ලාභ:
- ප්රතිගාමී ප්රතිදානය (සංගුණකය, සම්මත දෝෂය, p-අගය, R-චතුරශ්රය) නිවැරදිව කියවීමට සහ කෘතිම බුද්ධි අර්ථ නිරූපණය විවේචනාත්මකව ඇගයීමට හැකියාව
- සහසම්බන්ධ-හේතු වෙනස, ආවේණිකත්වය, අත්හැර දැමූ විචල්යයන් සහ ව්යාජ ප්රතිගාමීත්වය වැනි අන්තරායන් හඳුනා ගැනීමට සහ කෘතිම බුද්ධියේ අධික හේතුකාරක භාෂාව මැඩපැවැත්වීමේ හැකියාව
- ආකෘති සැකසීම, කේතය සහ රෝග විනිශ්චය පරීක්ෂණ කෙටුම්පත් කිරීම සඳහා කෘතිම බුද්ධිය භාවිතා කිරීමේ හැකියාව, ආකෘති තේරීම සහ අර්ථ නිරූපණය කිරීමේ වගකීම මිනිසුන්ට පැවරීම
Econometrics යනු දත්ත සමඟ ආර්ථික න්යාය පරීක්ෂා කිරීමේ විනය වන අතර ප්රතිගාමීත්වය එහි මූලික මෙවලම වේ. "ආදායම වැඩි වන විට පරිභෝජනය කොපමණ වැඩි වේද?", "පොළිය සහ ආයෝජනය අතර සම්බන්ධය කුමක්ද?" මෙවැනි ප්රශ්න ප්රතිගමනය මගින් ප්රමාණ කර ඇත. AI මෙම ප්රදේශය තුළ ඉතා ප්රයෝජනවත් සහ ඉතා භයානක ය: එය තත්පර කිහිපයකින් ආදර්ශ කේතය සහ රෝග විනිශ්චය පරීක්ෂණ ලියයි, නමුත් ප්රතිදානය අර්ථකථනය කිරීමේදී බොහෝ විට ඕනෑවට වඩා හේතු සහ ඉතා නිරවද්ය වේ. "X වැඩි කරයි Y" යන වාක්යය චතුර ලෙස කථා කරයි; බොහෝ පසුබෑම් මනිනු ලබන්නේ එක් සම්බන්ධතාවයක් පමණි. මෙම ඒකකයේ සාරාංශය වන්නේ: ආකෘති සැකසීම, කේතය සහ රෝග විනිශ්චය පරීක්ෂණ සඳහා AI භාවිතා කරන්න; නමුත් ආදර්ශ තේරීම, හේතු විනිශ්චය සහ අර්ථකථනය සඳහා වගකීම මිනිසා මත තබා ගන්න.
ප්රතිගාමී ප්රතිදානය කියවීම
සරල ප්රතිගමනයක ප්රතිදානය කරුණු හතරක් සොයයි:
- සංගුණකය. පැහැදිලි කිරීමේ විචල්යය එක් ඒකකයකින් වැඩි වන විට රඳා පවතින විචල්යය කොපමණ වෙනස් වේද යන්න පිළිබඳ ඇස්තමේන්තුවක්. ලකුණ (ප්ලස්/අඩු) සහ විශාලත්වයට ආර්ථික අර්ථයක් තිබිය යුතුය.
- සම්මත දෝෂය. සංගුණක ඇස්තමේන්තුවේ අවිනිශ්චිතතාවය; එය කුඩා නම්, ඇස්තමේන්තුව වඩාත් නිවැරදි වේ.
- p-අගය. එය "ඇත්ත වශයෙන්ම ශුන්ය" යන උපකල්පනය යටතේ සංගුණකය මෙතරම් විශාල ලෙස දිස්වීමේ සම්භාවිතාව. කුඩා p (< 0.05) "සංඛ්යානමය වශයෙන් වැදගත්" යැයි කියනු ලැබේ - නමුත් මෙය ආර්ථික වැදගත්කම හෝ හේතුකාරකය අදහස් නොකරයි.
- R-චතුරස්රය. ආකෘතිය පැහැදිලි කරන පරායත්ත විචල්යයේ කොපමණ වෙනසක්. ඉහළ R-වර්ගයක් යනු "නිවැරදි ආකෘතිය" නොවේ; එය ව්යාජ ප්රතිගාමීත්වයන් ද ඉහළ විය හැක.
