Добици:
- Способност прецизног читања резултата регресије (коефицијент, стандардна грешка, п-вредност, Р-квадрат) и критичке процене интерпретације вештачке интелигенције
- Способност препознавања замки као што су разлика између корелације и узрочности, ендогеност, изостављене варијабле и лажна регресија и обуздавање прекомерног каузалног језика вештачке интелигенције
- Способност коришћења вештачке интелигенције за подешавање модела, израду кода и дијагностичких тестова, остављајући одговорност за избор и тумачење модела људима
Економетрија је дисциплина тестирања економске теорије подацима, а регресија је њено основно средство. „Колико расте потрошња како расте приход?“, „Какав је однос између камате и инвестиција?“ Питања попут ових су квантификована регресијом. АИ је и веома корисна и веома опасна у овој области: пише код модела и дијагностичке тестове за неколико секунди, али је често претерано узрочна и превише прецизна када тумачи излаз. Течно изговара реченицу „Кс повећава И“; док већина регресија мери само једну везу. Суштина ове јединице је: Користите АИ за подешавање модела, код и дијагностичко тестирање; али одговорност за избор модела, процену узрочности и тумачење задрже на човеку.
Регресијски излаз читања
Излаз једноставне регресије тражи четири ствари:
- Коефицијент. Процена колико се мења зависна варијабла када се променљива која објашњава увећање за једну јединицу. Знак (плус/минус) и величина морају имати економско значење.
- Стандардна грешка. Неизвесност процене коефицијента; Ако је мањи, процена је тачнија.
- п-вредност. Вероватноћа да се коефицијент појави овако велики под претпоставком да је "заправо нула". За мали п (< 0,05) се каже да је „статистички значајан“ — али то не имплицира економски значај или узрочност.
- Р-квадрат. Колики део промене зависне варијабле модел објашњава. Висок Р-квадрат не значи "тачан модел"; Такође може бити висок у лажним регресијама.
Савет: Не мешајте статистички значај са економским значајем. Чак и врло мали, практично безначајан ефекат може се показати као „значајан“ (мало п) у великом узорку. Прво, "Да ли је величина овог коефицијента економски важна?" “, онда потражите значај.
Корелација није узрочна веза: класичне замке
Ово је упозорење у срцу економетрије. Веза пронађена регресијом често није узрочна. Главне замке:
- Изостављена променљива. Трећи фактор који утиче и на Кс и на И, али није у моделу, ствара лажни однос између Кс и И. (Пример: ако је „способност“ изостављена у односу између образовања и прихода, коефицијент ће бити погрешан.)
- Обрнута узрочност (ендогеност). Иако се сматра да Кс утиче на И, можда И утиче на Кс или су то двоје обострано. (Број полиције и криминал: да ли се полиција повећала јер се криминал повећао?)
- Псеудо регресија. Две нестационарне (трендне) серије могу дати високе Р-квадрат и значајне коефицијенте иако не постоји стварна веза између њих. Само зато што обоје расту током времена.
- Пристрасност избора. Ако узорак није случајан, однос се мери искривљено.
Тврдња о узрочности може се утврдити само уз одговарајући дизајн (методе као што су контролисани експеримент, природни експеримент, инструментална варијабла, разлика у разлици) и јасне претпоставке. Вештачка интелигенција често пропушта ову суптилност.
Опрез: Ако АИ каже „ова променљива то повећава/смањује“, одмах закочите. Проблем: Да ли су неке променљиве изостављене? Да ли је могућа обрнута узрочност? Да ли је серија стационарна? Ниједна узрочна реченица не улази у извештај док се не поставе ова три питања.
Дијагностички тестови
Да би регресија била поуздана, тестирају се њене претпоставке: образац резидуала (термини грешке) (аутокорелација), хетероскедастичност (хетероскедастичност), мултиколинеарност (експланаторне варијабле су веома сличне једна другој), нормална дистрибуција. Вештачка интелигенција пише код за ове тестове; али посао економисте је да интерпретира резултате и у складу са тим прилагоди модел.
три мини кофера
Случај 1 — Лажна регресија. Истраживач је регресирао две серије трендова (једна номинална потрошња, једна номинална друга количина); Р-квадрат је био 0,98, коефицијент је био високо значајан. АИ је „снажна веза“, рекао је. Истраживач је тестирао стационарност: обе серије су биле нестационарне. Када су се раздвојили, веза је углавном нестала. Висок Р-квадрат био је једноставно зато што су обоје расли током времена. Ухваћена лажна регресија.
Случај 2 — Изостављена променљива. Једна анализа је показала да „потрошња на оглашавање повећава продају“. Економиста је питао: да ли постоји сезонски ефекат у моделу? Није било. И реклама и продаја су се повећавали пре празника; Део односа је био сезонски. Када су додате сезонске лажне варијабле, коефицијент оглашавања је постао мањи. Узрочно-последична тврдња је ублажена.
