Faida:
- Uwezo wa kusoma kwa usahihi matokeo ya rejista (mgawo, kosa la kawaida, thamani ya p, R-mraba) na kutathmini kwa kina tafsiri ya akili ya bandia.
- Uwezo wa kutambua mitego kama vile tofauti-sababu ya uunganisho, ukamilifu, vigeu vilivyoachwa na urejeshaji wa uwongo, na kuzuia lugha ya ziada ya sababu ya akili bandia.
- Uwezo wa kutumia akili ya bandia kwa usanidi wa mfano, msimbo na uandishi wa uchunguzi wa uchunguzi, na kuacha jukumu la uteuzi wa mfano na tafsiri kwa wanadamu.
Uchumi ni taaluma ya kujaribu nadharia ya kiuchumi kwa kutumia data, na urejeshaji ndio zana yake ya msingi. "Matumizi yanaongezeka kwa kiasi gani kadiri mapato yanavyoongezeka?", "Je, kuna uhusiano gani kati ya riba na uwekezaji?" Maswali kama haya yanahesabiwa kwa regression. AI ni muhimu sana na ni hatari sana katika eneo hili: huandika msimbo wa mfano na vipimo vya uchunguzi kwa sekunde, lakini mara nyingi huwa sababu na sahihi sana wakati wa kutafsiri matokeo. Huzungumza sentensi "X huongeza Y" kwa ufasaha; ilhali rejeshi nyingi hupima uhusiano mmoja tu. Kiini cha kitengo hiki ni: Tumia AI kwa usanidi wa modeli, upimaji wa msimbo na uchunguzi; lakini weka jukumu la uteuzi wa mfano, uamuzi wa sababu, na tafsiri kwa mwanadamu.
Usomaji wa matokeo ya kurejesha hali
Matokeo ya rejista rahisi hutafuta vitu vinne:
- Mgawo. Makadirio ya ni kiasi gani kigezo tegemezi kinabadilika wakati kigezo cha maelezo kinapoongezeka kwa kitengo kimoja. Alama (plus/minus) na ukubwa lazima ziwe na maana ya kiuchumi.
- Hitilafu ya kawaida. kutokuwa na uhakika wa makadirio ya mgawo; Ikiwa ni ndogo, makadirio ni sahihi zaidi.
- p-thamani. Uwezekano wa mgawo kuonekana mkubwa kiasi hiki kwa kudhaniwa kuwa ni "sifuri". Small p (< 0.05) inasemekana kuwa "muhimu kitakwimu" - lakini hii haimaanishi umuhimu wa kiuchumi au sababu.
- R-mraba. Ni kiasi gani cha mabadiliko katika kigezo tegemezi ambacho mtindo unaelezea. R-mraba ya juu haimaanishi "mfano sahihi"; Inaweza pia kuwa juu katika urejeshaji wa uwongo.
Kidokezo: Usichanganye umuhimu wa takwimu na umuhimu wa kiuchumi. Hata athari ndogo sana, isiyo na maana inaweza kugeuka kuwa "muhimu" (ndogo p) katika sampuli kubwa. Kwanza, "Je, ukubwa wa mgawo huu ni muhimu kiuchumi?" ', kisha tafuta umuhimu.
Uwiano sio sababu: mitego ya kawaida
Hili ni tahadhari katika moyo wa uchumi. Uhusiano unaopatikana kwa kurudi nyuma mara nyingi sio sababu. Shida kuu:
- Tofauti iliyoachwa. Jambo la tatu linaloathiri X na Y lakini halimo katika muundo huunda uhusiano wa uwongo kati ya X na Y. (Mfano: ikiwa "uwezo" umeachwa katika uhusiano kati ya elimu na mapato, mgawo utakuwa wa kupotosha.)
- Reverse causality (endogeneity). Ingawa inafikiriwa kuwa X huathiri Y, labda Y huathiri X au hizo mbili ni za kuheshimiana. (Nambari za polisi na uhalifu: je polisi waliongezeka kwa sababu uhalifu uliongezeka?)
- Urejesho wa uwongo. Mifululizo miwili isiyo ya kusimama (inayovuma) inaweza kutoa vijigawo vya juu vya R-mraba na muhimu ingawa hakuna uhusiano halisi kati yake. Kwa sababu wote wawili hukua kwa wakati.
- Upendeleo wa uteuzi. Ikiwa sampuli sio ya nasibu, uhusiano unapimwa umepotoshwa.
