Resumo

COAD, Alex; JANZING, Dominik  e  NIGHTINGALE, Paul. Ferramentas para a inferência causal de pesquisas de inovação de corte transversal com variáveis contínuas ou discretas: teoria e aplicações. Cuad. Econ. [online]. 2018, vol.37, n.spe75, pp.779-807. ISSN 0121-4772.  https://doi.org/10.15446/cuad.econ.v37n75.69832.

Este artigo apresenta um novo conjunto de ferramentas estatísticas aplicando três técnicas de inferência causal baseadas em dados extraídos da comunidade de aprendizado automático (maching learning) e que são pouco conhecidas entre economistas e estudiosos da inovação: uma abordagem condicional baseada na independência, modelos aditivos de ruído e inferência não algorítmica à mão. Incluímos três aplicativos para os dados da CIS — a pesquisa da comunidade sobre inovação — para investigar os modelos de financiamento público para investimento em pesquisa e desenvolvimento, fontes de informação para inovação e gastos com inovação e crescimento de negócios. Os resultados preliminares fornecem interpretações causais de algumas correlações observadas anteriormente. Nosso conjunto de ferramentas estatísticas pode ser um complemento útil para as técnicas existentes.

JEL: O30, C21.

Palavras-chave : inferência causal; pesquisas sobre inovação; aprendizado automático (machine learning); modelos de ruído aditivo; gráficos acíclicos dirigidos.

        · resumo em Inglês | Espanhol | Francês     · texto em Inglês     · Inglês ( pdf )