Faida:
- Uwezo wa kuunda muundo wa urejeshaji wa mstari na usaidizi wa akili bandia na kutafsiri coefficients, makosa ya kawaida na R-mraba katika lugha sahihi na isiyo ya sababu.
- Uwezo wa kuelewa mawazo ya kimsingi ambayo muundo umejengwa juu yake (msururu, utofauti, tofauti za mara kwa mara) na kile kinachotokea wakati zinakiukwa, na kutumia akili ya bandia kwa udhibiti wa dhana.
- Uwezo wa kutambua na kusahihisha madai mengi ya sababu na kupuuzwa kwa shida za kutofautiana katika tafsiri za mgawo zinazozalishwa na akili ya bandia.
Urejeshaji wa mstari ndio uti wa mgongo wa uchumi na takwimu zinazotumika. Kwa njia rahisi zaidi, inakadiria jinsi kigezo tegemezi (matokeo unayotaka kueleza, kama vile mapato) kinatofautiana kupitia uhusiano wa mstari na kigezo kimoja au zaidi huru (sababu za maelezo, kama vile miaka ya elimu, uzoefu). Mfano una fomu: mapato = β0 + β1 · elimu + β2 · uzoefu + u. Hapa hesabu za β (beta) zinaonyesha ukubwa wa uhusiano, na u huonyesha neno la makosa (athari zote zisizozingatiwa) ambazo modeli haiwezi kuelezea. Katika kitengo hiki, tutaona jinsi akili ya bandia (AI) inavyoharakisha ujenzi na ukalimani wa regression, lakini kwa nini tafsiri ya mgawo ndipo makosa hufanywa mara nyingi.
Wacha tuweke kusudi la msingi tangu mwanzo: AI inaandika nambari ya rejista, inapanga jedwali la pato, hutoa rasimu ya tafsiri ya mgawo. Lakini ni uamuzi wako ambao vijiti huingia kwenye modeli (vipimo vya mfano), ikiwa mgawo unatafsiriwa kama sababu au uhusiano, na ikiwa kuna tofauti iliyopuuzwa. Tabia hatari zaidi ya AI ni kuwasilisha hesabu za rejeshi za kawaida katika lugha ya sababu kama vile "X huongeza Y"; ilhali rejeshi nyingi zinaonyesha uhusiano tu (uwiano).
Mtiririko wa urejeshaji wa hatua kwa hatua
1. Jenga kielelezo kwa nadharia. Ambayo vigezo itakuwa tegemezi na ambayo itakuwa huru linatokana na maarifa ya uwanja na nadharia, si kutoka takwimu. Mantiki ya "Ni mambo gani yanayoathiri matokeo haya?" sio mantiki ya "chochote ninachoweka kwenye data, mgawo utakuwa muhimu".
2. Nadhani. Njia inayojulikana zaidi ni OLS (Mraba Mdogo wa Kawaida): huteua miraba kwa njia ambayo inapunguza jumla ya tofauti za mraba kati ya thamani zinazotazamwa na zilizotabiriwa. AI hutoa nambari ya hii (lm() katika R, statsmodels huko Python) kwa kuruka.
3. Soma pato. Tafuta vitu vinne katika pato la urekebishaji: mgawo (mwelekeo na ukubwa wa uhusiano), kosa la kawaida (kutokuwa na uhakika wa kikadirio), t-takwimu na thamani ya p (uthabiti wa ushahidi kwamba mgawo ni tofauti na sifuri), R-mraba (ni kiasi gani cha tofauti katika kigezo tegemezi kinachoelezea kutoka 0 hadi 1). R-mraba ya juu haimaanishi "mfano mzuri"; Hakuna causality hata kidogo.
4. Tafsiri mgawo kwa usahihi. Ikiwa mgawo wa elimu ni 1,200, tafsiri sahihi ni: "Vigezo vingine vinavyobadilika, ongezeko la mwaka mmoja katika elimu linahusishwa na wastani wa vitengo 1,200 vya mapato ya juu." Tafsiri potofu: "Mwaka mwingine wa elimu huongeza mapato kwa 1,200." Ya pili ni madai ya sababu na inaweza tu kutetewa kwa muundo unaofaa (kitengo cha 9).
5. Angalia mawazo. Uhalali wa regression inategemea mawazo fulani (chini). AI inazalisha msimbo wa uchunguzi; Wewe toa maoni.
Mawazo ya kimsingi ya urejeshaji wa mstari
Mawazo ambayo muundo wa mstari wa kitamaduni umeegemezwa ni muhimu ili vigawanyiko visiwe na upendeleo (kilichowekwa katikati) na makosa ya kawaida kuwa ya kuaminika:
- Linearity: Uhusiano ni wa mstari katika vigezo (umenyoshwa katika logi/maneno ya mraba ikiwa ni lazima).
- Exogeneity (maana ya sifuri ya masharti): Neno la makosa halihusiani na vigezo vya maelezo. Hili ndilo wazo muhimu zaidi na linalokiukwa mara kwa mara; ukiukaji huunda upendeleo tofauti ulioachwa.
