ABMs have made as a credible methodology in the last several decades. It then goes on to compare the inferential threats to ABMs versus the traditional methods of RCTs, regression, and instrumental variables showing that they have a common vulnerability of being based on untestable assumptions. The book concludes by looking at four examples where an analysis based on ABMs complements and augments the evidence for specific causal claims provided by other methods. Manzo has done a most convincing job of showing that ABMs can be an important resource in any researcher's tool kit. Christopher Winship, Diker-Tishman Professor of Sociology, Harvard University, USA Agent-based Models and Causal Inference delivers an insightful investigation into the conditions under which different quantitative methods can legitimately hold to be able to establish causal claims. The book compares agent-based computational methods with randomized experiments, instrumental variables, and various types of causal graphs. Organized in two parts, Agent-based Models and Causal Inference connects the literature from various fields, including causality, social mechanisms, statistical and experimental methods for causal inference, and agent-based computation models to help show that causality means different things within different methods for causal analysis, and that persuasive causal claims can only be built at the intersection of these various methods. Readers will also benefit from the inclusion of: * A thorough comparison between agent-based computation models to randomized experiments, instrumental variables, and several types of causal graphs * A compelling argument that observational and experimental methods are not qualitatively superior to simulation-based methods in their ability to establish causal claims * Practical discussions of how statistical, experimental and computational methods can be combined to produce reliable causal inferences Perfect for academic social scientists and scholars in the fields of computational social science, philosophy, statistics, experimental design, and ecology, Agent-based Models and Causal Inference will also earn a place in the libraries of PhD students seeking a one-stop reference on the issue of causal inference in agent-based computational models.