Пайдалар:
- Регрессиянын жыйынтыгын (коэффициент, стандарттык ката, p-маани, R-квадрат) так окуу жана жасалма интеллекттин интерпретациясын критикалык баалоо мүмкүнчүлүгү
- Корреляциялык-себептик айырмачылык, эндогендүүлүк, калтырылган өзгөрмөлөр жана жасалма регрессия сыяктуу тузактарды таануу жана жасалма интеллекттин ашыкча себептик тилин ооздуктоо жөндөмү
- Моделди орнотуу, код жана диагностикалык тестти түзүү үчүн жасалма интеллектти колдонуу мүмкүнчүлүгү, моделди тандоо жана чечмелөө үчүн жоопкерчиликти адамдарга калтыруу
Эконометрика – бул экономикалык теорияны маалыматтар менен текшерүү дисциплина, ал эми регрессия анын негизги куралы. "Киреше өскөн сайын керектөө канчага көбөйөт?", "Пайыз менен инвестициянын ортосунда кандай байланыш бар?" Бул сыяктуу суроолор регрессия менен сандык бааланат. AI бул чөйрөдө абдан пайдалуу жана өтө кооптуу: ал моделдин кодун жана диагностикалык тесттерди секунданын ичинде жазат, бирок натыйжаны чечмелөөдө көбүнчө ашыкча себептүү жана өтө так болот. «Х У көбөйтөт» сүйлөмдү эркин сүйлөйт; ал эми көпчүлүк регрессиялар бир гана мамилени өлчөйт. Бул бөлүмдүн өзөгү: Моделди орнотуу, код жана диагностикалык тестирлөө үчүн AI колдонуңуз; бирок моделди тандоо, себептүүлүк баалоо жана интерпретация үчүн жоопкерчиликти адамда сактаңыз.
Окуу регрессиянын натыйжасы
Жөнөкөй регрессиянын жыйынтыгы төрт нерсени издейт:
- Коэффицент. Түшүндүрмө өзгөрмө бир бирдикке көбөйгөндө көз каранды өзгөрмө канчалык өзгөрөрүн баалоо. Белги (плюс/минус) жана чоңдуктун экономикалык мааниси болушу керек.
- Стандарттык ката. Коэффициентти баалоонун белгисиздиги; Эгер ал азыраак болсо, баа так болот.
- p-маани. Коэффициенттин ыктымалдыгы "чынында нөл" деген божомолдо мынчалык чоң болуп калат. Кичинекей p (< 0,05) "статистикалык жактан маанилүү" деп айтылат, бирок бул экономикалык маанини же себеп байланышты билдирбейт.
- R-квадрат. Модель көз каранды өзгөрмөнүн канчалык өзгөргөнүн түшүндүрөт. Жогорку R квадраты "туура модель" дегенди билдирбейт; Бул жалган регрессияларда да жогору болушу мүмкүн.
Кеңеш: Статистикалык маанини экономикалык маани менен чаташтырбаңыз. Ал тургай, өтө кичинекей, иш жүзүндө анча маанилүү эмес таасир чоң үлгүдө "маанилүү" (майда p) болуп чыгышы мүмкүн. Биринчиден, "Бул коэффициенттин өлчөмү экономикалык жактан маанилүүбү?" ", анда маанисин изде.
Корреляция себептүүлүк эмес: классикалык тузактар
Бул эконометриканын өзөгүндө турган эскертүү. Регрессия менен табылган байланыш көбүнчө себептүүлүк эмес. Негизги тузактар:
- Өткөрүлгөн өзгөрмө. X жана У экөөнө тең таасир эткен, бирок моделде жок үчүнчү фактор X жана Y ортосунда жасалма байланышты жаратат. (Мисалы: билим менен кирешенин ортосундагы байланышта "жөндөмдүүлүк" жок кылынса, коэффициент адаштыруучу болуп калат.)
- Тескери себептүүлүк (эндогендүүлүк). Бул X Y таасирин тийгизет деп ойлошот, бирок, балким, Y X таасир этет же экөө бири-бирине. (Полициянын саны жана кылмыштуулук: кылмыштуулук көбөйгөндүктөн полиция көбөйдүбү?)
- Псевдорегрессия. Эки стационардык эмес (тенденциялуу) катар, алардын ортосунда реалдуу байланыш жок болсо да, жогорку R-квадраттык жана олуттуу коэффициенттерди бере алат. Анткени алар экөө тең убакыттын өтүшү менен өсөт.
- Тандоо тенденциясы. Эгерде тандап алуу кокустук эмес болсо, байланыш кыйшаюу менен өлчөнөт.