ඉඟිය: ආර්ථික වැදගත්කම සමඟ සංඛ්යානමය වැදගත්කම පටලවා නොගන්න. ඉතා කුඩා, ප්රායෝගිකව නොවැදගත් බලපෑමක් පවා විශාල නියැදියක "සැලකිය යුතු" (කුඩා p) බවට හැරවිය හැක. පළමුව, "මෙම සංගුණකයේ විශාලත්වය ආර්ථික වශයෙන් වැදගත්ද?" ', පසුව වැදගත්කම සොයන්න.
සහසම්බන්ධය හේතු නොවේ: සම්භාව්ය අන්තරායන්
ආර්ථිකමිතිකයේ හදවතේ ඇති අවවාදය මෙයයි. ප්රතිගාමීත්වය මගින් සොයා ගන්නා සම්බන්ධතාවය බොහෝ විට හේතුකාරක නොවේ. ප්රධාන අන්තරායන්:
- අතහැර දැමූ විචල්යය. X සහ Y දෙකටම බලපාන නමුත් ආකෘතියේ නොමැති තුන්වන සාධකය X සහ Y අතර ව්යාජ සම්බන්ධතාවයක් නිර්මාණය කරයි. (උදාහරණ: අධ්යාපනය සහ ආදායම අතර සම්බන්ධතාවයේ "හැකියාව" ඉවත් කර ඇත්නම්, සංගුණකය නොමඟ යවන සුළු වනු ඇත.)
- ප්රතිලෝම හේතුව (අන්තර්ජාතිකත්වය). X ට Y බලපාන බව සිතන අතර, සමහර විට Y බලපාන්නේ X හෝ දෙක අන්යෝන්ය ය. (පොලිස් සංඛ්යාව සහ අපරාධ: අපරාධ වැඩි වූ නිසා පොලිසිය වැඩි වූවාද?)
- ව්යාජ ප්රතිගාමීත්වය. ස්ථාවර නොවන (ප්රවණතා) ශ්රේණි දෙකක් ඒවා අතර සැබෑ සම්බන්ධතාවයක් නොමැති වුවද ඉහළ R-වර්ග සහ සැලකිය යුතු සංගුණක ලබා දිය හැක. ඒ දෙකම කාලයත් සමඟ වර්ධනය වන නිසා පමණි.
- තේරීමේ නැඹුරුව. නියැදිය අහඹු නොවේ නම්, සම්බන්ධතාවය මනිනු ලබන්නේ විකෘති ලෙස ය.
හේතුඵල ප්රකාශය ස්ථාපිත කළ හැක්කේ යෝග්ය සැලසුමක් (පාලිත අත්හදා බැලීම, ස්වාභාවික අත්හදා බැලීම, උපකරණ විචල්ය, වෙනස-වෙනස වැනි ක්රම) සහ පැහැදිලි උපකල්පන සමඟ පමණි. කෘතිම බුද්ධිය බොහෝ විට මෙම සියුම් බව මග හැරේ.
අවවාදයයි: AI පවසන්නේ නම් "මෙම විචල්යය එය වැඩි කරයි/අඩු කරයි", වහාම තිරිංග දමන්න. ගැටලුව: යම් විචල්යයන් මඟ හැර තිබේද? ප්රතිලෝම හේතුකාරකය හැකිද? මාලාව නිශ්චලද? මෙම ප්රශ්න තුන අසන තුරු කිසිදු හේතු වාක්යයක් වාර්තාවට ඇතුළත් නොවේ.
රෝග විනිශ්චය පරීක්ෂණ
ප්රතිගාමී වීම විශ්වාසදායක වීම සඳහා, එහි උපකල්පන පරීක්ෂා කරනු ලැබේ: අවශේෂ රටාව (දෝෂ නියමයන්) (ස්වයං සහසම්බන්ධතාව), විෂම ස්කන්ධතාවය (විෂමාංශිකතාවය), බහුකොලිනියරිටි (පැහැදිලි කිරීමේ විචල්යයන් එකිනෙකට බෙහෙවින් සමාන ය), සාමාන්ය ව්යාප්තිය. කෘතිම බුද්ධිය මෙම පරීක්ෂණ සඳහා කේතය ලියයි; නමුත් ප්රතිඵල අර්ථ නිරූපණය කිරීම සහ ඒ අනුව ආකෘතිය සකස් කිරීම ආර්ථික විද්යාඥයාගේ කාර්යයයි.
