quinta-feira, 7 de fevereiro de 2019

Network Science e Economia

Estou trabalhando com redes complexas (complex network approach) em Economia há algum tempo e às vezes me deparo com perguntas como: mas isso é heterodoxia? Há algum autor relevante trabalhando com essa abordagem quantitativa? Essa área de pesquisa é "quente"? Etc. e etc. ..
Não é heterodoxia, pois as ferramentas da network science - que incluem teoria dos jogos, teoria dos grafos, mecânica estatística e econometria - já é utilizada amplamente por físicos, cientistas de dados, matemáticos, biólogos, engenheiros e outros profissionais há bastante tempo.
No exterior já há alguns autores bastante conhecidos com artigos solidamente embasados e elevados fatores de impacto.
Há físicos como os celebrados Cesar Hidalgo (chileno) e Albert-Lászlo Barabási (húngaro).
E entre os economistas, podemos citar o Daron Acemoglu e o Matthew Jackson (um dos mais profícuos pesquisadores desse linha de investigação).
Alguns links para materiais didáticos, artigos, blogs e artigos de revista desses e de outros autores podem ajudar a entender melhor a importância crescente do uso das ferramentas da network science em Economia.

Artigos e material didático do Daron Acemoglu:

Networks and the Macroeconomy: An Empirical Exploration
Systemic Risk and Stability in Financial Networks
Networks: Propagation of Shocks over EconomicNetworks
State Capacity and Economic Development:A Network Approach
 Networks: Games over Networks and Peer Effects
Networks and the Macroeconomy: An Empirical Exploration
The Network Origins of Aggregate Fluctuations
Endogenous production networks
Networks, Shocks and Systemic Risk

Artigos do Matthew O. Jackson:

Networks: An Economic Perspective
The Economic Consequences of Social-Network Structure (subscribers only)
Connections in the Modern World: Network-Based Insights
An Overview of Social Networks and Economic Applications
Networks and Economic Behaviour
The Study of Social Networks In Economics
The Economics of Social Networks
A Survey of Models of Network Formation: Stability and Efficiency
Centrality Measures in Networks
A Typology of Social Capital and Associated Network Measures

Livro e Artigos do Albert-Lászlo Barabási:

Network Science (book)
Emergence of Scaling in Random Networks
Statistical Mechanics of Complex Networks
Error and Attack Tolerance of Complex Networks
Topology of Evolving Networks: Local Events and Universality
The Network Takeover
Scale-Free Networks: A Decade and Beyond
Scale-Free Networks
Universal Resilience Patterns in Complex Networks

Blogs

Network Science
Applied Network Science
Neo4j Blog
Network Science - World Bank Blogs
Introdução às Redes Complexas Blog DP6
Blog do Wesley Cota


Outros artigos (em português):

A Economia Mundial Como Rede Complexa (Renan Abrantes da Silva)
Redes Complexas Bipartites para Entender a Riqueza e a Pobreza das Nações (Paulo Gala)
Grafo é Tudo? Indo Além da Topologia das Redes (Isabela Pimentel para o Instituto Brasileiro de Análise de Dados - IBPAD)
A Ciência que Luta Contra as Redes de Corrupção (Vera Batista para o Correio Braziliense)














quinta-feira, 3 de janeiro de 2019

R, Python ou SAS: qual o melhor para data science?


São os três programas mais usados pelos cientistas de dados.
O R é a grande referência para estatísticos, econometristas e para todos que usem métodos estatísticos.
O Python é mais flexível, ainda que menos "especializado" em recursos estatísticos.
O SAS é útil e poderoso também. Mas padece de um "vício de origem": é pago.
Para uma melhor comparação, veja este artigo.