코로나19 의 사회과학

• 자료 다운로드 (PDF)

• 강의 영상 (51:59) (YouTube)

최근 빅데이터, 인공지능의 발전과 함께 데이터 과학에 대한 관심이 매우 높습니다. 하지만, 그러한 관심은 예측을 주목적으로 하는 기계학습(머신러닝)에 편중되어 왔고, 사회과학 전 분야에 걸쳐 인과관계 검증을 목적으로 활용되어 온 인과추론 방법론은 데이터 과학에서 등한시 되는 경향이 있습니다. 사회과학에서 가장 많이 회자되는 문구 중 하나는 "Correlation does not imply causation. (상관관계는 인과관계를 의미하지 않는다)" 일 것입니다. 그만큼 현실 세계에서 인과관계를 구분하는 것이 쉽지 않음을 방증하며, 이는 기계학습이 전통적인 인과추론 방법론을 모두 대체하기 어려운 이유입니다. 본 강의에서는 데이터 기반의 인과추론(Causal Inference) 연구방법론 관점에서 어떻게 사회과학 연구를 비판적으로 읽을 것인지에 대해 다룰 예정입니다. 코로나19 에 대한 의학적, 생물학적 연구에 대해서는 다루지 않습니다.

많은 분들이 접할 수 있도록 연구방법론에 대해 기술적인 설명은 최대한 배제하고 개념적인 설명에 집중하고자 합니다. 다만, 연구에 좀 더 관심 있는 분들을 위해 방법론에 대한 추가적인 설명을 중간중간 포함하고 있는데 이는 건너띄어도 무방합니다. 이러한 목적으로 모든 강의는 연구 독자 관점에서 개념적인 이해를 위한 Basic 버전과 연구 수행자 관점에서 방법론에 대한 추가적인 설명을 포함하는 Advanced 버전으로 제공될 예정입니다. 아래의 분들에게 작게나마 도움이 될 수 있길 바랍니다.

1. 코로나19 가 사회 전반에 어떠한 영향을 미치는지에 대한 최신 연구 결과가 궁금하신 분

2. 평소 사회과학 연구에 관한 뉴스들을 접하면서, 이러한 것들은 어떻게 검증하고 연구하는지 호기심을 느끼셨던 분

3. 사회과학 데이터분석 연구에 대한 비판적인 시각을 기르고 싶으신 분

4. 인과추론 연구방법론의 현실 적용 사례에 대해 공부하고 싶으신 분

• 코로나19 의 시의성을 고려하여, 2020년 2월 이후에 발표된 Working Paper 나 Preprint 논문 (저널 심사 이전에 미리 공개하는 논문)을 대상으로 했고, SSRN, arXiv, medRxiv, National Bureau of Economic Research (NBER) 등을 참고했습니다. 일반적으로 연구는 동료 학자들의 심사(피어 리뷰)를 통해 학회지 혹은 저널에 게재되는 절차를 거칩니다. 따라서, 본 강의에서는 검토하게될 논문들은 아직 피어 리뷰를 거치지 않은, 공개 리뷰의 대상인 연구 "후보" 들입니다.

• 자료 다운로드 (PDF)

• 강의 영상 1 (49:15) (YouTube)

• 강의 영상 2 (67:51) (YouTube)

• 강의 영상 3 (48:39) (YouTube)

참고 자료

• [추천도서] 원인과 결과의 경제학: 넘치는 데이터 속에서 진짜 의미를 찾아내는 법 (나카무로 마키코, 쓰가와 유스케 저/윤지나 역 | 리더스북 2018)

• Varian, H.R., 2016. Causal Inference in Economics and Marketing. Proceedings of the National Academy of Sciences (PNAS), 113(27), pp.7310-7315 (https://www.pnas.org/content/113/27/7310).

• Goldfarb, A. and Tucker, C.E., 2014. Conducting Research with Quasi-Experiments: A Guide for Marketers. Rotman School of Management Working Paper No. 2420920 (https://ssrn.com/abstract=2420920).