කුඩා නඩු තුනක්
නඩුව 1 - ව්යාජ ප්රතිගාමිත්වය. පර්යේෂකයෙක් ප්රවණතා ශ්රේණි දෙකක් (එක් නාමික වියදම්, එක් නාමික තවත් ප්රමාණයක්) ආපසු හැරවීය; R-squared 0.98, සංගුණකය ඉතා වැදගත් විය. AI යනු "ශක්තිමත් සම්බන්ධතාවයකි," ඔහු පැවසීය. පර්යේෂකයා නිශ්චලතාව සඳහා පරීක්ෂා කළේය: ශ්රේණි දෙකම ස්ථිතික නොවේ. ඔවුන් වෙන් වූ පසු, සම්බන්ධතාවය බොහෝ දුරට අතුරුදහන් විය. ඉහළ R-චතුරශ්රය වූයේ ඔවුන් දෙදෙනාම කාලයත් සමඟ වර්ධනය වූ බැවිනි. ව්යාජ ප්රතිගාමීත්වය හසු විය.
නඩුව 2 - අතහැර දැමූ විචල්යය. එක් විශ්ලේෂණයකින් හෙළි වූයේ “ප්රචාරණ වියදම් විකුණුම් වැඩි කරයි” යන්නයි. ආර්ථික විද්යාඥයා ඇසුවේය: ආකෘතියේ සෘතුමය බලපෑමක් තිබේද? තිබුණේ නැහැ. නිවාඩුවට පෙර වෙළඳ දැන්වීම් සහ විකුණුම් යන දෙකම වැඩි වෙමින් පැවතුනි; සම්බන්ධතාවයේ කොටසක් සෘතුමය විය. වාර ව්යාජ විචල්ය එකතු කළ විට, වෙළඳ ප්රචාරණ සංගුණකය කුඩා විය. හේතු ප්රකාශය මෘදු වී ඇත.
නඩුව 3 - සැලකිය යුතු නමුත් නොවැදගත්. විශාල ක්ෂුද්ර දත්ත කට්ටලයක සංගුණකය p<0.001; AI "ප්රබල බලපෑමක්" ඔහු පැවසීය. නමුත් සංගුණකයේ විශාලත්වය ප්රායෝගිකව නොසැලකිලිමත් විය (ආදායම්වල විශාල වෙනසක් ප්රති result ලය දහසකින් ගෙන ගියේය). ආර්ථික විද්යාඥයා එය "සංඛ්යානමය වශයෙන් වැදගත් නමුත් ආර්ථිකමය වශයෙන් නොවැදගත්" ලෙස නිවැරදිව සකස් කළේය. වැදගත්කම වැදගත්කම වෙනුවට ආදේශකයක් නොවීය.
අදහස් මධ්යස්ථ වගුව
කෘතිම බුද්ධිය පවසයි
ආර්ථික විශේෂඥයා අසයි
"X Y වැඩි කරයි"
අතහැර දැමූ විචල්යය? ප්රතිලෝම හේතුව?
"R-square ඉහළයි, ආකෘතිය හොඳයි"
මාලාව නිශ්චලද? ව්යාජ පසුබෑමක්?
"p<0.05, සැලකිය යුතු"
ප්රමාණය ආර්ථික වශයෙන් වැදගත්ද?
"සංගුණකය 0.3"
එහි ලකුණ සහ ඒකකය න්යායට අනුකූලද?
"සම්බන්ධතාවය ශක්තිමත්"
නියැදි තේරීම පක්ෂග්රාහීද?
පිටපත් කළ හැකි සැකිලි හතරක්
1) ආදර්ශ ස්ථාපන සටහන:
මම පහත ආර්ථික ප්රශ්නය පරීක්ෂා කරමි: [ප්රශ්නය]. යැපෙන විචල්යය: [Y]. අපේක්ෂක විස්තර: [X's]. මට සුදුසු ආරම්භක ප්රතිගාමී සැකසුම (statsmodels code) යෝජනා කරන්න. කුමන පාලන විචල්යයන් අවශ්යද සහ එයට හේතුව පැහැදිලි කරන්න. හේතුකාරකය ප්රකාශ නොකරන්න; සම්බන්ධතා භාෂාව භාවිතා කරන්න.
