Zyski:
- Możliwość rozróżnienia, gdzie w empirycznym przepływie pracy (czyszczenie danych, kod, wizualizacja, interpretacja wersji roboczej) sztuczna inteligencja oszczędza czas rzeczywisty, a gdzie decyzje takie jak wybór modelu, stwierdzenie związku przyczynowego i decyzja o publikacji pozostawia się ekspertowi, zgodnie z poziomem ryzyka zadania
- Umiejętność zastosowania dyscypliny weryfikującej każdy wynik sztucznej inteligencji (liczba, współczynnik, kod, komentarz) poprzez etapy przeliczenia, powiązania ze źródłem i filtrowania statystycznego.
- Umiejętność bezpiecznego przetwarzania mikrodanych i poufnych/licencjonowanych zbiorów danych w zakresie KVKK/RODO i umów o korzystanie z danych oraz nabycie nawyku doboru odpowiednich narzędzi.
Te same pytania powracają codziennie na biurku ekonometryka lub statystyka stosowanego: czy ten zbiór danych jest wiarygodny; Co zrobić z tymi brakującymi wartościami? Co tak naprawdę mówi współczynnik tej regresji? Czy ta zależność ma charakter przyczynowy, czy jedynie korelacyjny? Ponieważ ta wartość p jest znacząca, czy mogę ją zapisać w artykule lub w skrócie polityki? Niektóre z tych pytań są powtarzalne, wymagają dużej ilości kodu i są czasochłonne: czyszczenie danych, dziesięciokrotne wykreślanie tego samego wykresu, debugowanie kodu w języku R lub Python, wpisywanie wyników do tabeli. Inne bezpośrednio określają ważność ustalenia, uczciwość publikacji lub trafność decyzji politycznej.
Sztuczna inteligencja (w skrócie sztuczna inteligencja, AI - systemy komputerowe, które potrafią tworzyć tekst i kod jak ludzie, rozpoznawać wzorce, podsumowywać dane i pisać komentarze; obecnie najczęściej używaną formą są duże modele językowe, czyli systemy, które uczą się na ogromnym tekście i budują zdania, przewidując następne słowo) znajduje się dokładnie pośrodku tej tabeli. Prawidłowo zastosowany skraca godziny czyszczenia danych do minut, przypomina składnię złożonego testu statystycznego lub szkicuje interpretację współczynnika. Niewłaściwie użyty przedstawia pozornie pewną, ale całkowicie sfabrykowaną liczbę, fałszywe znaczenie lub związek nieprzyczynowy jako „ustalenie”.
Ta pierwsza część nie stanowi wprowadzenia do oprogramowania. Jego celem jest wyjaśnienie, gdzie należy umieszczać sztuczną inteligencję w empirycznym procesie pracy, a gdzie nigdy jej nie umieszczać. Ekonometria jest dziedziną zarówno „krytyczną dla metody”, jak i pośrednio „krytyczną dla decyzji”: współczynnik tworzonego modelu może stanowić wkład w decyzję banku centralnego w sprawie stóp procentowych, zmianę polityki organu regulacyjnego lub wielomilionową inwestycję firmy. Ustalmy od początku podstawową zasadę: sztuczna inteligencja jest asystentem analiz, a nie badaczem. Odpowiedzialność za i ostateczne zatwierdzenie wyboru modelu, strategii identyfikacji, stwierdzenia związku przyczynowego, publikacji i decyzji politycznych spoczywa na kompetentnym ekspertze.
Warstwy empirycznego przepływu pracy i miejsce AI
Przydatne jest podzielenie badania empirycznego na trzy warstwy. Warstwa wykonawcza to codzienna praca techniczna: czyszczenie kodu, rysowanie wykresów, formatowanie tabeli, debugowanie składni. Warstwa metody to decyzja analityczna: jaki model, jaka strategia identyfikacji, jakie badanie, jakie sprawdzenie założeń. Warstwa interpretacyjna i decyzyjna to znaczenie ustaleń: co mówi współczynnik, czy jest on przyczynowy, co oznacza dla polityki, czy powinien zostać opublikowany. Sztuczna inteligencja dotyka wszystkich trzech warstw, ale w każdej z nich ma inną władzę. W warstwie wykonawczej sztuczna inteligencja szybko szkicuje i generuje kod; Na poziomie interpretacji i decyzji podaje się jedynie dane wejściowe, a decyzję podejmuje ekspert.
