Riba:
- Ikon gano cin zarafi kamar multicollinearity, heteroscedasticity da autocorrelation tare da gwaje-gwajen bincike da zane tare da tallafin fasaha na wucin gadi.
- Ikon rarrabe ko kowane cin zarafi ya gurbata ƙididdiga masu ƙima ko daidaitattun kurakurai kuma zaɓi gyara da ya dace (kuskuren ma'auni mai ƙarfi, canji, sake fasalin ƙirar)
- Ability don tabbatar da cewa gyare-gyaren da AI ya ba da shawara ya magance matsalar maimakon ɓoyewa kuma cewa ganewar asali ya dogara ne akan fahimtar tsarin da ke samar da bayanan.
Karanta abin da aka fitar na koma baya yana da sauƙi; Yana da wuya a amince masa. Saboda ƙididdiga ba su da son zuciya, daidaitattun kurakurai daidai ne, kuma p-darajar suna da inganci, dangane da zato da muka gabatar a sashin da ya gabata. A cikin wannan rukunin, za mu rufe manyan laifuka guda uku: multicollinearity, heteroscedasticity, da autocorrelation. Za mu amsa tambayoyi uku ga kowannensu: yadda ake tantance shi, abin da ya karya (kuskuren ƙima ko daidaitaccen kuskure), da yadda ake gyara shi. Hankali na wucin gadi (AI) yana haifar da lambar don gwajin gwaji da gyarawa; amma ka yanke shawarar wane cin zarafi shine ainihin matsalar kuma ko gyara ya warware matsalar.
Bari mu yi mafi mahimmancin bambance-bambance a gaba: Shin cin zarafi yana karkatar da ƙimar ƙima ko kawai daidaitattun kurakurai? Wannan bambanci yana ƙayyade mafita. Matsala mai karkatar da ƙididdiga (misali exogeneity take hakkin) yana buƙatar sake tunani samfurin; Matsalar da kawai ke karkatar da daidaitaccen kuskure (heteroscedasticity, autocorrelation) galibi ana warware ta ta daidaitaccen gyaran kuskure. Kuskure na yau da kullun na AI shine yin amfani da dabarar da ke gyara daidaitaccen kuskure sannan kuma bayyana matsalar "an warware"; alhali tsarin yana iya kasancewa har yanzu.
keta 1: Multicollinearity
Me yasa? Biyu ko fiye da masu canji suna da alaƙa mai ƙarfi da juna; misali, sanya duka "dukkan shekarun gwaninta" da "shekarun" a cikin samfurin. Tunda waɗannan masu canji suna ɗaukar bayanai kusan iri ɗaya, ƙirar tana da wahalar raba su.
Menene karya? Ƙididdiga masu ƙididdigewa sun kasance marasa son zuciya amma sun zama marasa ƙarfi: daidaitattun kurakurai sun zama ƙumburi, tazarar amincewa da yawa, ƙididdiga na ɗaiɗaikun ɗaiɗaikun ɗaiɗai na iya zama marasa ƙima yayin da ƙirar na iya zama mahimmanci gabaɗaya (F-gwajin). Ƙananan canjin bayanai yana motsa ƙididdiga sosai.
Yaya ake gano cutar? VIF (Bambancin Inflation Factor): ga kowane ma'auni, yana auna yawan adadin da wasu suka bayyana. A matsayin madaidaicin kofa, VIF> 5 (wasu 10) suna ba da garantin taka tsantsan. Bugu da ƙari, ana bincika matrix ɗin daidaitawa tsakanin masu canji na bayani.
Yadda za a gyara? Zubar da ɗaya daga cikin ma'auni masu alaƙa, haɗa su (yin yin fihirisa), ko (idan ka'idar ta buƙaci) kiyaye duka biyun da guje wa fassarar ƙididdiga ɗaya. Wanne madaidaicin tsayawa shine yanke shawara na ka'ida, ba ƙididdiga ba - AI yana ba da shawarar kawarwa, kuna ba da hujjar.
keta 2: Heteroscedasticity
Me yasa? Bambance-bambancen lokacin kuskure ba koyaushe ba ne a duk abubuwan dubawa. Misali na yau da kullun: yayin da samun kuɗin shiga ya karu, haka kuma yaɗuwar kashewa; An ƙirƙiri tsarin “mazurari”, kunkuntar a ƙananan kudin shiga kuma mai faɗi a babban kudin shiga.