- Tofauti za mara kwa mara (homoscedasticity): Tofauti ya neno la makosa ni sawa katika uchunguzi wote (ukiukaji: heteroscedasticity - kitengo 5).
- Kutokuwepo kwa uunganisho otomatiki: Hitilafu zinajitegemea (ukiukaji wa mara kwa mara katika mfululizo wa saa - vitengo 5 na 8).
- Kutokuwepo kwa uwingi uliokithiri: Vigezo vya maelezo si karibu kufanana kwa kila kimoja (kitengo cha 5).
Tahadhari: Tatizo hatari zaidi ni upendeleo unaopuuzwa. Ukiacha kipengele kutoka kwa muundo wako ambacho kinahusiana na mapato na elimu (k.m. historia ya familia, uwezo), mgawo wa elimu huchukua athari ya kipengele hiki kinachokosekana na kuongezeka. AI haiwezi kujua tofauti inayokosekana; Ujuzi wako wa uga tu ndio unaweza kuunasa.
Jedwali la kulinganisha: tafsiri ya kweli dhidi ya mgawo usio sahihi
pato
Tafsiri isiyo sahihi (sababu).
Tafsiri sahihi (ya kimahusiano).
mgawo wa elimu = 1.200
"Elimu huongeza kipato kwa 1,200"
"Mwaka mmoja elimu zaidi, ceteris paribus, inahusishwa na mapato ya juu 1,200."
R² = 0.68
"Mtindo alishika ukweli"
"68% ya mabadiliko yameelezewa; haionyeshi sababu"
p <0.01
"Athari ni kubwa"
"Ushahidi dhabiti kwamba mgawo ni tofauti na sifuri; ukubwa ni tofauti"
mgawo hasi
"X inapunguza Y"
"X inapoongezeka, wastani wa Y hupungua; kwa nini kuna shida nyingine?"
Vidokezo vinne vinavyoweza kunakiliwa
1. Inazalisha msimbo wa kurejesha:
Jukumu lako: msaidizi wa msimbo wa uchumi. Sishiriki data, nataka nambari ya R. Katika 'data' ya mfumo wa data, mapato (tegemezi), elimu, uzoefu, jinsia (kategoria). Kazi: andika msimbo wa rejista na lm() kwa mapato ~ elimu + uzoefu + jinsia, onyesha matokeo ya muhtasari na muda wa kujiamini (confint) wa coefficients. Eleza kila sehemu kwa mstari wa maoni. Nitaendesha na kuthibitisha matokeo.
2. Mchoro wa tafsiri ya mgawo (katika lugha ya uhusiano):
Tafsiri matokeo ya urejeshi hapa chini lakini KANUNI:- andika viambajengo katika lugha ya RELATIONAL ("inayohusishwa na"), USITUMIE lugha ya kisababishi, - ongeza "vigezo vingine visivyobadilika", - wasilisha R-mraba kama 'kisababishi',- usichanganye umuhimu na saizi ya athari. Tokeo: [bandika jedwali]
3. Msimbo wa kuangalia kwa dhana:
Andika msimbo wa utambuzi wa kudhaniwa kwa mapato ~ elimu + modeli ya uzoefu (R): grafu zinazofaa mabaki (zinazobaki), grafu ya QQ, usambazaji wa mabaki. Eleza katika mstari wa maoni ni dhana gani kila majaribio ya grafu. Pendekeza marekebisho; Toa utambuzi tu na nitafanya uamuzi.
4. Swali la kutofautisha lililokosa:
Nisaidie kuzingatia hatari ya kupuuzwa kwa upendeleo tofauti katika income ~ education model. Orodhesha vigeu vinavyowezekana ambavyo vinahusiana na mapato na elimu lakini HAVIKO katika kielelezo (k.m., usuli wa familia, eneo, uwezo) na ueleze ni mwelekeo gani kila mmoja anaweza kupendelea mgawo wa elimu. Huu sio uhakika, iwe ni orodha ya mambo ya kuzingatia; Nitafanya uamuzi.
Mwongozo dhaifu / Mwongozo thabiti
Agizo dhaifu:
Tafsiri matokeo haya ya rejista na ueleze matokeo.
Mwongozo huu unatoa AI; uwezekano mkubwa hutoa sentensi za sababu na zilizotiwa chumvi kama vile "mafunzo huongeza mapato" na "mfano umefanikiwa sana".
Agizo lenye nguvu:
Jukumu lako: msaidizi makini wa uchumi. Tafsiri matokeo, lakini: (1) andika viambajengo vyote katika lugha ya uhusiano, (2) tumia muundo wa "ceteris paribus" nyingine, (3) usikosee R-mraba kwa sababu, (4) tenga umuhimu na saizi ya athari, (5) kumbuka kushindwa kujaribu dhana ya utofauti wa kielelezo na hatari ya kupuuzwa. Pato: [meza]
Tofauti: mapenzi yenye nguvu yanakataza lugha ya sababu, na kufanya utata na mipaka ya dhana ionekane.
kesi tatu ndogo
Kesi ya 1 - Mtego wa lugha ya sababu. Mchanganuzi mmoja alipata mgawo wa utangazaji kuwa 2.4 katika urekebishaji wake wa utangazaji ~ sales na akatumia mwongozo wa AI kama ilivyo: "Kila kitengo kinachotumiwa kwenye utangazaji huongeza mauzo kwa vitengo 2.4." Menejimenti iliongeza bajeti ipasavyo; ilhali wakati wa mauzo ya juu tayari kulikuwa na utangazaji zaidi (usababishaji wa kinyume) na mgawo uliakisi hili. Somo: kurudi nyuma kwa kawaida sio ushahidi wa sababu; mwelekeo hauko wazi.
