लाभ:
- प्रतिगमन आउटपुट (गुणांक, मानक त्रुटि, पी-वैल्यू, आर-स्क्वायर) को सटीक रूप से पढ़ने और कृत्रिम बुद्धि व्याख्या का गंभीर मूल्यांकन करने की क्षमता
- सहसंबंध-कारण भेद, अंतर्जातता, छोड़े गए चर और नकली प्रतिगमन जैसे नुकसान को पहचानने की क्षमता, और कृत्रिम बुद्धि की अत्यधिक कारण भाषा पर अंकुश लगाने की क्षमता
- मॉडल सेटअप, कोड और डायग्नोस्टिक टेस्ट ड्राफ्टिंग के लिए कृत्रिम बुद्धिमत्ता का उपयोग करने की क्षमता, मॉडल चयन और व्याख्या की जिम्मेदारी मनुष्यों पर छोड़ देना
अर्थमिति डेटा के साथ आर्थिक सिद्धांत का परीक्षण करने का अनुशासन है, और प्रतिगमन इसका मूल उपकरण है। "आय बढ़ने पर उपभोग कितना बढ़ता है?", "ब्याज और निवेश के बीच क्या संबंध है?" इस तरह के प्रश्नों को प्रतिगमन द्वारा परिमाणित किया जाता है। एआई इस क्षेत्र में बहुत उपयोगी और बहुत खतरनाक दोनों है: यह सेकंडों में मॉडल कोड और डायग्नोस्टिक परीक्षण लिखता है, लेकिन आउटपुट की व्याख्या करते समय अक्सर अत्यधिक कारणपूर्ण और अत्यधिक सटीक होता है। वाक्य "X, Y को बढ़ाता है" धाराप्रवाह बोलता है; जबकि अधिकांश प्रतिगमन केवल एक रिश्ते को मापते हैं। इस इकाई का सार है: मॉडल सेटअप, कोड और डायग्नोस्टिक परीक्षण के लिए एआई का उपयोग करें; लेकिन मॉडल चयन, कार्य-कारण निर्णय और व्याख्या की जिम्मेदारी मानव पर रखें।
प्रतिगमन आउटपुट पढ़ना
एक साधारण प्रतिगमन का आउटपुट चार चीजों पर दिखता है:
- गुणांक. व्याख्यात्मक चर में एक इकाई की वृद्धि होने पर आश्रित चर में कितना परिवर्तन होता है, इसका अनुमान। चिह्न (प्लस/माइनस) और परिमाण का आर्थिक अर्थ होना चाहिए।
- मानक त्रुटि. गुणांक अनुमान की अनिश्चितता; यदि यह छोटा है, तो अनुमान अधिक सटीक है।
- पी-मूल्य. इस धारणा के तहत गुणांक के इतने बड़े दिखने की संभावना कि यह "वास्तव में शून्य" है। छोटे पी (<0.05) को "सांख्यिकीय रूप से महत्वपूर्ण" कहा जाता है - लेकिन इसका आर्थिक महत्व या कारणता नहीं है।
- आर-वर्ग। मॉडल निर्भर चर में कितना परिवर्तन बताता है। एक उच्च आर-वर्ग का मतलब "सही मॉडल" नहीं है; यह नकली प्रतिगमन में भी अधिक हो सकता है।
युक्ति: सांख्यिकीय महत्व को आर्थिक महत्व के साथ भ्रमित न करें। यहां तक कि एक बहुत छोटा, व्यावहारिक रूप से महत्वहीन प्रभाव भी एक बड़े नमूने में "महत्वपूर्ण" (छोटा पी) हो सकता है। पहला, "क्या इस गुणांक का आकार आर्थिक रूप से महत्वपूर्ण है?" ', फिर महत्व की तलाश करें।
सहसंबंध कार्य-कारण नहीं है: क्लासिक नुकसान
यह अर्थमिति के मूल में चेतावनी है। प्रतिगमन द्वारा पाया गया संबंध अक्सर कार्य-कारण नहीं होता है। प्रमुख नुकसान:
- छोड़ा गया चर. एक तीसरा कारक जो एक्स और वाई दोनों को प्रभावित करता है लेकिन मॉडल में नहीं है, एक्स और वाई के बीच एक नकली संबंध बनाता है। (उदाहरण: यदि शिक्षा और आय के बीच संबंध में "क्षमता" को छोड़ दिया जाता है, तो गुणांक भ्रामक होगा।)
- विपरीत कारणता (अंतर्जातता)। जबकि ऐसा माना जाता है कि X, Y को प्रभावित करता है, हो सकता है कि Y, X को प्रभावित करता हो या दोनों परस्पर हों। (पुलिस संख्या और अपराध: क्या अपराध बढ़ने से पुलिस बढ़ी?)