Zdefiniujmy na początek kilka podstawowych pojęć. Ekonometria to dziedzina zajmująca się analizą danych ekonomicznych i społecznych za pomocą metod statystycznych i miarą zależności. Regresja to metoda numerycznego modelowania związku zmiennej wynikowej (zmiennej zależnej) z jedną lub większą liczbą zmiennych objaśniających (zmiennymi niezależnymi). Współczynnik to liczba pokazująca, z iloma jednostkami zmiany średnio związana jest jednojednostkowa zmiana zmiennej objaśniającej w zmiennej wynikowej. Wartość p to prawdopodobieństwo, że zaobserwowany wynik (lub bardziej ekstremalny wynik) wystąpi przypadkowo, gdy w rzeczywistości nie istnieje żaden efekt. Wyjaśnimy te pojęcia jeden po drugim w następujących jednostkach; Na razie pamiętaj o tym: we wszystkich przypadkach sztuczna inteligencja zapewnia plan, kod i wyjaśnienia, ale nie podejmuje decyzji naukowych.
W poniższej tabeli podsumowano rolę i poziom ryzyka sztucznej inteligencji według misji:
Zadanie
Rola sztucznej inteligencji
Poziom ryzyka
Kto zatwierdza
Pisanie kodu oczyszczania danych
generator kodu
niski
Sam analityk (z testowaniem kodu)
Wersja robocza wykresu/tabeli
generator szkiców
niski
analityk
Przypomnienie składni testu/modelu
Asystent referencyjny
nisko-średni
analityk
Projekt interpretacji współczynników
autor projektu
średni
ekonometryk
Wybór modelu/strategii identyfikacji
wejście pomocnicze
wysoki
ekspert-badacz
Roszczenie przyczynowe
Tylko szkic, nigdy ostatnie słowo
bardzo wysoki
Ekspert + recenzja
Decyzja dotycząca publikacji/polityki
tylko wejście
bardzo wysoki
Odpowiedzialny badacz/instytucja
Należy pamiętać o jednym wierszu w tej tabeli: wraz ze wzrostem ryzyka rola sztucznej inteligencji maleje, a akceptacja ekspertów rośnie.
Dlaczego „weryfikacja” jest sercem tego biznesu
Modele językowe wydają się być pewne swojej odpowiedzi, ale mogą nie być tego pewne. W języku technicznym nazywa się to halucynacją: jest to sfabrykowanie przez model nieistniejącej informacji w płynnym zdaniu, tak jakby to była prawda. Dla ekonometryka to śmiertelna pułapka. Model może podać dokładną liczbę, np. „Korelacja między bezrobociem a inflacją w Turcji w latach 2015–2020 wynosi 0,62”; Jednak nigdy nie widział Twoich danych i ta liczba jest całkowicie zmyślona. Może też powiedzieć: „Wartość p w teście White’a wyniosła 0,03”; podczas gdy nie przeprowadził żadnych testów. Może wywołać funkcję R z argumentem, który w rzeczywistości nie istnieje. Wszystkie trzy śpiewa z taką samą płynnością; Jedyną rzeczą, która oddziela dobro od zła, jest Twoja wiedza i nawyk sprawdzania.
Dyscyplina weryfikacji składa się z trzech etapów:
- Przelicz/uruchom we własnym środowisku: Oblicz każdą liczbę, współczynnik, wynik testu i współczynnik podany przez sztuczną inteligencję w R/Pythonie na podstawie własnych danych, a nie z pamięci AI. Użyj sztucznej inteligencji do napisania kodu, a nie do zapamiętania wyniku. Uruchom kod, wygenerujesz wynik.
- Link do źródła: Reguły metod, formuły i definicje znajdziesz w podręcznikach, artykułach dotyczących metod i oficjalnych dokumentach. Potwierdź stwierdzenie sztucznej inteligencji „założeniem tego testu jest” w wiarygodnym źródle.
- Filtr statystyczny: Sprawdź okiem eksperta, czy wyniki są sprzeczne z logiką statystyczną (założenia, próba, wielkość efektu, niepewność). Odrzuć wynik „znaczący, ale absurdalny”.
Przestroga: Umieszczenie współczynnika, testu lub interpretacji wygenerowanego przez sztuczną inteligencję w artykule, pracy magisterskiej lub notatce politycznej bez sprawdzenia ich poprawności jest równoznaczne z opublikowaniem niesprawdzonego ustalenia. To, że wynik jest płynny, nie jest prawdą; Tylko dlatego, że liczba wydaje się pewna, nie jest prawdziwa.