Случај 3 — Значајан, али безначајан. У великом скупу микроподатака, коефицијент је био п<0,001; АИ „снажан утицај“, рекао је. Али величина коефицијента је била практично занемарљива (велика промена прихода померила је резултат за хиљадити део). Економиста га је исправно означио као „статистички значајан, али економски безначајан“. Значај није био замена за важност.
Табела модерирања коментара
вештачка интелигенција каже
Економиста пита
„Кс повећава И“
Изостављена променљива? Обрнута узрочност?
"Р-квадрат је висок, модел је добар"
Да ли је серија стационарна? Лажна регресија?
„п<0,05, значајно“
Да ли је величина економски важна?
„Коефицијент 0,3“
Да ли су његов знак и јединица компатибилни са теоријом?
"Веза је јака"
Да ли је избор узорка пристрасан?
Четири шаблона за копирање
1) Скица инсталације модела:
Испитаћу следеће економско питање: [питање]. Зависна променљива: [И]. Дескриптори кандидата: [Кс]. Предложите ми одговарајуће почетно подешавање регресије (статсмоделс код). Објасните које су контролне варијабле потребне и зашто. НЕ тврдите узрочност; Користите језик односа.
2) Дијагностички тестови:
Упишите у коду дијагностичке тестове за регресију коју сам поставио: аутокорелација, хетероскедастичност, мултиколинеарност, дисперзија резидуала и стационарност (ако је временска серија). Напишите укратко како да тумачите сваки резултат теста и шта да радите ако дође до проблема.
3) Контрола узрочности:
Протумачите овај резултат регресије, али прво проверите ове три замке: (1) да ли постоји изостављена променљива и која, (2) да ли је могућа обрнута узрочност, (3) да ли је низ стационаран/да ли постоји ризик од лажне регресије? Јасно наведите да ли резултат треба тумачити као узрочни или само релациони.
4) Разлика између значаја и важности:
Протумачите следећи коефицијент: вредност [к], стандардна грешка [и], п-вредност [з]. Процените статистички значај посебно, економски значај посебно: да ли је величина овог коефицијента практично значајан ефекат? Конкретизирајте величину утицаја у примеру сценарија.
Слаби промпт / Јаки промпт
Слабо обавештење:
Урадите регресију са овим варијаблама и интерпретирајте резултат.
Вештачка интелигенција то тумачи каузалним језиком, без обављања дијагностичких тестова или провере стационарности; лажна регресија или изостављена варијабла је пропуштена.
Снажан упит:
Зависна варијабла је потрошња, објашњавајући приход; месечне, трендовске серије. Прво тестирајте стационарност; добити разлику ако је потребно. Подесите регресију, покрените дијагностичке тестове (аутокорелација, хетероскедастичност). Експлицитно разговарајте о ризицима изостављених варијабли и обрнуте узрочности приликом тумачења резултата; Користите релациони, а не каузални језик. Посебно процените значај и економски значај и дајте шифру за сваки корак.
Уобичајене грешке
- Погрешна корелација за узрочност. Најчешћа и најскупља грешка.
- Погрешити висок Р-квадрат за квалитет. Такође је висок у лажним регресијама.
- Заобилазећи проверу застоја. Тренд серије производе лажне везе.
- Бркање смислености са значајем. Мало п не значи велики ефекат.
- Прескакање дијагностичких тестова. Нарушена претпоставка поништава читав закључак.
- Прихватање каузалног језика АИ какав јесте. Суд припада човеку.
Укратко
Регресија је моћан, али замка алат. Коефицијент читања, стандардна грешка, п-вредност и Р-квадрат исправно; разликовање корелације и узрочности; провера за изостављене варијабле, обрнуту узрочност и лажне замке регресије; Неопходно је разликовати значај и економски значај. АИ се убрзава у генерисању кода и дијагнозе, али говори превише узрочно; Избор модела и процена узрочности остаје на економисти.
Задатак апликације
Поставите једноставну регресију са подацима које имате (нпр. потрошња-приход). Нека подешавање буде произведено са 1. шаблоном, а дијагностички тестови направљени са 2. шаблоном. Затим проверите узрочност помоћу шаблона 3, именујући најмање једну могућу изостављену променљиву и један сценарио обрнутог узрочности. Преведите узрочну реченицу из почетне интерпретације АИ у релациони језик и забележите промену.
контролна листа
- [ ] Тачно сам прочитао коефицијент, стандардну грешку, п-вредност и Р-квадрат.
- [ ] Проверио сам стационарност серије и елиминисао ризик лажне регресије.
- [ ] Назвао сам изостављену променљиву и могућности обрнуте узрочности.
- [ ] Урадио сам дијагностичке тестове и проценио прекршаје.
- [ ] Одвојено сам процењивао статистички значај и економски значај.
- [ ] Увукао сам каузални језик вештачке интелигенције у релациони језик.
- [ ] Тврдио сам да је избор модела и суд о узрочности мој.