Экономика долгого времени

Туда же (на русском).

Возможно ли сделать F-F?

Про "модель развития на основании т.н "Военного Кейнсианства" (или любых любых других моделей): вынесу из соседнего чата:

… даже [публично объявленные скрепы] не являются сакральными. Никакая модель не является, потому что такая "ставка" на модель ограничивала бы коридор возможных принятых решений — без того, чтобы появилось пространство для критики по критерию отклонения от идеологической линии. Если объявить "линию партии", то за отклонение от нее можно получить идейную критику. Зачем это нужно? С сугубо практической точки зрения в условиях атомизации такие такие ставки делать нет смысла. Любая идеология есть смирительная рубашка для политика. который ей присягает публично. Политики в РФ не наденут такую рубашку добровольно. Они не будут присягать ничему, потому что они никому не сдадут карту критики по линиям идей. Это максимальный оппортунизм, который и сохранится. Если какой-то эксперт продает некоторую модель действий государства РФ (т.е. что государство РФ следует модели "Х"), то нужно понимать, что грош цена этой модели как ограничителю. Сегодня следуют модели икс, а завтра игрек. Нет предсказательной мощности в таких моделях. Это важный вывод для личного прогнозирования.

Изучение модели Рубина полезно еще и потому, что оно несколько прочищает мозги в вопросе успешности современных методов машинного обучения. Машинное обучение крайне сильно в одной задаче: в предсказании, предикции ваших решений. Если вы купите несколько книг на Амазоне, то он очень неплохо прикинет, какие еще книги подложить вам на полку, чтобы вы их купили. И подложит, и купите. Тут спора нет. В чем машинное обучение пока в значительной степени слабо, так это в определении причинно-следственных связей – почему вы купили ту или иную книгу. Это пол? Это политическая точка зрения? Это гендер? Это возраст? Машинному обучению трудно ответить на этот вопрос, его фокус вообще на другом — угадать, а не ответить почему. В частности поэтому тот же Амазон массово нанимает экономистов, которые специализируются на эмпирической экономике и/или эконометрике для анализа данных. Эти люди не специалисты по машинному обучению, но, тем не менее, Амазон платит им большие деньги – потому что именно они умеют работать с причинно-следственными связями в статистических данных, с каузальностью.