Себептүүлүктүн талабы ылайыктуу долбоор менен (башкарылган эксперимент, табигый эксперимент, инструменталдык өзгөрмө, айырмачылыктын айырмасы сыяктуу ыкмалар) жана так божомолдор менен гана белгилениши мүмкүн. Жасалма интеллект көбүнчө бул кылдаттыкка көз жумуп коёт.
Эскертүү: Эгерде AI "бул өзгөрмө аны көбөйтөт/азайт" десе, дароо тормозду басыңыз. Маселе: Өткөрүлбөй калган өзгөрмөлөр барбы? Тескери себептүүлүк мүмкүнбү? Сериялар туруктуубу? Ушул үч суроо берилмейинче, эч кандай себептүү сүйлөм отчетко кирбейт.
Диагностикалык тесттер
Регрессиянын ишенимдүү болушу үчүн анын божомолдору текшерилет: калдыктардын үлгүсү (ката терминдер) (автокорреляция), гетероскедастика (гетероскедастика), мультиколлинеардык (түшүндүрүүчү өзгөрмөлөр бири-бирине абдан окшош), нормалдуу бөлүштүрүү. Жасалма интеллект бул тесттердин кодун жазат; бирок натыйжаларды чечмелөө жана ошого жараша моделди тууралоо экономисттин милдети.
үч мини учурлар
1-жагдай — Жалган регрессия. Изилдөөчү эки тенденция сериясын регрессациялады (бир номиналдык чыгым, бири номиналдык башка сан); R-квадрат 0,98, коэффицент өтө маанилүү болгон. AI "бул күчтүү мамиле" деди ал. Изилдөөчү стационардуулукту сынады: эки катар тең стационардык эмес. Алар ажырашкандан кийин, мамилеси дээрлик жок болгон. Жогорку R квадраты экөө тең убакыттын өтүшү менен өскөндүктөн эле. Жалган регрессия кармалды.
2-жагдай — Өткөрүлгөн өзгөрмө. Бир талдоо көрсөткөндөй, "жарнамалык чыгымдар сатууну көбөйтөт". Экономист суроо берди: моделде сезондук эффект барбы? жок болчу. Майрам алдында жарнама да, сатуу да көбөйүп жатты; мамилелердин бир бөлүгү сезондук болгон. Сезондук өзгөрмөлөр кошулганда, жарнаманын коэффициенти кичирейген. Себептик доомат жумшартылган.
3-жагдай - Маанилүү, бирок анча маанилүү эмес. Чоң микромаалымат топтомунда коэффициент p<0,001 болгон; AI "күчтүү таасири" деди ал. Бирок коэффициенттин чоңдугу дээрлик жокко эсе (кирешенин чоң өзгөрүшү натыйжаны миңден бирине жылдырды). Экономист аны "статистикалык жактан маанилүү, бирок экономикалык жактан анча маанилүү эмес" деп туура аныктаган. Маанилүүлүк маанилүүлүктүн ордуна болгон эмес.
Жорумдарды модерациялоо таблицасы
жасалма интеллект дейт
Экономист сурайт
"X Y көбөйтөт"
Өткөрүлгөн өзгөрмө? Тескери себептүүлүкбү?
"R-squared бийик, модели жакшы"
Сериялар туруктуубу? Жалган регрессиябы?
"p<0,05, маанилүү"
Өлчөм экономикалык жактан маанилүүбү?
"Коэффицент 0,3"
Анын белгиси жана бирдиги теорияга туура келеби?
"Мамилеси күчтүү"
Үлгү тандоо объективдүүбү?
Көчүрүү үчүн төрт шаблон
1) Үлгү орнотуу эскизи:
Мен төмөнкү экономикалык суроону карап көрөм: [суроо]. Көз каранды өзгөрмө: [Y].Талапкерлердин дескрипторлору: [X's]. Мага ылайыктуу баштапкы регрессия орнотуусун сунуштаңыз (statsmodels коду). Кайсы башкаруу өзгөрмөлөрү керек жана эмне үчүн түшүндүрүңүз. Себептик байланышты талап кылба; мамиле тилин колдонуу.
2) диагностикалык тесттер:
Мен орноткон регрессия үчүн диагностикалык тесттерди код менен жазыңыз: автокорреляция, гетероскедастик, мультиколлинеардуулук, калдыктардын дисперсиясы жана стационардуулук (эгерде ал убакыт сериясы болсо). Ар бир тесттин жыйынтыгын кантип чечмелөө керек экенин жана көйгөйлөр болсо эмне кылуу керектигин кыскача жазыңыз.