Menene karya? Ƙididdiga masu ƙima sun sake rashin son zuciya - wannan yana da mahimmanci. Abin da ke lalacewa shine daidaitattun kurakurai: an ƙididdige su ba daidai ba, don haka p-values da tazarar amincewa sun zama abin dogaro. Don haka adadin kuɗin ku yana cikin cibiyar da ta dace, amma amsar tambayar "yaya kuke da kwarin gwiwa" ba daidai ba ne.
Yaya ake gano cutar? Rarraba makircin abubuwan da aka annabta game da ƙimar da aka annabta (tsarin mazurari da ake nema) da gwaje-gwaje na yau da kullun: Gwajin Breusch-Pagan, Gwajin Fari. Ƙananan p-darajar ta ce "babu bambance-bambancen akai-akai".
Yadda za a gyara? Mafi na kowa da kuma m bayani ne a yi amfani da m daidaitattun kurakurai (karfi / heteroskedasticity-daidaitacce, HC misali kurakurai): shi ba ya canza coefficient, yana gyara daidaitattun kuskure don cin zarafi. Madadin: canza abin dogara (kamar log) ko LCM mai nauyi. Matsakaicin kurakurai masu ƙarfi sun zama kusan tsoho a cikin ingantaccen aiki a yau.
Keɓancewar 3: Daidaitawa ta atomatik
Me yasa? Sharuɗɗan kuskure ba su zama masu zaman kansu ba; Ya fi kowa a cikin jerin lokaci: kuskuren lokaci ɗaya yana rinjayar na gaba (misali ragowar ya kasance mai kyau a cikin lokuta bayan girgiza).
Menene karya? Bugu da ƙari, da farko yana karkatar da daidaitattun kurakurai (sau da yawa yakan rage su, yana haifar da ma'anar ƙarya); Ƙididdigar ƙididdiga sun kasance marasa son zuciya a cikin LCC amma sun rasa tasirin su.
Yaya ake gano cutar? Gwajin Durbin-Watson (na oda na farko), gwajin Breusch-Godfrey (mafi yawan gaske), da kuma makircin ragi tare da ƙarancin ƙima.
Yadda za a gyara? Newey-West (HAC - mai jurewa ga autocorrelation da heteroskedasticity) daidaitattun kurakurai, ƙara ƙarancin sharuddan ƙirar, ko canzawa zuwa ƙirar jerin lokaci mai dacewa (naúrar 8).
Tsanaki: Heteroscedasticity da autocorrelation suna karkatar da daidaitaccen kuskure, ba ƙididdiga ba. Don haka, kafin a ce “haɗin gwiwar yana da mahimmanci”, tabbatar da cewa an ƙididdige daidaitattun kuskuren daidai; In ba haka ba ma'ana na iya zama ruɗi.
kwatanta jadawalin
cin zarafi
Me karya
Bincike
Magani gama gari
Multi-link
Yana haifar da kurakurai na yau da kullun, yana sa ƙididdiga ta zama mara ƙarfi
VIF, matrix daidaitawa
Rage/haɗa m (ta ka'ida)
heteroscedasticity
Matsakaicin kurakurai (masu ƙima mara son zuciya)
Breusch-Pagan, Farar fata, ragowar makirci
Kuskuren ma'auni mai ƙarfi (HC), juyawa
Daidaitawa ta atomatik
Matsakaicin kurakurai (masu ƙima mara son zuciya)
Durbin-Watson, Breusch-Godfrey
Newey-West (HAC), jinkirin lokaci
Hanyoyi huɗu masu kwafi
1. Cikakken kunshin bincike:
Matsayinku: mataimakin bincike na koma baya. Ina son lambar R, ba na raba bayanan. Model: lm (kashewa ~ kudin shiga + shekaru + yanki, bayanai = bayanai). Aiki: (1) Ƙididdige VIF, (2) Gwada heteroskedasticity tare da Breusch-Pagan da sauran-ƙimar ƙima, (3) Gwaji ta atomatik tare da Durbin-Watson. Bayyana a cikin layin sharhi abin da ke keta kowane matakan gwaji da yadda ake fassara p-darajar. GYARA APPLICATION; samar da ganewar asali.