- छद्म प्रतिगमन. दो गैर-स्थिर (ट्रेंडिंग) श्रृंखलाएं उच्च आर-वर्ग और महत्वपूर्ण गुणांक उत्पन्न कर सकती हैं, भले ही उनके बीच कोई वास्तविक संबंध न हो। सिर्फ इसलिए कि वे दोनों समय के साथ बढ़ते हैं।
- चयन पूर्वाग्रह। यदि नमूना यादृच्छिक नहीं है, तो संबंध को विषम मापा जाता है।
कार्य-कारण का दावा केवल एक उपयुक्त डिज़ाइन (नियंत्रित प्रयोग, प्राकृतिक प्रयोग, वाद्य चर, अंतर-अंतर जैसी विधियों) और स्पष्ट मान्यताओं के साथ ही स्थापित किया जा सकता है। कृत्रिम बुद्धिमत्ता अक्सर इस सूक्ष्मता से चूक जाती है।
सावधानी: यदि एआई कहता है "यह चर उसे बढ़ाता/घटाता है", तो तुरंत ब्रेक लगाएं। समस्या: क्या कोई चर छोड़ा गया है? क्या विपरीत कार्य-कारण संभव है? क्या श्रृंखला स्थिर है? जब तक ये तीन प्रश्न नहीं पूछे जाते तब तक कोई भी कारणवाचक वाक्य रिपोर्ट में शामिल नहीं होता।
नैदानिक परीक्षण
किसी प्रतिगमन के विश्वसनीय होने के लिए, उसकी मान्यताओं का परीक्षण किया जाता है: अवशिष्टों का पैटर्न (त्रुटि शब्द) (ऑटोसहसंबंध), हेटेरोस्केडैस्टिसिटी (विषमलैंगिकता), बहुसंरेखता (व्याख्यात्मक चर एक दूसरे के बहुत समान हैं), सामान्य वितरण। कृत्रिम बुद्धिमत्ता इन परीक्षणों के लिए कोड लिखती है; लेकिन परिणामों की व्याख्या करना और उसके अनुसार मॉडल को समायोजित करना अर्थशास्त्री का काम है।
तीन मिनी मामले
केस 1 - नकली प्रतिगमन। एक शोधकर्ता ने दो प्रवृत्ति श्रृंखलाओं को पुनः प्राप्त किया (एक नाममात्र व्यय, एक नाममात्र दूसरी मात्रा); आर-वर्ग 0.98 था, गुणांक अत्यधिक महत्वपूर्ण था। एआई "एक मजबूत रिश्ता है," उन्होंने कहा। शोधकर्ता ने स्थिरता के लिए परीक्षण किया: दोनों श्रृंखलाएँ गैर-स्थिर थीं। एक बार जब वे अलग हो गए, तो रिश्ता काफी हद तक गायब हो गया। उच्च आर-वर्ग केवल इसलिए था क्योंकि वे दोनों समय के साथ बढ़े थे। नकली प्रतिगमन पकड़ा गया.