Dai la sababu linaweza tu kuthibitishwa kwa muundo ufaao (mbinu kama vile majaribio yanayodhibitiwa, majaribio asilia, mabadiliko ya ala, tofauti-tofauti) na mawazo wazi. Akili ya bandia mara nyingi hukosa ujanja huu.
Tahadhari: Ikiwa AI inasema "kigeu hiki kinaongezeka / kinapunguza", breki mara moja. Shida: Je, kuna vigeu vilivyoachwa? Je, sababu ya kurudi nyuma inawezekana? Je, mfululizo huo umesimama? Hakuna sentensi ya sababu inayoingia kwenye ripoti hadi maswali haya matatu yatakapoulizwa.
Vipimo vya uchunguzi
Ili urejeleaji uwe wa kutegemewa, mawazo yake yanajaribiwa: muundo wa mabaki (maneno ya makosa) (autocorrelation), heteroskedasticity (heteroskedasticity), multicollinearity (vigezo vya maelezo vinafanana sana), usambazaji wa kawaida. Akili bandia huandika kanuni za majaribio haya; lakini ni kazi ya mchumi kutafsiri matokeo na kurekebisha mfano ipasavyo.
kesi tatu ndogo
Kesi ya 1 - Urejeshaji wa uwongo. Mtafiti alirejelea mfululizo wa misururu miwili ya mienendo (matumizi ya kawaida, moja ya kiasi kingine); R-mraba ilikuwa 0.98, mgawo ulikuwa muhimu sana. AI "ni uhusiano wenye nguvu," alisema. Mtafiti alipima usimamaji: safu zote mbili hazikuwa za kusimama. Mara tu walipotengana, uhusiano huo kwa kiasi kikubwa ulitoweka. R-mraba ya juu ilikuwa kwa sababu wote wawili walikua kwa muda. Urejesho wa uwongo umekamatwa.
Kesi 2 - Tofauti iliyoachwa. Uchambuzi mmoja uligundua kuwa "matumizi ya utangazaji huongeza mauzo." Mchumi aliuliza: kuna athari ya msimu katika mfano huo? Hapakuwepo. Matangazo na mauzo yote yalikuwa yanaongezeka kabla ya likizo; Sehemu ya uhusiano ilikuwa msimu. Vigezo vya dummy vya msimu vilipoongezwa, mgawo wa utangazaji ukawa mdogo. Madai ya sababu yamelainishwa.
Kesi ya 3 - Muhimu lakini isiyo na maana. Katika seti kubwa ya data ndogo, mgawo ulikuwa p<0.001; AI "athari kali," alisema. Lakini ukubwa wa mgawo haukuwa na maana (mabadiliko makubwa ya mapato yalisababisha matokeo kwa elfu moja). Mwanauchumi aliiweka kwa usahihi kama "muhimu kitakwimu lakini isiyo na maana kiuchumi." Umuhimu haukuwa mbadala wa umuhimu.
Jedwali la kudhibiti maoni
akili ya bandia inasema
Mchumi anauliza
"X huongeza Y"
Umeachwa tofauti? Reverse causality?
"R-mraba ni ya juu, mfano ni mzuri"
Je, mfululizo huo umesimama? Urejeshaji wa uwongo?
"p<0.05, muhimu"
Je, ukubwa unajalisha kiuchumi?
"Mgawo 0.3"
Je, ishara na kitengo chake vinaendana na nadharia?
"Uhusiano ni nguvu"
Je, uteuzi wa sampuli una upendeleo?
Violezo vinne vinavyoweza kunakiliwa
1) Mchoro wa ufungaji wa mfano:
Nitachunguza swali lifuatalo la kiuchumi: [swali]. Tofauti tegemezi: [Y]. Vielezi vya mtahiniwa: [X]. Nipendekeze usanidi unaofaa wa urekebishaji wa awali (msimbo wa statsmodels). Eleza ni vigezo vipi vya udhibiti vinavyohitajika na kwa nini. USIDAI sababu; Tumia lugha ya uhusiano.
2) Vipimo vya utambuzi:
Andika kwa msimbo vipimo vya uchunguzi wa urekebishaji nilioweka: uunganisho wa kiotomatiki, usawaziko wa hali ya juu, usawaziko, mtawanyiko wa mabaki, na utulivu (ikiwa ni mfululizo wa saa). Andika kwa ufupi jinsi ya kutafsiri kila matokeo ya mtihani na nini cha kufanya ikiwa kuna matatizo.