2. Kuskure mai ƙarfi mai ƙarfi:
Rubuta lambar R wanda ke sake fitar da tebur mai ƙima tare da daidaitattun kurakuran heteroskedasticity-robust (HC3) don ƙirar iri ɗaya (fakitin sandwich + lmtest). Ƙirƙirar tebur mai nuna na gargajiya da ƙaƙƙarfan daidaitattun kurakurai gefe da gefe don in ga bambanci. Jaddada a cikin layin sharhi cewa ƙididdiga ba su canzawa, kawai daidaitattun kurakurai.
3. Bitar mahaɗi da yawa:
Ka ba ni jerin TUNANI na masu canji tare da babban VIF: waɗanne masu canji za su iya auna abu iri ɗaya, waɗanda ke da ƙarfi don kiyaye su. KADA KA cancanta ta atomatik; Zan yanke shawara bisa ka'ida. Hakanan bayyana dalilin da yasa zai zama kuskure don kawai duba VIF kuma sanya masu canji.
4. Gyaran haɗin kai:
A cikin jerin lokaci na koma baya, Breusch-Godfrey p-darajar shine 0.001. Rubuta lambar R wanda ke samar da tebur mai ƙima tare da daidaitattun kurakurai na Newey-West (HAC) kuma yayi bayanin yadda ake zaɓar lag. Lura cewa wannan gyaran ba ya warware SABBIN autocorrelation, kawai gyara abin da ake nufi.
Rauni mai ƙarfi / Ƙarfi mai ƙarfi
Rawanin faɗakarwa:
Akwai matsala tare da ja da baya? Idan haka ne, gyara shi.
Wannan saurin yana sanya AI a cikin yanayin "gyara" makaho: yana iya tsallake gwaje-gwaje kuma ya yi amfani da canji kai tsaye ko kawar da canji, ba tare da nuna muku wane irin keta haƙiƙa ya wanzu da abin da ya karye ba.
Ƙarfi mai ƙarfi:
Matsayinku: Mataimakin bincike, ba mai gyara auto ba. Gwaji na farko don cin zarafi UKU daban (multicollinearity, heteroscedasticity, autocorrelation) kuma ga kowane: wanda gwajin, yadda ake karanta sakamakon, ya karya COEFFICIENT ko STANDARD ERROR. Sa'an nan kawai bayar da shawarar gyara don cin zarafi wanda GASKIYA aka gano kuma bayyana yadda zan iya tabbatar da cewa gyaran ya gyara matsalar.
Bambanci: karfi zai tilasta bincike kafin gyara kuma yana buƙatar bayyanannen bambanci tsakanin "abin da ya karya".
uku mini lokuta
Case 1 - Muhimmancin Mahimmanci (heteroscedasticity). Wani manazarci ya gano adadin kudaden shiga a cikin abin kashewa ~ samfurin kudaden shiga yana da "mahimmanci" a p=0.01. Amma yanzu akwai wani tsari na mazurari na musamman akan ginshiƙi nasa. Lokacin da aka yi amfani da kurakurai masu ƙarfi, p-darajar ta karu zuwa 0.09; an rasa ma'ana. Sakamakon farko shine hasashe da kuskuren ma'auni ya haifar. Darasi: Ba za a iya amincewa da mahimmanci ba tare da gyara daidaitaccen kuskure ba.
Case 2 - Kawar da canjin makafi. Ɗaya daga cikin ɗalibi ya bar canjin "ƙwarewa" daga samfurin saboda VIF ɗinsa yana da girma; An "tsabtace ma'auni" amma ma'anar ka'idar samfurin ta gurbata saboda gwaninta shine babban mahimmancin sha'awa. Hanya madaidaiciya: cire shekaru kuma ci gaba da gogewa, ko haɗa su biyun. Darasi: Ƙofar VIF kaɗai ba dalili ba ne na kawarwa; ka'idar kayyade.