केस 2 - छोड़ा गया चर। एक विश्लेषण में पाया गया कि "विज्ञापन खर्च से बिक्री बढ़ती है।" अर्थशास्त्री ने पूछा: क्या मॉडल में कोई मौसमी प्रभाव है? वहाँ नहीं था. छुट्टियों से पहले विज्ञापन और बिक्री दोनों बढ़ रहे थे; रिश्ते का एक हिस्सा मौसमी था। जब सीज़न डमी वैरिएबल जोड़े गए, तो विज्ञापन का गुणांक छोटा हो गया। कारण संबंधी दावे को नरम कर दिया गया है।
केस 3 - महत्वपूर्ण लेकिन महत्वहीन। एक बड़े माइक्रोडेटा सेट में, एक गुणांक p<0.001 था; एआई "मजबूत प्रभाव," उन्होंने कहा। लेकिन गुणांक का परिमाण व्यावहारिक रूप से नगण्य था (आय में एक बड़े बदलाव ने परिणाम को एक हजारवें हिस्से तक बढ़ा दिया)। अर्थशास्त्री ने इसे सही ढंग से "सांख्यिकीय रूप से महत्वपूर्ण लेकिन आर्थिक रूप से महत्वहीन" बताया। महत्व, महत्व का विकल्प नहीं था।
टिप्पणी मॉडरेशन तालिका
आर्टिफिशियल इंटेलिजेंस कहता है
अर्थशास्त्री पूछता है
"X, Y को बढ़ाता है"
छोड़ा गया चर? विपरीत कारणता?
"आर-स्क्वायर ऊंचा है, मॉडल अच्छा है"
क्या श्रृंखला स्थिर है? नकली प्रतिगमन?
"पी<0.05, महत्वपूर्ण"
क्या आकार आर्थिक रूप से मायने रखता है?
"गुणांक 0.3"
क्या इसका चिह्न और इकाई सिद्धांत के अनुकूल हैं?
"रिश्ता मजबूत है"
क्या नमूना चयन पक्षपातपूर्ण है?
चार प्रतिलिपि योग्य टेम्पलेट
1) मॉडल स्थापना स्केच:
मैं निम्नलिखित आर्थिक प्रश्न की जाँच करूँगा: [प्रश्न]। आश्रित चर: [वाई]। उम्मीदवार विवरणक: [एक्स]। मुझे एक उपयुक्त प्रारंभिक प्रतिगमन सेटअप (स्टेटमॉडल कोड) सुझाएं। बताएं कि कौन से नियंत्रण चर की आवश्यकता है और क्यों। कार्य-कारण का दावा न करें; संबंध भाषा का प्रयोग करें.
2) नैदानिक परीक्षण:
मेरे द्वारा स्थापित प्रतिगमन के लिए नैदानिक परीक्षणों को कोड में लिखें: ऑटोसहसंबंध, विषमलैंगिकता, बहुसंरेखता, अवशेषों का फैलाव, और स्थिरता (यदि यह एक समय श्रृंखला है)। संक्षेप में लिखें कि प्रत्येक परीक्षा परिणाम की व्याख्या कैसे करें और यदि कोई समस्या हो तो क्या करें।
3) कार्य-कारण नियंत्रण:
इस प्रतिगमन परिणाम की व्याख्या करें, लेकिन पहले इन तीन नुकसानों की जांच करें: (1) क्या कोई छोड़ा गया चर हो सकता है और कौन सा, (2) क्या विपरीत कार्य-कारण संभव है, (3) क्या श्रृंखला स्थिर है / क्या नकली प्रतिगमन का खतरा है? स्पष्ट रूप से बताएं कि क्या परिणाम की व्याख्या कारणात्मक या केवल संबंधपरक के रूप में की जानी चाहिए।
4) महत्व-महत्व भेद:
निम्नलिखित गुणांक की व्याख्या करें: मान [x], मानक त्रुटि [y], p-मान [z]। सांख्यिकीय महत्व का अलग से, आर्थिक महत्व का अलग से मूल्यांकन करें: क्या इस गुणांक का परिमाण व्यावहारिक रूप से महत्वपूर्ण प्रभाव है? एक उदाहरण परिदृश्य में प्रभाव की भयावहता को स्पष्ट करें।
कमजोर संकेत/मजबूत संकेत
कमजोर संकेत:
इन चरों के साथ एक प्रतिगमन करें और परिणाम की व्याख्या करें।
कृत्रिम बुद्धिमत्ता, नैदानिक परीक्षण किए बिना या स्थिरता की जाँच किए बिना, कारणात्मक भाषा में इसकी व्याख्या करती है; नकली प्रतिगमन या छोड़ा गया चर छूट गया है।
शक्तिशाली संकेत:
आश्रित चर उपभोग है, व्याख्यात्मक आय; मासिक, ट्रेंडिंग श्रृंखला। पहले स्थिरता का परीक्षण करें; यदि आवश्यक हो तो अंतर प्राप्त करें. प्रतिगमन सेट करें, डायग्नोस्टिक परीक्षण चलाएं (ऑटोसहसंबंध, विषमलैंगिकता)। परिणाम की व्याख्या करते समय छोड़े गए चर और विपरीत कार्य-कारण के जोखिमों पर स्पष्ट रूप से चर्चा करें; कार्य-कारण की बजाय संबंधपरक भाषा का प्रयोग करें। महत्व और आर्थिक महत्व का अलग-अलग मूल्यांकन करें और प्रत्येक चरण के लिए कोड दें।
सामान्य गलतियाँ
- सहसंबंध को कार्य-कारण समझने की भूल करना। सबसे आम और सबसे महंगी गलती.
