復(fù)雜社會研究中計算及局限探析(編輯修改稿)
2025-04-15 01:42 本頁面
【文章內(nèi)容簡介】 但控制了晉升和主觀業(yè)績評估變量后，谷歌員工的收入就沒有性別差異了?？刂谱兞康脑鰷p也是模型不確定性的源泉。如果采用了不增加這兩個變量的算法，谷歌員工的收入性別差異出現(xiàn)了，增加后差異就消失了。性別歧視就在于晉升和主觀業(yè)績評估，同樣條件下男性更容易獲得晉升和好的主觀業(yè)績評價。如果要做性別歧視的因果分析，算法的目的就不僅僅是用擬合度最好的模型來預(yù)測員工的收入。報告人該如何選擇算法？評估和晉升這樣的預(yù)測收入很強(qiáng)的變量是否放進(jìn)模型？這就涉及模型的不確定性。模型的不確定性給一些研究者提供了“挑櫻桃”的機(jī)會。假定一個模型里有13個控制變量，與自變量進(jìn)行不同的組合，會產(chǎn)生8192種不同模型，也就是8192種不同算法。假定我們要評估某個政策實施后的效果，如果有十來個控制變量，在數(shù)千個算法中，自變量系數(shù)可能有這樣兩種基本情況：（1）全部為正值（或者負(fù)值）且統(tǒng)計學(xué)意義上顯著（或者部分顯著）；（2）有的估計系數(shù)是正值，有的是負(fù)值，有的顯著，有的不顯著。假定系數(shù)全部為正值且都顯著，那么報告人該選擇哪個報告？如果有正值有負(fù)值呢？康奈爾大學(xué)克里斯托巴楊格發(fā)明了一個檢驗?zāi)Ｐ头€(wěn)健性的辦法，即把所有系數(shù)分布公布出來，把報告模型的結(jié)果放在分布圖里，一并呈現(xiàn)給讀者。計算的邏輯需要人來解釋和賦予意義，數(shù)字和算法本身并沒有意義。除了模型選擇問題
環(huán)評公示相關(guān)推薦
鄂ICP備17016276號-1