3) Udhibiti wa sababu:
Tafsiri matokeo haya ya rejista, lakini kwanza angalia hitilafu hizi tatu: (1) kunaweza kuwa na tofauti iliyoachwa na ni ipi, (2) inaweza kuwa sababu ya kurudi nyuma, (3) ni mfululizo wa stationary / kuna hatari ya urejeshaji wa uwongo? Taja wazi kama matokeo yanapaswa kufasiriwa kama sababu au uhusiano tu.
4) Umuhimu-umuhimu tofauti:
Tafsiri mgawo ufuatao: thamani [x], hitilafu ya kawaida [y], p-thamani [z]. Tathmini umuhimu wa takwimu kando, umuhimu wa kiuchumi kando: je, ukubwa wa mgawo huu ni athari muhimu kivitendo? Saruji ukubwa wa athari katika kisa cha mfano.
Mwongozo dhaifu / Mwongozo thabiti
Agizo dhaifu:
Fanya rejista na anuwai hizi na utafsiri matokeo.
Akili ya Bandia inaifasiri kwa lugha ya kisababishi, bila kufanya vipimo vya utambuzi au kuangalia hali ya kusimama; rejeshi potofu au utofauti ulioachwa haujapatikana.
Agizo lenye nguvu:
Tofauti tegemezi ni matumizi, mapato ya maelezo; mfululizo wa kila mwezi unaovuma. Jaribu kusimama kwanza; pata tofauti ikiwa ni lazima. Sanidi regression, endesha vipimo vya uchunguzi (autocorrelation, heteroscedasticity). Jadili kwa uwazi hatari za vigeu vilivyoachwa na kubadili sababu wakati wa kufasiri matokeo; Tumia lugha ya kimahusiano badala ya kusababisha. Tathmini umuhimu na umuhimu wa kiuchumi kando na upe kanuni kwa kila hatua.
Makosa ya kawaida
- Kukosea kwa uunganisho wa sababu. Makosa ya kawaida na ya gharama kubwa zaidi.
- Inakosea R-raba ya juu kwa ubora. Pia iko juu katika kurudi nyuma kwa uwongo.
- Kukwepa ukaguzi wa tuli. Misururu inayovuma huzaa mahusiano ya uwongo.
- Kuchanganya maana na umuhimu. Ndogo p haimaanishi athari kubwa.
- Kuruka vipimo vya uchunguzi. Dhana iliyokiukwa inashinda dhana nzima.
- Kukubali lugha ya sababu ya AI kama ilivyo. Hukumu ni ya mwanadamu.
Kwa muhtasari
Regression ni zana yenye nguvu lakini iliyoanguka. Mgawo wa kusoma, makosa ya kawaida, p-thamani na R-mraba kwa usahihi; kutofautisha kati ya uwiano na causation; kuangalia kwa vigeu vilivyoachwa, visababishi vya nyuma, na mitego ya urejeshi ya uongo; Ni muhimu kutofautisha kati ya umuhimu na umuhimu wa kiuchumi. AI inaongeza kasi katika kizazi cha msimbo na utambuzi, lakini inazungumza kwa sababu; Uchaguzi wa mfano na uamuzi wa sababu hutegemea mwanauchumi.
Jukumu la maombi
Sanidi urejeshaji rahisi na data uliyonayo (k.m. mapato ya matumizi). Fanya usanidi utengenezwe kwa kutumia kiolezo cha 1, na vipimo vya uchunguzi vitolewe kwa kiolezo cha 2. Kisha angalia sababu ukitumia kiolezo cha 3, ukitaja angalau kigezo kimoja kinachowezekana kilichoachwa na hali moja ya nyuma ya sababu. Tafsiri sentensi ya sababu kutoka kwa tafsiri ya awali ya AI hadi lugha ya uhusiano na kumbuka mabadiliko.
orodha ya ukaguzi
- [ ] Nilisoma mgawo, hitilafu ya kawaida, p-thamani na R-mraba kwa usahihi.
- [ ] Nilikagua kutosimama kwa mfululizo na kuondoa hatari ya kurudi nyuma kwa uongo.
- [ ] Nilitaja kigeuzo kilichoachwa na uwezekano wa kubadilisha visababishi.
- [ ] Niliendesha vipimo vya uchunguzi na kutathmini ukiukaji.
- [ ] Nilitathmini umuhimu wa takwimu na umuhimu wa kiuchumi kando.
- [ ] Nimechora lugha ya sababu ya akili ya bandia katika lugha ya uhusiano.
- [ ] Nilishikilia kuwa chaguo la kielelezo na hukumu ya sababu ilikuwa yangu.