توضیحات
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. Manzos 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 researchers tool kit.
Christopher Winship, Diker-Tishman Professor of Sociology, Harvard University, USA
Agent-based Models and Causal Inferenceis a first-rate contribution to the debate on, and practice of, causal claims. With exemplary rigor, systematic precision and pedagogic clarity, this book contrasts the assumptions about causality that undergird agent-based models, experimental methods, and statistically based observational methods, discusses the challenges these methods face as far as inferences go, and, in light of this discussion, elaborates the case for combining these methods respective strengths: a remarkable achievement.
Ivan Ermakoff, Professor of Sociology, University of Wisconsin-Madison, USA
Agent-based models are a uniquely powerful tool for understanding how patterns in society may arise in often surprising and counter-intuitive ways. This book offers a strong and deeply reflected argument for how ABMs can do much more: add to actual empirical explanation. The work is of great value to all social scientists interested in learning how computational modelling can help unraveling the complexity of the real social world.
Andreas Flache, Professor of Sociology at the University of Groningen, Netherlands
Agent-based Models and Causal Inferenceis an important and much-needed contribution to sociology and computational social science. The book provides a rigorous new contribution to current understandings of the foundation of causal inference and justification in the social sciences. It provides a powerful and cogent alternative to standard statistical causal-modeling approaches to causation. Especially valuable is Manzos careful analysis of the conditions under which an agent-based simulation is relevant to causal inference. The book represents an exceptionalcontribution to sociology, the philosophy of social science, and the epistemology of simulations and models.
Daniel Little, Professor of philosophy,University of Michigan, 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.
————————————————————–
ترجمه ماشینی :
مدلهای مبتنی بر عامل و استنتاج علّی
محققان استنتاج علی اعتبار کمی به این احتمال دادهاند که ABMها میتوانند ابزار مهمی در تضمین ادعاهای علّی باشند. کتاب Manzos مورد قانع کننده ای است که این یک اشتباه است. این کتاب با توصیف پیشرفت چشمگیری که ABM ها به عنوان یک روش شناسی معتبر در چند دهه اخیر داشته اند، آغاز می شود. سپس به مقایسه تهدیدات استنباطی برای ABM ها در مقابل روش های سنتی RCT، رگرسیون و متغیرهای ابزاری می پردازد و نشان می دهد که آنها آسیب پذیری مشترکی دارند که مبتنی بر فرضیات غیرقابل آزمایش است. این کتاب با نگاهی به چهار مثال به پایان می رسد که در آن تجزیه و تحلیل مبتنی بر ABM ها شواهدی را برای ادعاهای علی خاص ارائه شده توسط روش های دیگر تکمیل و تقویت می کند. مانزو کار قانعکنندهای انجام داده است تا نشان دهد که ABM میتواند منبع مهمی در هر کیت ابزار محقق باشد. جامعه شناسی، دانشگاه هاروارد، ایالات متحده
مدل های مبتنی بر عامل و استنتاج علّییک کمک درجه یک به بحث و عمل در مورد علی است. ادعاها. این کتاب با دقت مثال زدنی، دقت سیستماتیک و وضوح آموزشی، مفروضات مربوط به علیت را که مدلهای مبتنی بر عامل، روشهای تجربی، و روشهای مشاهدهای مبتنی بر آماری را در بر میگیرد، در تضاد قرار میدهد، چالشهایی را که این روشها تا آنجایی که استنتاجها با آن روبرو هستند، مورد بحث قرار میدهد، و در پرتو این بحث، موردی را برای ترکیب این روشها توضیح میدهد: یک دستاورد قابل توجه.
ایوان ارماکوف، استاد جامعهشناسی، دانشگاه ویسکانسین-مدیسون , ایالات متحده
مدلهای مبتنی بر عامل ابزاری منحصر به فرد برای درک اینکه چگونه الگوها در جامعه ممکن است به روشهای اغلب غافلگیرکننده و غیر شهودی به وجود آیند، هستند. این کتاب یک استدلال قوی و عمیقاً منعکس شده برای اینکه چگونه ABM ها می توانند کارهای بیشتری انجام دهند ارائه می دهد: به توضیح تجربی واقعی اضافه کنید. این کار برای همه دانشمندان علوم اجتماعی که علاقه مند به یادگیری این هستند که چگونه مدلسازی محاسباتی میتواند به کشف پیچیدگی دنیای اجتماعی واقعی کمک کند، ارزش زیادی دارد.
