落园专注经济视角下的互联网 / Economic Observation of the Internet

上周末，很开心的在魔都和很多听众分享了科学传播训练营第八期：别让数字吓到你。被到场听众的认真感动了，从两点到最后六点半结束，那么多人一直坚持着聚精会神的听讲，还有各种问题穿插其中，大家的热情和执着真的让我这个去传播知识的人由心底感动，演讲的激情自然而然的就被激发出来了。哈哈，话说演讲开始之前我还觉得挺困的，破例灌咖啡呢（话说，准备的时候是按照为记者们准备的，所以比较浅显；结果当天居然空降很多“专业人士”，比如某人一家三口全体出动，让我顿时鸭梨山大。早知如此，就准备几个“高级黑”的例子了嘛，比如RDD and casual inference，嘻嘻~）。不过，通篇我想说的“数字上的直觉”，无论是印证还是违背，还是蛮清晰的传达了出来了吧。数字还是蛮有意思的东西。 演讲的材料事后进行了一些整理，比前几天发出来的文档大纲也有了很多调整。有兴趣看一下整理过的带文字版本的，还请移步松鼠会这里下载。演讲的文字记录、录音、视频什么的，可能也会稍后上传吧～ 比较有意思的是，我们现场的一个互动环节，调查在场60多位人士的生日，居然有13位有“同生缘”，哈哈...远远超出当时在场所有人的预期（最多的一位猜测为10），效果好的出奇。当然，我们事先准备好...

查看全文

今天，接到了乔老师的确认电话，有生以来第一篇撰写的论文已经被接受，即将发表。感觉呢，惊喜+甜蜜 ^_^ 在此先容我回忆一些事，感性一下。 2009年，我21岁。 2009年，第一次全神贯注的做一件事情，废寝忘食：考GRE 2009年，第一次写一篇正式的论文，还每天在枯燥的撰写中乐得其所。 2009年，第一次跑到会议上去演讲，还是连着北京上海两个大城市。那次，第一次来到上海，第一次一个人去一个完全陌生的城市。 2009年，第一次下决心写一本书，单纯的没有太多想法。 然后，时到今日，已然三年过去。GRE单词忘的怕是差不多了，而留学已经回来了。R会议荣幸的由演讲者变成了组织者，还在越来越多的会议上出没。当年那本小册子还在写，最近应该也完工了，而开始给果壳写更多的东西，开始为松鼠会去讲公益讲座...而那篇论文，居然也即将发表了。人生，总有迟到的意外惊喜。当年做的时候没想太多，而一点点的付出都开始结果了。 其实这篇论文我已经不抱任何希望了，也没想发表。当年和乔老师一起写的时候（原谅我当年各种弱质问题吧，哈哈，谢谢乔老师的耐心和宽容，以及那些建设性的指导），只是觉得实在是喜欢那个话题，喜欢一点一点研究问题的感觉，后来也只是用于了申请出国读博。没想着可以...

查看全文

这周日，在魔都，会有一个非常好玩的科普讲座——《科学报道工作坊第8期：别让数字吓到你2.0》。原谅我王婆卖瓜，这期会是我和李舰哥去讲，在此先谢过科学松鼠会的一众好朋友们的辛勤组织。其实挺遗憾的是，本来鸟兄也会一起去讲的，结果时间不给力，鸟兄最近在大陆的另一端飞翔呢，5555。 这一期中，我这部分主要是一些基本的统计知识和相关例子，为了避免太多数字什么的吓跑听众，整个讲座都会以有意思的小故事为主，通篇展现统计直觉而不是纠结概念和定义什么的。李舰哥会展示大量漂亮炫目的统计图形，然后娓娓道来我们应该如何读懂、解释这些图形，用一种“图画和艺术”的语言来传递数字信息。视觉盛宴啊！一言以蔽之：information is beautiful! 顺手转一下松鼠会在微博上卖萌的宣传语： 发改委专打飞机？天蝎座一统IT？统计陷阱，一起识破！数字图表化，让人很头大？一幅图，让“挑战号”航天飞机失事，让病人药物中毒？ 我这里小小的“剧透”一下，大致说来，我这部分将会包括如下几个话题： 我们为什么需要数字？ 哪些统计术语到底是用来干嘛的？ 如何不被统计陷阱所欺骗？（想起来经典的一句话，改装一下：学习统计学就是为了不被统计学家所欺骗，哇咔咔！） 如何更好地利用数字...

查看全文

一边是流浪的心，一边也是在思考一些现实中的问题。还是感谢昨天那位朋友耐心的跟我扯了一下午，说到了一个很有意思的话题，“我们为什么需要海量数据”？或者说， why and how does big data make a difference? 当时说的统计/计量分析的应用很简单，无非是做一些销量、价格弹性和资源投放的预测与优化罢了，典型的咨询业务。然后我就好奇的问了一句数据源，无非是nielsen或者iresearch的市场调查数据之类的，或者厂商自己的一些销量和价格数据。这些数据往往被aggregate到一定的程度，所以一般都是long panel（T>N），以城市为单位之类的。 这样的数据量，肯定没法跟互联网或者电商的individual records相比。百万或许都是小数目。当然咯，我们多少也会把这些原始数据做一个aggregate，比如以每人每日为单位（当然单位的选择取决于具体项目的关注点），但是大多数还是wide panel，N>>T。这两种panel data的（计量）模型显然就不一样了。一个会更多的沿袭time series的分析路子，什么auto-regression、unit root之类的；另外一个要沿袭的更多是cross-section的方法，关注大量个体的特性。 对计量的一个争议就是 ATE （average treatment effect），尤其是做data mining的那些人。明明individuals之间千差万别，计量怎么可以这么简单的取个平均呢？不过一个...

查看全文