論文の概要: Causal Claims in Economics
- arxiv url: http://arxiv.org/abs/2501.06873v1
- Date: Sun, 12 Jan 2025 17:03:45 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-01-14 14:25:54.121786
- Title: Causal Claims in Economics
- Title(参考訳): 経済学における因果関係
- Authors: Prashant Garg, Thiemo Fetzer,
- Abstract要約: 1980年から2023年までの44,000件以上のNBERおよびCEPR作業論文を,知識グラフ構築のためのカスタム言語モデルを用いて分析した。
我々は、1990年の約4%から2020年の約28%まで、因果関係の主張のシェアが大幅に上昇したことを報告している。
因果的物語の複雑さは、上位5誌の出版と上位引用数の両方を強く予測するのに対し、非因果的複雑性はこれらの結果と非相関性または負の相関性を持つ傾向にある。
- 参考スコア(独自算出の注目度): 0.0
- License:
- Abstract: We analyze over 44,000 NBER and CEPR working papers from 1980 to 2023 using a custom language model to construct knowledge graphs that map economic concepts and their relationships. We distinguish between general claims and those documented via causal inference methods (e.g., DiD, IV, RDD, RCTs). We document a substantial rise in the share of causal claims-from roughly 4% in 1990 to nearly 28% in 2020-reflecting the growing influence of the "credibility revolution." We find that causal narrative complexity (e.g., the depth of causal chains) strongly predicts both publication in top-5 journals and higher citation counts, whereas non-causal complexity tends to be uncorrelated or negatively associated with these outcomes. Novelty is also pivotal for top-5 publication, but only when grounded in credible causal methods: introducing genuinely new causal edges or paths markedly increases both the likelihood of acceptance at leading outlets and long-run citations, while non-causal novelty exhibits weak or even negative effects. Papers engaging with central, widely recognized concepts tend to attract more citations, highlighting a divergence between factors driving publication success and long-term academic impact. Finally, bridging underexplored concept pairs is rewarded primarily when grounded in causal methods, yet such gap filling exhibits no consistent link with future citations. Overall, our findings suggest that methodological rigor and causal innovation are key drivers of academic recognition, but sustained impact may require balancing novel contributions with conceptual integration into established economic discourse.
- Abstract(参考訳): 1980年から2023年までの44,000以上のNBERおよびCEPRワーキングペーパーを分析し、経済概念とそれらの関係をマッピングする知識グラフを構築するために、カスタム言語モデルを用いて分析した。
一般的な主張と因果推論手法(例えば、DiD, IV, RDD, RCTs)で文書化された主張を区別する。
我々は、1990年の約4%から2020年の約28%まで、因果関係の主張のシェアが大幅に上昇したことを報告している。
因果関係の複雑さ(例えば、因果関係の深さ)は、上位5誌の出版と上位引用数の両方を強く予測するのに対し、非因果関係の複雑さは、これらの結果と非因果関係または負の関係を持つ傾向にある。
真に新しい因果縁や経路を導入することで、先進的なアウトレットや長い引用の両方を受け入れる可能性が高くなり、非因果的ノベルティは弱いかネガティブな効果を示す。
中央の広く認識されている概念に関わる論文は、出版の成功を導く要因と長期の学術的影響の相違を浮き彫りにする傾向にある。
最後に、探索されていない概念ペアのブリッジは、主に因果的手法に基礎を置いているときに与えられるが、そのようなギャップフィリングは将来の引用と一貫した関係を示さない。
全体として,方法論的厳密さと因果的革新が学術的認知の鍵となることは示唆されるが,持続的な影響は,確立された経済談話への概念的統合と新規貢献のバランスを必要とする可能性がある。
関連論文リスト
- The Odyssey of Commonsense Causality: From Foundational Benchmarks to Cutting-Edge Reasoning [70.16523526957162]
常識の因果関係を理解することは、人々が現実世界の原理をよりよく理解するのに役立ちます。