Prywatność: mikrodane i dane licencjonowane są chronione prywatnie
W ekonometrii często wykorzystuje się mikrodane (pojedyncze rekordy na poziomie indywidualnym, gospodarstw domowych, firm lub pacjentów). Większość tych danych to dane osobowe i są chronione zgodnie z KVKK (ustawą o ochronie danych osobowych) w Turcji i RODO w Europie. Ponadto TurkStat, banki centralne, dostawcy danych panelowych i źródła komercyjne często dostarczają dane wraz z umową o ich wykorzystaniu; Umowy te zabraniają przekazywania danych podmiotom trzecim. Wklejenie tabeli zawierającej informacje o tożsamości, dochodach, zdrowiu lub tajemnicach firmy do publicznego narzędzia czatu AI stanowi zarówno naruszenie KVKK/RODO, jak i naruszenie umowy; ponieważ dane trafiają na serwer zewnętrzny i mogą zostać wykorzystane w trenowaniu modeli w niektórych narzędziach.
Zasada jest prosta: przechowuj dane w swoim własnym, bezpiecznym środowisku, pytaj sztuczną inteligencję jedynie o kod i metody. Idealny przepływ pracy jest następujący: poproś sztuczną inteligencję o kod analityczny, uruchom kod z prawdziwymi danymi na własnym komputerze/serwerze korporacyjnym. Jeśli naprawdę musisz udostępniać dane, zanonimizuj je (usuń pola identyfikacyjne), zagreguj (średnio/liczba, a nie pojedyncze) i wybierz narzędzia instytucjonalne, miej umowę na przetwarzanie danych i nie wykorzystuj swoich danych w edukacji.
trzy mini etui
Przypadek 1 – Bezpieczne i efektywne wykorzystanie. Jeden z badaczy najpierw spędził 6 godzin na ręcznym czyszczeniu 40 000 wierszy danych dotyczących budżetu domowego. Nie udostępniając w ogóle danych, po prostu opisał AI nazwy i strukturę zmiennych i poprosił o kod czyszczący. AI wygenerowała skrypt R; Badacz uruchomił kod we własnym środowisku, sprawdził liczbę linii i statystyki podsumowujące każdego kroku oraz poprawił dwa błędy logiczne. Czas trwania: 70 minut zamiast 6 godzin. Dane nigdy nie wyciekły; Odpowiedzialność pozostała po stronie badacza.
Przypadek 2 — Niezweryfikowana pułapka liczbowa. „Jaka jest elastyczność między wzrostem PKB a bezpośrednimi inwestycjami zagranicznymi” – zapytał student AI. Sztuczna inteligencja pewnie podała liczbę „około 0,34”, mimo że nie miała dostępu do żadnych danych. Student napisał to w podsumowaniu literatury; Kiedy jego doradca zapytał o źródło, okazało się, że liczba ta nie ma podstaw i została całkowicie sfabrykowana. Błąd: Oczekiwanie konkretnych statystyk od sztucznej inteligencji, bez podawania jej danych i zasobów.
Przypadek 3 – Poufność i naruszenie umowy. Analityk przesłał Excel otrzymany od licencjonowanego panelu firmy, zawierający nazwę firmy i obroty, do publicznie dostępnego narzędzia AI i powiedział „wykonaj regresję panelu”. Umowa dostawcy danych zabraniała przekazywania danych do systemów podmiotów trzecich; Incydent spowodował weryfikację zgodności. Właściwym sposobem było zastąpienie nazw firm anonimowymi kodami lub nieudostępnianie danych, a jedynie zażądanie kodu regresji panelu i uruchomienie go we własnym środowisku.
Słaba zachęta/silna zachęta
Słaba zachęta:
Przeanalizuj związek między inflacją a bezrobociem i podaj współczynnik.
To twierdzenie jest błędne: sztucznej inteligencji nie przekazano żadnych danych, nie jest jasne, który kraj, jaki okres, jaki model. Sztuczna inteligencja może odpowiedzieć jedynie za pomocą wymyślonego współczynnika.
Potężny monit:
Twoja rola: jesteś asystentem analitycznym pomagającym badaczowi ekonometrii. NIE udostępniam Ci danych; Chcę tylko RUNNABLE R code. Mam panel roczny: zmienne kraj, rok, bezrobocie, inflacja (wszystkie numeryczne). Zadanie: 1) napisz kod regresji panelu efektów stałych dla bezrobocia ~ inflacji (pakiet plm), 2) wyjaśnij każdy krok w kodzie linią komentarza, 3) zwróć uwagę, że współczynnik należy interpretować jako relacyjny, a nie przyczynowy, 4) uzupełnij argument funkcji, co do którego nie jesteś pewien; Uruchomię i zweryfikuję wynik we własnym środowisku.