• Imbens, G., 2019. Potential Outcome and Directed Acyclic Graph Approaches to Causality: Relevance for Empirical Practice in Economics. National Bureau of Economic Research Working Paper No. w26104 (https://www.nber.org/papers/w26104).

• 자료 다운로드 (PDF)

• 강의 영상 1 (50:44) (YouTube)

• 강의 영상 2 (15:40) (YouTube)

• 강의 영상 3 (62:22) (YouTube)

• 강의 영상 4 (60:42) (YouTube)

연구논문 리스트

• Dave, D.M., Friedson, A.I., Matsuzawa, K. and Sabia, J.J., 2020. When Do Shelter-in-Place Orders Fight COVID-19 Best? Policy Heterogeneity Across States and Adoption Time. National Bureau of Economic Research Working Paper No. w27091 (https://www.nber.org/papers/w27091).

• Dave, D.M., Friedson, A.I., Matsuzawa, K., McNichols, D. and Sabia, J.J., 2020. Did the Wisconsin Supreme Court Restart a COVID-19 Epidemic? Evidence from a Natural Experiment. National Bureau of Economic Research Working Paper No. w27322 (https://www.nber.org/papers/w27322).

• Dave, D.M., Friedson, A.I., Matsuzawa, K., Sabia, J.J. and Safford, S., 2020. Black Lives Matter Protests, Social Distancing, and COVID-19. National Bureau of Economic Research Working Paper No. w27408 (https://www.nber.org/papers/w27408).

• Kovacs, R., Dunaiski, M. and Janne, T., 2020. Compulsory Face Mask Policies Do Not Affect Community Mobility in Germany. Working Paper, Available at SSRN (https://papers.ssrn.com/sol3/papers.cfm?abstract_id=3620070)

• Mangrum, D. and Niekamp, P., 2020. College Student Contribution to Local COVID-19 Spread: Evidence from University Spring Break Timing. Working Paper, Available at SSRN (https://papers.ssrn.com/sol3/Papers.cfm?abstract_id=3606811).

• Jia, J.S., Lu, X., Yuan, Y., Xu, G., Jia, J. and Christakis, N.A., 2020. Population Flow Drives Spatio-Temporal Distribution of COVID-19 in China. Nature, pp.1-5 (https://www.nature.com/articles/s41586-020-2284-y).

• Chen, M.K., Zhuo, Y., de la Fuente, M., Rohla, R. and Long, E.F., 2020. Causal Estimation of Stay-at-Home Orders on SARS-CoV-2 Transmission. arXiv preprint arXiv:2005.05469 (https://arxiv.org/abs/2005.05469).

• [참고] Davies, G., Garami, A.R. and Byers, J.C., 2020. Evidence Supports a Causal Model for Vitamin D in COVID-19 Outcomes. medRxiv (https://www.medrxiv.org/content/10.1101/2020.05.01.20087965v1).

• 자료 다운로드 (PDF)

• 강의 영상 1 (35:34) (YouTube)

• 강의 영상 2 (31:04) (YouTube)

• 강의 영상 3 (36:35) (YouTube)

• 강의 영상 4 (33:31) (YouTube)

연구논문 리스트

• Beland, L.P., Brodeur, A. and Wright, T., 2020. COVID-19, Stay-at-Home Orders and Employment: Evidence from CPS Data. IZA Discussion Paper No. 13282 (https://papers.ssrn.com/sol3/papers.cfm?abstract_id=3608531).

• Cajner, T., Crane, L.D., Decker, R.A., Grigsby, J., Hamins-Puertolas, A., Hurst, E., Kurz, C. and Yildirmaz, A., 2020. The US Labor Market During the Beginning of the Pandemic Recession. National Bureau of Economic Research No. w27159 (https://www.nber.org/papers/w27159).

• Adams-Prassl, A., Boneva, T., Golin, M. and Rauh, C., 2020. Inequality in the Impact of the Coronavirus Shock: Evidence from Real Time Surveys. IZA Discussion Papers No. 13183 (https://papers.ssrn.com/sol3/papers.cfm?abstract_id=3594297).