Andreas Flache استاد جامعه شناسی در دانشگاه گرونینگن هلند
مدل های مبتنی بر عامل و استنتاج علییک کمک مهم و بسیار ضروری به جامعه شناسی و علوم اجتماعی محاسباتی این کتاب سهم جدید و دقیقی را به درک کنونی از بنیاد استنتاج و توجیه علی در علوم اجتماعی ارائه میکند. این یک جایگزین قدرتمند و قانع کننده برای رویکردهای مدل سازی علّی آماری استاندارد برای علیت ارائه می دهد. تجزیه و تحلیل دقیق Manzos از شرایطی که تحت آن یک شبیه سازی مبتنی بر عامل به استنتاج علّی مرتبط است، بسیار ارزشمند است. این کتاب نشان دهنده کمک استثنایی به جامعه شناسی، فلسفه علوم اجتماعی، و معرفت شناسی شبیه سازی ها و مدل ها است.
دانیل لیتل، استاد فلسفه، دانشگاه میشیگان، ایالات متحده
مدلهای مبتنی بر عامل و استنتاج علّی تحقیقی روشنتر در مورد شرایطی ارائه میکند که تحت آن روشهای کمی متفاوت میتوانند به طور قانونی انجام شوند. قادر به ایجاد دعاوی سببی این کتاب روشهای محاسباتی مبتنی بر عامل را با آزمایشهای تصادفی، متغیرهای ابزاری و انواع مختلف نمودارهای علی مقایسه میکند.
در دو بخش سازماندهی شده است، Agent- مدلهای مبتنی بر و استنتاج علّی ادبیات حوزههای مختلف، از جمله علیت، مکانیسمهای اجتماعی، روشهای آماری و تجربی برای استنتاج علی، و مدلهای محاسباتی مبتنی بر عامل را به هم متصل میکند تا نشان دهد که علیت به معنای چیزهای متفاوت در روشهای مختلف است. برای تجزیه و تحلیل علّی، و اینکه ادعاهای علّی متقاعدکننده را فقط می توان در تقاطع این روش های مختلف ایجاد کرد.
خوانندگان همچنین از گنجاندن موارد زیر بهره مند خواهند شد:
- مقایسه کامل بین مدلهای محاسباتی مبتنی بر عامل با آزمایشهای تصادفی، متغیرهای ابزاری و انواع مختلفی از نمودارهای علی
- یک استدلال قانعکننده مبنی بر اینکه روشهای مشاهدهای و تجربی از نظر کیفی نسبت به روشهای مبتنی بر شبیهسازی در توانایی آنها در ایجاد ادعاهای علی برتری ندارند
- <. span>مباحث عملی در مورد چگونگی ترکیب روش های آماری، تجربی و محاسباتی برای تولید استنتاج های علّی قابل اعتماد
مناسب برای دانشمندان دانشگاهی علوم اجتماعی و محققان در رشته های علوم اجتماعی محاسباتی، فلسفه، آمار، طراحی تجربی و بوم شناسی، مدل های مبتنی بر عامل و استنتاج علّی نیز جایگاهی در کتابخانه های دانشجویان دکترا خواهند داشت. یک مرجع یک مرحله ای در مورد موضوع استنتاج علی در مدل های محاسباتی مبتنی بر عامل.
tag : دانلود کتاب مدلهای مبتنی بر عامل و استنتاج علی , Download مدلهای مبتنی بر عامل و استنتاج علی , دانلود مدلهای مبتنی بر عامل و استنتاج علی , Download Agent-based Models and Causal Inference Book , مدلهای مبتنی بر عامل و استنتاج علی دانلود , buy مدلهای مبتنی بر عامل و استنتاج علی , خرید کتاب مدلهای مبتنی بر عامل و استنتاج علی , دانلود کتاب Agent-based Models and Causal Inference , کتاب Agent-based Models and Causal Inference , دانلود Agent-based Models and Causal Inference , خرید Agent-based Models and Causal Inference , خرید کتاب Agent-based Models and Causal Inference ,
نقد و بررسیها
هنوز بررسیای ثبت نشده است.