- उच्च आर-वर्ग को गुणवत्ता समझ लेना। यह नकली प्रतिगमन में भी उच्च है।
- ठहराव की जाँच को दरकिनार करना। ट्रेंडेड सीरीज़ नकली रिश्ते पैदा करती हैं।
- सार्थकता को सार्थकता के साथ भ्रमित करना। छोटे पी का मतलब बड़ा प्रभाव नहीं है.
- नैदानिक परीक्षण छोड़ना. जिस धारणा का उल्लंघन किया गया वह संपूर्ण अनुमान को पराजित कर देती है।
- एआई की कारणात्मक भाषा को ज्यों का त्यों स्वीकार करना। निर्णय मनुष्य का है.
संक्षेप में
प्रतिगमन एक शक्तिशाली लेकिन ख़तरनाक उपकरण है। रीडिंग गुणांक, मानक त्रुटि, पी-मान और आर-वर्ग सही ढंग से; सहसंबंध और कार्य-कारण के बीच अंतर करना; छोड़े गए चर, विपरीत कार्य-कारण, और नकली प्रतिगमन नुकसान की जाँच करना; महत्व और आर्थिक महत्व के बीच अंतर करना आवश्यक है। एआई कोड और डायग्नोसिस जेनरेशन में तेजी ला रहा है, लेकिन यह बहुत अधिक तार्किक ढंग से काम करता है; मॉडल का चुनाव और कार्य-कारण का निर्णय अर्थशास्त्री पर निर्भर करता है।
आवेदन कार्य
आपके पास मौजूद डेटा (जैसे उपभोग-आय) के साथ एक सरल प्रतिगमन सेट करें। पहले टेम्प्लेट के साथ सेटअप तैयार करें, और दूसरे टेम्प्लेट के साथ डायग्नोस्टिक परीक्षण तैयार करें। फिर टेम्प्लेट 3 के साथ कार्य-कारण की जांच करें, कम से कम एक संभावित छोड़े गए चर और एक विपरीत कार्य-कारण परिदृश्य का नामकरण करें। एआई की प्रारंभिक व्याख्या से एक कारण वाक्य का संबंधपरक भाषा में अनुवाद करें और परिवर्तन पर ध्यान दें।
चेकलिस्ट
- [ ] मैंने गुणांक, मानक त्रुटि, पी-मान और आर-वर्ग को सही ढंग से पढ़ा।
- [ ] मैंने श्रृंखला की स्थिरता की जाँच की और नकली प्रतिगमन के जोखिम को समाप्त कर दिया।
- [ ] मैंने छोड़े गए चर और विपरीत कार्य-कारण संभावनाओं का नाम दिया है।
- [ ] मैंने नैदानिक परीक्षण चलाए और उल्लंघनों का मूल्यांकन किया।
- [ ] मैंने सांख्यिकीय महत्व और आर्थिक महत्व का अलग-अलग मूल्यांकन किया।
- [ ] मैंने कृत्रिम बुद्धिमत्ता की कारण भाषा को संबंधपरक भाषा में बदल दिया है।
- [ ] मैंने कहा कि मॉडल का चुनाव और कार्य-कारण का निर्णय मेरा था।