Hali na 3 - Rashin tabbas da ke ɓoye ta hanyar haɗin kai. A cikin jerin nazarin lokaci, an yi watsi da Durbin-Watson; Ƙididdigar ta yi kama da "madaidaici" (ƙunƙun tazarar amincewa). Lokacin da aka yi amfani da daidaitattun kuskuren Newey-West, tazarar amincewa ta ninka kuma shawarar manufofin ta zama mai ra'ayin mazan jiya. Darasi: haɗin kai na iya raina rashin tabbas.
Kuskuren gama gari
- Kuskuren cin zarafi da ke karkatar da daidaitaccen kuskure a matsayin matsalar haɗin kai. Heteroscedasticity da autocorrelation ba sa karkatar da ƙididdiga; Kada ku firgita kuma sake gina samfurin ba dole ba, gyara daidaitaccen kuskuren farko.
- Kallon VIF da makanta sanya masu canji. Cire madaidaicin mahimmin mahimmanci kawai saboda VIF yana da girma yana sa ƙirar mara ma'ana.
- Ba tabbatar da gyara ba. Bayan yin amfani da daidaitaccen kuskure mai ƙarfi, duba cewa cin zarafi a zahiri yana gyara abin da ake nufi; Kar a ce "Na shafa shi, an gama".
- Gyara ba tare da ganewar asali ba. Aiwatar da canji/kawarwa ba tare da gwada abin da ke faruwa ba zai iya "warware" matsalar inda babu shi kuma ya ɓoye wanda ke aikatawa.
- Sanya gyara a wuri me yasa. Newey-West baya warware dalilin haɗin kai; kawai yana gyara magana. Idan akwai matsala na tsari, dole ne a canza samfurin.
Tukwici: Ga kowane cin zarafi, tambayi kanka "Shin wannan yana lalata ma'auni ne ko amincewa da shi?" Idan amsar ita ce "kwarin gwiwa," mafita shine kusan kusan daidaitaccen gyaran kuskure, ba sake gina samfurin ba.
A takaice
Binciken koma baya shine abin da ake buƙata don amincewa da fitarwa. Daga cikin cin zarafi guda uku na gama-gari, multicollinearity yana sa ƙimar ƙima ta zama mara ƙarfi kuma tana haɓaka daidaitaccen kuskure; Heteroskedasticity da autocorrelation, a gefe guda, suna barin ƙima ba tare da son zuciya ba kuma kawai suna karkatar da daidaitaccen kuskure. AI yana haifar da bincike da lambar gyara, amma kun yanke shawarar wanne keta shine ainihin matsalar, wanda bambance-bambancen ya kasance mai ka'ida, kuma ko gyara ya warware matsalar. Ba tsoro ko makaho gyara ba daidai ba tare da fayyace banbance tsakanin "abin da ke karyawa".
Aikin aikace-aikace
Saita koma baya da yawa kuma ku nemi AI don lambar da ke samar da bincike kawai (babu gyara): VIF, Breusch-Pagan/White, da Durbin-Watson/Breusch-Godfrey. Ga kowane gwaji, fassara sakamakon kuma nuna ko cin zarafi ya gurbata ƙima ko daidaitaccen kuskure. Don ainihin cin zarafi da kuka gano (misali heteroscedasticity), yi amfani da daidaitattun kurakurai da juxtapose na gargajiya da ingantaccen sakamako; Nuna cewa ƙididdiga ba ta canzawa amma daidaitaccen kuskure yana canzawa. A cikin sakin layi ɗaya, bayar da rahoton yadda gyaran ya shafi mahimmancin sakamakon ku.
jerin abubuwan dubawa
- [] Na gwada cin zarafi guda uku (multicollinearity, heteroskedasticity, autocorrelation) daban.
- [ ] Ga kowane cin zarafi, na bambanta ko yana karkatar da ƙima ko daidaitaccen kuskure.
- [ ] Na dogara ne akan kawar da maɓalli a cikin multicollinearity akan ka'idar, ba kawai VIF ba.
- [] Na yi amfani da daidaitaccen kuskure tare da ƙarfi zuwa heteroscedasticity/autocorrelation (HC/HAC).
- [ ] Bayan gyara, na duba kuma na tabbatar da tasirin cin zarafi akan ra'ayi na.
- [ ] Ina bayar da rahoton yadda mahimmin sakamako ya shafi daidaitaccen kuskuren gyara.