Интервью с призёром НИРС 2020 Павлом Прониным

Павел Пронин — призёр НИРС 2020, студент четвёртого курса ОП “Политология” 

Работа на тему: International Trade And Democracy: How Trade Partners Affect Regime Change And Persistence 

Научный руководитель: Маркварт Кайл Лоус

Почему выбрал эту тему?

Я искренне считаю, что наука на глубинном уровне мотивируется любовью и ненавистью. Любовью — к людям и жизни, и ненавистью — к несправедливости и проблемам, которые случаются с этими людьми. Моя работа не исключение. Я написал работу о демократизации именно из-за личной боли, которую вызывают у меня автократии. Мне интересно узнать все причины, почему автократии могут рушиться, как они друг друга поддерживают и как демократии могут этому помешать. Когда-то Андрей Юрьевич Мельвиль говорил мне, что хорошая проблема - это та, от которой не можешь спать. Я думаю, что он очень прав. Поиск такой проблемы подобен походу к психологу — нужно отбросить все лишнее и понять, что тебя действительно беспокоит. 

При выборе темы ориентировался больше на собственные интересы или на актуальность проблемы?

И на то, и на другое. С одной стороны, проблема демократизации вечна (к сожалению). С другой стороны, я рассматривал именно международную торговлю, потому что рост торговли между странами - это один из главных двигателей глобализации, новая волна которой началась относительно недавно. Исследователям еще предстоит узнать все последствия, которые глобализация оказывает на жизнь людей. В моем случае мне было важно посмотреть, препятствует или помогает торговля становлению демократии и демократическим транзитам, а также важен ли политический режим в государстве, выступающем торговым партнером (спойлер: критически важен).

Расскажи коротко о своем исследовании, его проблеме, методологии и т.д.

Если коротко, то несколько исследователей до меня находили связь между торговлей и демократией, но все приходили к очень разным результатам. Я предположил, что проблема в том, что никто еще не учитывал характеристики торговых партнеров (в моём случае - их политический режим). Я предположил, что имеет большое значение, с кем именно торгует страна, и что на демократию на самом деле влияет не торговля как таковая, а отношение торговли с демократиями к торговле с автократиями. 

Я использовал количественную методологию и несколько разных подходов. Во-первых, я считаю, что демократия измеряется с ошибкой, что является прямым следствием современных измерительных моделей — они не способны дать точные оценки. Поэтому я оценил немного доработанную байесовскую модель, в которой включил измерительную ошибку зависимой переменной в модель. Во-вторых, исследователи часто своевольно относятся к контрольным переменным. Чтобы убедиться, что мои результаты не зависят от совпадения таких переменных, я использовал Bayesian Model Averaging — это байесовский подход к оценке чувствительности модели. В-третьих, помимо оценки общего эффекта мне было интересно узнать, как варьируется эффект по странам и по разным временным периодам. Для такой оценки я оценил иерархические модели, которые позволяют эффектам варьироваться. В-четвертых, когда изучают демократию, не совсем понятно, что показывают эффекты — это демократические страны становятся демократичней (консолидация) или это автократии становятся демократиями (транзиты)? Чтобы ответить на этот вопрос, я оценил модель марковской регрессии, разработанную авторами до меня, но использованную для других задач. Я также использовал инструментированную торговлю, а не торговлю как таковую, чтобы избавиться от эндогенности и показать именно причинно-следственные эффекты. Наконец, для дополнительных проверок я также оценил динамические модели, которые учитывают автокорреляцию и мои инструменты. Когда я увидел, что везде эффекты сохраняются, я успокоился и поверил в свои результаты.

Есть ли у тебя собственные лайфхаки по написанию научной работы? Может чему-то ты уделяешь больше внимания, чем остальному или как-то особенно структурируешь свою работу над проблемой?