Kesi ya 2 - Tofauti iliyopuuzwa. Katika utafiti mmoja, mgawo wa mapato ~ education ulikuwa 1,900. Wakati elimu ya wazazi na kanda ziliongezwa kwa mfano, mgawo ulipungua hadi 1.150. Katika mfano wa kwanza, elimu kweli ilichukua baadhi ya ushawishi wa malezi ya familia. Somo: tofauti inayokosekana lakini iliyounganishwa huongeza mgawo; Fikiria mapungufu iwezekanavyo na ujuzi wa kikoa.
Kesi ya 3 - Udanganyifu wa juu wa R-mraba. Mwanafunzi aliona R²=0.94 na kusema "mfano wangu ni mzuri". Lakini moja ya vigezo vya kujitegemea ilikuwa karibu sawa na kutofautiana tegemezi (kipengee kilichojumuishwa tayari katika uuzaji). Mfano huo haukuelezea ukweli, ulikuwa ukijielezea. Somo: juu ya R-mraba haihakikishi ubora wa mfano; Ukaguzi wa mantiki unahitajika.
Makosa ya kawaida
- Kutafsiri mgawo kwa sababu. Lugha ya "Ongezeko / inapungua" ni ya uwongo isipokuwa itetewe na muundo; Sema "kuhusishwa na".
- Kupuuza utofauti uliopuuzwa. Sababu inayokosekana inayohusishwa na X na Y inapendelea mgawo; Fikiria mapungufu iwezekanavyo.
- Kukosea R-mraba kama kipimo cha mafanikio. R-mraba ya juu haimaanishi sababu au mfano sahihi; Inaweza hata kuwa ishara ya uvujaji wa kutofautiana.
- Kuchanganya umuhimu na ukuu. p<0.05 haionyeshi kuwa athari ni kubwa; Tazama pia ukubwa wa vitendo wa mgawo.
- Kutafsiri dhana bila kuziangalia. Ukiukaji hupotosha makosa ya kawaida na tafsiri; utambuzi hauwezi kukosa.
Kidokezo: Kwa kila mgawo, uliza "Je, ninaweza kuelezea uhusiano huu kwa upande mwingine? Au kuna kipengele cha tatu kinachoathiri zote mbili?" Maswali haya mawili yanasimamisha tafsiri kupita kiasi kabla ya kalamu hata kugusa karatasi.
Kwa muhtasari
Urejeshaji wa mstari ni zana ya msingi ya kupima uhusiano wa matokeo na mambo ya maelezo. AI hutoa haraka msimbo wa mfano, mpangilio wa pato, na muhtasari wa tafsiri; lakini vipimo vya mfano, tafsiri ya uhusiano ya mgawo, na hatari ya vigezo vilivyopuuzwa ni wajibu wa mtaalam. Makosa ya kawaida ni kuwasilisha mgawo kama sababu ("ongezeko"); lugha sahihi ni ya kimahusiano ("inahusiana na, yote mengine kuwa ya kudumu"). High R-mraba si mafanikio au causality; Hakuna tafsiri iliyo salama bila kuangalia mawazo (haswa exogeneity).
Jukumu la maombi
Sanidi rejeshi na tegemezi moja na angalau vigeu viwili huru kwenye seti ya data. Omba nambari kutoka kwa AI na uiendeshe. Kwanza, AI ifasiri misimbo katika lugha ya uhusiano, kisha uhakiki na kusahihisha kila taarifa ya sababu. Ongeza kigezo kinachoweza kuhusishwa kwa modeli na uangalie jinsi mgawo mkuu unavyobadilika na utafsiri hii katika aya ndani ya mfumo wa upendeleo wa kutofautiana ulioachwa. Mwishowe, toa njama za utambuzi wa kudhani na kumbuka ni dhana gani inaonekana kuwa thabiti na ambayo inaonekana kuwa ya shaka.
orodha ya ukaguzi
- [ ] Niliunda muundo kulingana na nadharia na maarifa ya uwanja, sio data.
- [ ] Nilifasiri viambatanisho katika lugha ya uhusiano ("inayohusiana na, ceteris paribus").
- [ ] Nilibainisha kuwa madai ya sababu yanahitaji muundo tofauti.
- [ ] Nilijaribu unyeti wa mgawo mkuu kwa kuzingatia vigeu vinavyoweza kupuuzwa.
- [ ] Sikuwasilisha R-mraba kama kipimo cha mafanikio/sababu.
- [ ] Imetayarishwa na kufasiriwa viwanja dhahania vya uchunguzi; Nilitathmini kama kulikuwa na ukiukaji.