その重要性にもかかわらず、このトピックの体系的な探索は特に欠落している。
本研究の目的は、体系的な概要の提供、最近の進歩に関する学者の更新、初心者のための実践的なガイドを提供することである。
論文 参考訳(メタデータ) (2024-06-27T16:30:50Z) - Discovery of the Hidden World with Large Language Models [95.58823685009727]
本稿では,大きな言語モデル(LLM)を導入してギャップを埋めるCausal representatiOn AssistanT(COAT)を提案する。
LLMは世界中の大規模な観測に基づいて訓練されており、構造化されていないデータから重要な情報を抽出する優れた能力を示している。
COATはまた、特定変数間の因果関係を見つけるためにCDを採用し、提案された要因を反復的に洗練するためにLSMにフィードバックを提供する。
論文 参考訳(メタデータ) (2024-02-06T12:18:54Z) - Emergence and Causality in Complex Systems: A Survey on Causal Emergence
and Related Quantitative Studies [12.78006421209864]
因果発生理論は出現を定量化するために因果関係の尺度を用いる。
因果の出現を定量化し、データを識別する。
因果表現学習,因果モデル抽象化,世界モデルに基づく強化学習によって,因果表現の出現を識別するアーキテクチャが共有されることを強調した。
論文 参考訳(メタデータ) (2023-12-28T04:20:46Z) - CausalCite: A Causal Formulation of Paper Citations [80.82622421055734]
CausalCiteは紙の意義を測定するための新しい方法だ。
これは、従来のマッチングフレームワークを高次元のテキスト埋め込みに適応させる、新しい因果推論手法であるTextMatchに基づいている。
科学専門家が報告した紙衝撃と高い相関性など,各種基準におけるCausalCiteの有効性を実証する。
論文 参考訳(メタデータ) (2023-11-05T23:09:39Z) - Fusion of the Power from Citations: Enhance your Influence by Integrating Information from References [3.607567777043649]
本研究は,ある論文が学者の影響力を高めることができるか否かを判断するために,予測問題を定式化することを目的とする。
この研究にこの枠組みを適用することで、研究者は自分の論文が将来の影響力を高めることができるかどうかを特定できる。
論文 参考訳(メタデータ) (2023-10-27T19:51:44Z) - Identifiable Latent Polynomial Causal Models Through the Lens of Change [82.14087963690561]
因果表現学習は、観測された低レベルデータから潜在的な高レベル因果表現を明らかにすることを目的としている。
主な課題の1つは、識別可能性(identifiability)として知られるこれらの潜伏因果モデルを特定する信頼性の高い保証を提供することである。
論文 参考訳(メタデータ) (2023-10-24T07:46:10Z) - Towards CausalGPT: A Multi-Agent Approach for Faithful Knowledge Reasoning via Promoting Causal Consistency in LLMs [55.66353783572259]
Causal-Consistency Chain-of-Thoughtは、基礎モデルの忠実さと因果性を強化するために、マルチエージェントコラボレーションを活用する。
我々のフレームワークは、広範囲かつ包括的な評価を通じて、最先端の手法よりも大きな優位性を示す。
論文 参考訳(メタデータ) (2023-08-23T04:59:21Z) - Uncited articles and their effect on the concentration of citations [0.0]
実証的な証拠は、学術出版物から受けた引用が優先的な愛着のパターンに従っており、その結果、権力の分配が生じることを示している。
引用は少数の記事に集中するようになるのか?それとも、最近の地政学的および技術的な科学の変化によって、より分散化された分布がもたらされたのか?
本稿では,参照ベースおよび引用ベースアプローチ,未引用記事,引用インフレーション,書誌データベースの拡張,学際差,自己引用が引用集中の進化にどのように影響するかを考察する。
論文 参考訳(メタデータ) (2023-06-16T15:38:12Z) - Towards Fine-grained Causal Reasoning and QA [19.15261898532854]
因果性は、特に高い領域において、NLPアプリケーションの成功の鍵となる。
本稿では,新しい微粒な因果推論データセットを提案する。
因果検出、事象因果抽出、因果QAなど、NLPにおける一連の新しい予測タスクを提示する。
論文 参考訳(メタデータ) (2022-04-15T10:12:46Z) - Technological Factors Influencing Videoconferencing and Zoom Fatigue [60.34717956708476]
本稿では,ズーム疲労 (ZF) あるいはより一般的にビデオ会議疲労 (VCF) に寄与することが証明された,あるいは証明された技術的要因を理解するための概念的多次元的アプローチを提案する。
この論文は、一部のメディアがZoomの疲労とは何か、どのように避けられるのかという議論を始めており、またこの話題に対処する科学論文の中には、仮説的であり、科学的証拠に十分に根ざした仮定が含まれているという事実に動機づけられている。
論文 参考訳(メタデータ) (2022-02-03T18:02:59Z) - Convergence and Inequality in Research Globalization [6.267366754791155]
キャッチアップ効果とマシュー効果は、グローバリゼーションの特性に反するものである。
我々は過去40年間に218か国・地域からSTEM研究をカバーした学術・特許出版の詳細な研究を行っている。
論文 参考訳(メタデータ) (2021-03-02T22:04:24Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。