Главный лайфхак, пожалуй, один — читать больше литературы. И читать литературу критически, отвечая на два главных вопроса: «какие идеи и методы автора наиболее интересны?» и «достаточно ли убедителен автор?» (если нет, то что он сделал не так?). 

На основе первого вопроса можно собрать список “интересных идей” и “лучших практик”, которыми потом можно вдохновляться. Из второго вопроса вырастает список проблем, которые в моем случае, как правило, связаны с методами. Наверное, из всех работ, что я читаю, я полностью верю только в 10-20%. 

Я считаю, что каждый ученый должен досконально разобраться в своих методах. Это, наверное, второй главный лайфхак. Если вы встречаете новую статистическую модель в работе — изучите ее! Поймите ее ограничения и научитесь писать её самостоятельно. Например, для количественных исследований, на мой взгляд, необходимо регулярно читать Political Analysis, AJPS, APSR, NBER, Quarterly Journal of Economics, Econometrica — в этих журналах почти все работы написаны идеально и с передовыми методами. 

Ещё один лайфхак — искать репликации статьей (данные и код, который все повторяет) на Harvard Dataverse и OpenICPSR, также иногда можно найти репликации на GitHub’е или на личных страницах авторов. 

И ещё один лайфхак, который касается самого выстраивания статистических моделей. Начните с чего-то совсем простого, а затем постепенно усложняйте модель: сохранятся ли результаты, если я учту еще одну переменную? Поправлю ошибки на кластеризацию и гетероскедастичность? Учту динамику через лагированные переменные? 

Последний лайфхак, пожалуй, самый резонансный: пишите работы только с причинно-следственными связями. Если вы нашли какую-то связь, но не показываете ее направление, то лучше поработайте ещё. Есть масса методов, как это можно сделать. Самый основные: Instrumental Variables, Matching, Difference-in-Difference, Regression Discontinuity. Изучите их и подумайте, как можно выстроить свой исследовательский дизайн, опираясь на эти методы. Но не забывайте, что каждый из этих методов требует специфических аксиом!

Какой стратегии работы с литературой ты придерживаешься?

Я создал свою личную википедию. Есть много программ для этого. Я пользуюсь TiddlyWiki — программа позволяет вносить множества карточек и ссылаться на них по названию через гиперссылки (все как в википедии, только красивее). У меня есть много разделов по разным направлениям социальных наук и исследовательским проблемам, которые меня интересуют. Каждый раздел это такая страница в википедии с описанием всех разработок, моих идей и ссылками на разные работы, по которым можно перейти и прочитать подробнее какие-то куски из этих работ и мои комментарии к ним. Это очень удобно. Обычно я начинаю с того, что просматриваю эти страницы и статьи, которые как-то связаны с исследовательской проблемой. В целом, такая организация мне очень помогала в учебе, когда надо было написать какое-то эссе: 10 минут и у тебя 30 цитирований! Но самое главное — она позволяет мне больше фокусироваться не на самих работах, а на ключевых идеях, которые потом проверяют десятки других работ.

Какой совет ты дашь тем, кто не может понять с чего начать писать работу?

Начните писать хоть что-то. Обычно я создаю черновик и пишу в него все, что приходит в голову: куски обзора литературы, куски теории, какие-то первые гипотезы, будущую структуру работы, спецификации моделей. Это очень долгий итеративный процесс взлетов и падений. В итоге собирается гигантский файл, который надо сильно урезать, сохранять какие-то идеи на будущее, какие-то идеи навсегда удалять. 

За несколько месяцев гарантировано сложится уже четкое представление о будущей работе. Если получается в два-три предложения уложить основной смысл работы — это хороший знак. В идеале ваша мысль должна быть понятна ребенку. У меня не всегда так получается. Главное в этом процессе постоянно делать “sanity checks”. Есть ли данные? Успею ли я это сделать? Не сошел ли я с ума? 

Если последний вопрос вызывает сомнения, то лучше сделать перерыв и начать уже завтра.