2) රෝග විනිශ්චය පරීක්ෂණ:
මා විසින් සකස් කරන ලද ප්රතිගාමීත්වය සඳහා වන රෝග විනිශ්චය පරීක්ෂණ කේතයෙන් ලියන්න: ස්වයං සහසම්බන්ධතාව, විෂමජාතීය, බහුකොලිනියරිටි, අවශේෂවල විසරණය සහ නිශ්චලතාව (එය කාල ශ්රේණියක් නම්). එක් එක් පරීක්ෂණ ප්රතිඵලය අර්ථකථනය කරන්නේ කෙසේද සහ ගැටලු ඇත්නම් කුමක් කළ යුතුද යන්න කෙටියෙන් ලියන්න.
3) හේතුකාරක පාලනය:
මෙම ප්රතිගාමී ප්රතිඵලය අර්ථකථනය කරන්න, නමුත් පළමුව මෙම අන්තරායන් තුන පරීක්ෂා කරන්න: (1) අතහැර දැමූ විචල්යයක් තිබිය හැකිද සහ කුමන එකක්ද, (2) ප්රතිලෝම හේතුකාරකය හැකිද, (3) ශ්රේණිය නිශ්චලද / ව්යාජ ප්රතිගාමී වීමේ අවදානමක් තිබේද? ප්රතිඵලය විග්රහ කළ යුත්තේ හේතු ප්රතිඵලයක් ලෙසද නැතහොත් හුදෙක් සම්බන්ධතාවක් ලෙසින්ද යන්න පැහැදිලිව සඳහන් කරන්න.
4) වැදගත්කම-වැදගත් වෙනස:
පහත සංගුණකය අර්ථ දක්වන්න: අගය [x], සම්මත දෝෂය [y], p-අගය [z]. සංඛ්යානමය වැදගත්කම වෙන වෙනමත්, ආර්ථික වැදගත්කම වෙන වෙනමත් තක්සේරු කරන්න: මෙම සංගුණකයේ විශාලත්වය ප්රායෝගිකව සැලකිය යුතු බලපෑමක්ද? උදාහරණ අවස්ථාවක බලපෑමේ විශාලත්වය කොන්ක්රීට් කරන්න.
දුර්වල ක්ෂණික / ශක්තිමත් විමසුම
දුර්වල ක්ෂණික:
මෙම විචල්යයන් සමඟ ප්රතිගමනයක් සිදු කර ප්රතිඵලය අර්ථකථනය කරන්න.
කෘතිම බුද්ධිය රෝග විනිශ්චය පරීක්ෂණ හෝ නිශ්චලතාව පරීක්ෂා කිරීමකින් තොරව හේතුකාරක භාෂාවකින් එය අර්ථකථනය කරයි; ව්යාජ ප්රතිගාමීත්වය හෝ අතහැර දැමූ විචල්යය මග හැරී ඇත.
බලවත් විමසුම:
යැපෙන විචල්යය පරිභෝජනය, පැහැදිලි කිරීමේ ආදායම; මාසික, ප්රවණතා මාලාවක්. නිශ්චලතාව පළමුව පරීක්ෂා කරන්න; අවශ්ය නම් වෙනසක් ලබා ගන්න. ප්රතිගාමීත්වය සකසන්න, රෝග විනිශ්චය පරීක්ෂණ පවත්වන්න (ස්වයං සහසම්බන්ධතාව, විෂමජාතීත්වය). ප්රතිඵලය අර්ථකථනය කිරීමේදී අත්හැර දැමූ විචල්යවල අවදානම සහ ප්රතිලෝම හේතුකාරකත්වය පිළිබඳව පැහැදිලිව සාකච්ඡා කරන්න; හේතුකාරක භාෂාවට වඩා සම්බන්ධතා භාවිතා කරන්න. වැදගත්කම සහ ආර්ථික වැදගත්කම වෙන වෙනම තක්සේරු කර එක් එක් පියවර සඳහා කේතය ලබා දෙන්න.