3) Себептик байланышты көзөмөлдөө:
Бул регрессиянын жыйынтыгын чечмелеп бериңиз, бирок адегенде бул үч катаны текшериңиз: (1) калтырылган өзгөрмө болушу мүмкүнбү жана кайсынысы, (2) тескери себептүүлүк мүмкүн, (3) катар стационарбы / жалган регрессия коркунучу барбы? Натыйжа себептүү же жөн эле байланыш катары чечмелениши керекпи, ачык айтыңыз.
4) Маанилүүлүк-маанилик айырмасы:
Төмөнкү коэффициентти чечмелеңиз: маани [x], стандарттык ката [y], p-маани [z]. Статистикалык мааниге өзүнчө, экономикалык мааниге өзүнчө баа бериңиз: бул коэффициенттин чоңдугу иш жүзүндө олуттуу эффектби? Мисал сценарийинде таасирдин чоңдугун конкреттештириңиз.
Алсыз тездик / Күчтүү тездик
Алсыз билдирүү:
Бул өзгөрмөлөр менен регрессия жасаңыз жана натыйжаны чечмелеңиз.
Жасалма интеллект диагностикалык тесттерди жасабастан же стационардуулукту текшербестен, аны себептүү тилде чечмелейт; жасалма регрессия же алынып салынган өзгөрмө өткөрүлбөйт.
Күчтүү билдирүү:
Көз каранды өзгөрмө - керектөө, түшүндүрмө киреше; айлык, тренд сериялары. Адегенде стабилдүүлүктү текшериңиз; зарыл болсо, айырманы алуу. Регрессияны орнотуңуз, диагностикалык тесттерди өткөрүңүз (автокорреляция, гетероскедастик). Чыгып кеткен өзгөрмөлөрдүн тобокелдиктерин жана натыйжаны чечмелөөдө тескери себептүүлүктөрдү ачык талкуулаңыз; Себептүү эмес, реляциялык тилди колдонуңуз. Маанилүүлүккө жана экономикалык мааниге өзүнчө баа бериңиз жана ар бир кадам үчүн кодду бериңиз.
Жалпы каталар
- Себептик байланышты жаңылыштык. Эң таралган жана эң кымбат ката.
- Жогорку R квадратын сапат деп жаңылыштык. Ал жалган регрессияларда да жогору.
- Стазды текшерүүнү айланып өтүү. Модалуу сериалдар жалган мамилелерди жаратат.
- Маанилүүлүк менен маанини чаташтыруу. Чакан p чоң эффектти билдирбейт.
- Диагностикалык тесттерди өткөрүп жиберүү. Бузулган божомол бүт жыйынтыкты жокко чыгарат.
- AIнын себептик тилин ошол бойдон кабыл алуу. Сот адамдыкы.
Кыскача айтканда
Регрессия – бул күчтүү, бирок катаал курал. Окуу коэффициенти, стандарттык ката, p-маани жана R-квадрат туура; корреляция жана себеп байланышын айырмалоо; калтырылган өзгөрмөлөрдү, тескери себептүүлүктөрдү жана жасалма регрессия тузактарын текшерүү; Маанилүүлүк менен чарбалык маанини ажырата билүү керек. AI кодду жана диагнозду генерациялоодо ылдамдап жатат, бирок ал өтө эле себептүү сүйлөйт; Моделди тандоо жана себептүүлүккө баа берүү экономистке жүктөлөт.
Колдонмо тапшырмасы
Сизде бар маалыматтар менен жөнөкөй регрессияны орнотуңуз (мисалы, керектөө-киреше). Орнотууларды 1-шаблон менен, ал эми диагностикалык тесттерди 2-шаблон менен чыгарыңыз. Андан кийин, жок дегенде бир мүмкүн болгон алынып салынуучу өзгөрмөнүн жана бир тескери себептүүлүк сценарийинин атын атап, 3 шаблон менен себептүүлүктү текшериңиз. AIнын алгачкы чечмелөөсүнөн себептүү сүйлөмдү реляциялык тилге которуп, өзгөрүүнү белгилеңиз.
текшерүү тизмеси
- [ ] Мен коэффициентти, стандарттык катаны, p-маанисин жана R-квадратты туура окудум.
- [ ] Мен катарлардын стационардуулугун текшерип, жасалма регрессия коркунучун жок кылдым.
- [ ] Мен калтырылган өзгөрмө жана тескери себептүүлүк мүмкүнчүлүктөрүн атадым.
- [ ] Мен диагностикалык тесттерди өткөрүп, бузууларды бааладым.
- [ ] Мен статистикалык мааниге жана экономикалык мааниге өзүнчө баа бердим.
- [ ] Мен реляциялык тилге жасалма интеллекттин каузалдык тилин тарттым.
- [ ] Мен моделди тандоо жана себептүүлүктүн чечими меники экенин айттым.