W tym żądaniu nie udostępnia się żadnych danych, rola, pakiety, oczekiwanie na uwagi i zakaz „fabrykacji” są jasne. Nadal samodzielnie uruchamiasz i sprawdzasz dane wyjściowe.
Poniższa tabela podsumowuje zasady dotyczące jednego zdania stosowane w tej lekcji:
zasada
Co to znaczy
AI jest asystentem
Decyzja naukowa i odpowiedzialność należą do eksperta
Poproś o kod i wygeneruj wynik
Sztuczna inteligencja nie pamięta numeru; uruchamiasz go i obliczasz
zachować dane
Dane mikro/licencjonowane nie opuszczają bezpiecznego środowiska
zweryfikować
Każdy problem, kod, komentarz jest sprawdzany; fabrykacja zostaje odrzucona
Typowe błędy
- Oczekiwanie konkretnych statystyk od AI bez podawania danych. Model nie może uzyskać dostępu do danych; Podany współczynnik, korelacja i wartość p są fałszywe. Zawsze żądaj kodu i samodzielnie twórz wynik.
- Poleganie na funkcjach halucynacyjnych. Sztuczna inteligencja może zasugerować funkcję R/Python lub argument, który nie istnieje. Nie akceptuj kodu bez jego uruchomienia i sprawdzenia.
- Przesyłanie mikrodanych do narzędzia publicznego. Stanowi to naruszenie KVKK/RODO i umowy o korzystaniu z danych. Anonimizuj dane lub nie udostępniaj ich wcale.
- Mylisz płynność z dokładnością. Dobrze napisana recenzja może być niedokładna. Piękno zdania nie jest dowodem.
- Akceptowanie języka przyczynowego bez kontroli. YZ często mówi „X zwiększa Y”; podczas gdy większość regresji pokazuje jedynie zależności. Broń twierdzeń przyczynowych za pomocą projektu.
Wskazówka: pracując ze sztuczną inteligencją, zadaj sobie następujące pytanie: „Jeśli osoba oceniająca lub audytor poprosi o te wyniki, czy mogę pokazać źródło i relację?” Jeśli odpowiedź brzmi „nie”, dane wyjściowe nie są jeszcze gotowe do użycia.
Podsumowując
AI zapewnia rzeczywiste i ogromne przyspieszenie w warstwie wykonawczej (kod, czyszczenie, wykres, wersja robocza) przepływu pracy w zakresie ekonometrii i statystyki; jednakże wybór modelu, przyczynowość, interpretacja, publikacja i decyzje polityczne należą do eksperta. Trzy podstawowe dyscypliny: nie przypominaj AI numeru, poproś o kod i samodzielnie wygeneruj i zweryfikuj wynik; nie usuwaj danych mikro/licencjonowanych z bezpiecznego środowiska; filtr statystyczny dla każdego wyjścia. Niezweryfikowane wyniki sztucznej inteligencji są tak samo ryzykowne, jak niezweryfikowane ustalenia.
Zadanie aplikacji
Rozważ swój własny (lub przykładowy) zestaw danych. Poproś sztuczną inteligencję o kod w języku R lub Python, który generuje statystyki opisowe i prosty wykres, po prostu opisując strukturę zmiennej, bez udostępniania danych. Uruchom przychodzący kod we własnym środowisku. Następnie zapisz listę kontrolną: (1) czy kod działał bez błędów, (2) czy liczba wierszy/obserwacji jest zgodna z oczekiwaniami, (3) które ze zdań komentarzy AI używa języka przyczynowego i powinno zostać poprawione. W jednym akapicie napisz o czasie, w którym AI Cię uratowała i o przynajmniej jednym wyłapanym błędzie.
lista kontrolna
- [ ] Nie kazałem AI prosić o konkretne statystyki; Poprosiłem o kod i sam wygenerowałem wynik.
- [ ] Ponownie obliczyłem każdą liczbę i wynik testu, który dał, w moim własnym środowisku.
- [ ] Sprawdziłem, że funkcje/argumenty, których używa, rzeczywiście istnieją.
- [ ] Nie przesłałem danych mikro/osobistych/licencjonowanych do narzędzia publicznego.
- [ ] Zaznaczyłem komentarze zawierające język przyczynowy i przeniosłem je do języka relacyjnego.
- [ ] Potrafię pokazać audytorowi źródło i sposób rozliczenia wyników.