පොදු වැරදි
- හේතුව සඳහා වැරදි සහසම්බන්ධය. වඩාත්ම පොදු හා වඩාත්ම මිල අධික වැරැද්ද.
- උසස් R-චතුරශ්රයක් ගුණාත්මකභාවය සඳහා වරදවා වටහා ගැනීම. එය ව්යාජ ප්රතිගාමීත්වයන් ද ඉහළ ය.
- එකතැන පල්වීම පරීක්ෂා කිරීම මග හැරීම. ප්රවණතා මාලාවන් ව්යාජ සබඳතා ඇති කරයි.
- අර්ථාන්විතභාවය වැදගත්කම සමඟ පටලවා ගැනීම. කුඩා p යනු විශාල බලපෑමක් අදහස් නොවේ.
- රෝග විනිශ්චය පරීක්ෂණ මඟ හැරීම. උල්ලංඝනය කළ උපකල්පනය සමස්ත අනුමානයම පරාජය කරයි.
- AI හි හේතුකාරක භාෂාව එලෙසම පිළිගැනීම. විනිශ්චය මිනිසා සතුය.
සාරාංශයක් ලෙස
ප්රතිගමනය බලවත් නමුත් අන්තරාදායක මෙවලමකි. කියවීමේ සංගුණකය, සම්මත දෝෂය, p-අගය සහ R-වර්ග නිවැරදිව; සහසම්බන්ධය සහ හේතුව අතර වෙනස හඳුනා ගැනීම; අතහැර දැමූ විචල්යයන්, ප්රතිලෝම හේතුකාරකත්වය සහ ව්යාජ ප්රතිගාමී අන්තරායන් සඳහා පරීක්ෂා කිරීම; වැදගත්කම සහ ආර්ථික වැදගත්කම අතර වෙනස හඳුනා ගැනීම අවශ්ය වේ. AI කේතය සහ රෝග විනිශ්චය උත්පාදනය තුළ වේගවත් වෙමින් පවතී, නමුත් එය හේතුකාරක ලෙස කථා කරයි; ආදර්ශය තෝරා ගැනීම සහ හේතු සාධක විනිශ්චය ආර්ථික විද්යාඥයා මත රඳා පවතී.
යෙදුම් කාර්යය
ඔබ සතුව ඇති දත්ත සමඟ සරල ප්රතිගමනයක් සකසන්න (උදා. පරිභෝජනය-ආදායම). සැකසුම 1 වන අච්චුව සමඟින් සහ 2 වන අච්චුව සමඟින් රෝග විනිශ්චය පරීක්ෂණ නිපදවන්න. පසුව සැකිල්ල 3 සමඟ හේතු කාරකය පරීක්ෂා කරන්න, අවම වශයෙන් එක් අතපසු කළ විචල්යයක් සහ එක් ප්රතිලෝම හේතුකාරක අවස්ථාවක් නම් කරන්න. AI හි ආරම්භක අර්ථ නිරූපණයෙන් හේතු වාක්යයක් සම්බන්ධතා භාෂාවට පරිවර්තනය කර වෙනස සටහන් කරන්න.
පිරික්සුම් ලැයිස්තුව
- [ ] මම සංගුණකය, සම්මත දෝෂය, p-අගය සහ R-වර්ග නිවැරදිව කියෙව්වා.
- [ ] මම මාලාවේ නිශ්චලතාව පරීක්ෂා කර ව්යාජ ප්රතිගාමී වීමේ අවදානම ඉවත් කළෙමි.
- [ ] මම අතහැර දැමූ විචල්යය සහ ප්රතිලෝම හේතුකාරක විභවයන් නම් කළෙමි.
- [ ] මම රෝග විනිශ්චය පරීක්ෂණ පවත්වා උල්ලංඝනයන් ඇගයීමට ලක් කළෙමි.
- [ ] මම සංඛ්යානමය වැදගත්කම සහ ආර්ථික වැදගත්කම වෙන වෙනම ඇගයීමට ලක් කළෙමි.
- [ ] මම කෘත්රිම බුද්ධියේ හේතුකාරක භාෂාව සම්බන්ධතා භාෂාවට ඇද ගත්තෙමි.
- [ ] මම ආදර්ශය තෝරා ගැනීම සහ හේතුඵල විනිශ්චය මගේ බව තහවුරු කළා.