• Borjas, G.J. and Cassidy, H., 2020. The Adverse Effect of the COVID-19 Labor Market Shock on Immigrant Employment. National Bureau of Economic Research No. w27243 (https://www.nber.org/papers/w27243).

• Kong, E. and Prinz, D., 2020. The Impact of Non-Pharmaceutical Interventions on Unemployment During a Pandemic. Working Paper, Available at SSRN (https://papers.ssrn.com/sol3/papers.cfm?abstract_id=3581254).

• Aum, S., Lee, S.Y.T. and Shin, Y., 2020. COVID-19 Doesn't Need Lockdowns to Destroy Jobs: The Effect of Local Outbreaks in Korea. National Bureau of Economic Research Working Paper No. w27264 (https://www.nber.org/papers/w27264).

• Brynjolfsson, E., Horton, J., Ozimek, A., Rock, D., Sharma, G. and Ye, H.Y.T., 2020. COVID-19 and Remote Work: An Early Look at US Data. MIT Working Paper (https://john-joseph-horton.com/papers/remote_work.pdf).

• Papanikolaou, D. and Schmidt, L.D., 2020. Working Remotely and the Supply-side Impact of COVID-19. National Bureau of Economic Research No. w27330 (https://www.nber.org/papers/w27330).

• Bai, J.J., Jin, W., Steffen, S. and Wan, C., 2020. The Future of Work: Work from Home Preparedness and Firm Resilience During the COVID-19 Pandemic. Working Paper, Available at SSRN (https://papers.ssrn.com/sol3/papers.cfm?abstract_id=3616893).

• 인과추론 연구방법론에 대해 좀 더 공부하고 싶으신 분들은 아래 자료를 참고해주세요 (영문 자료). 자료에 대한 해설이 별도로 제공되진 않지만, 이와 관련된 질문이 있으시다면 언제든 이메일 주시면 최대한 답변 드리겠습니다 (jiyong.park@uncg.edu). 영문 유튜브 강의 영상은 한국어 자동자막 생성 기능을 활용할 수 있습니다.

  • 1. [강의자료] KAIST MIS Summer Session 2019: Research Methodology Seminar (KAIST 내부 세미나)

       • KAIST 내부적으로 진행했던 연구방법론 세미나 자료입니다.

    2. [강의자료 + 비디오] Using Big Data to Solve Economic and Social Problems (Prof. Raj Chetty, Harvard University)

       • 응용경제학 입문 강의로서 하버드 경제학과에서 가장 인기있는 강의 중 하나로 알려져있습니다. 입문 과목인 만큼 경제학이나 통계에 대한 사전지식을 요구하지 않으며, 영어강의이지만 내용 자체가 그렇게 어렵지는 않습니다. Raj Chetty 교수님 본인의 연구들을 바탕으로 구성된 강의로서, 잠재적 결과 분석틀에 기반한 현대적 계량경제학적 접근(특히, 준실험 설계)의 교과서라 간주될 수 있을 만큼 훌륭한 강의입니다.

    3. [비디오 - 업데이트중] Mastering Econometrics with Josh Angrist (Prof. Joshua Angrist, MIT)

       • 본 강의의 근간이 되는 계량경제학 교과서 <Mastering ’Metrics (번역서: 고수들의 계량경제학)> 저자인 Joshua Angrist 교수님의 유튜브 강의입니다. 다소 느린 감이 있지만 조금씩 업데이트되고 있습니다.

    4. [EdX 온라인강의] Causal Diagrams: Draw Your Assumptions Before Your Conclusions (Prof. Miguel Hernán, Harvard University)

       • 본 강의에서는 잠재적 결과 기반의 인과관계 분석틀(Potential Outcome Framework)에 대해 주로 다루고 있지만, 이외에도 인과관계를 이해하는 다양한 분석틀이 존재합니다. Part 5 에서 간략히 소개했던 그래프 기반의 인과관계 분석틀(Directed Acyclic Graph; Causal Diagram)에 대해서 더 공부하고 싶은 분들에게 해당 EdX 강의를 추천드립니다.