எகனாமெட்ரிக் மாதிரி ஆதரவு: பின்னடைவு, காரணம் மற்றும் விளக்கம்

ஆதாயங்கள்:

• பின்னடைவு வெளியீட்டை (குணகம், நிலையான பிழை, p-மதிப்பு, R-சதுரம்) துல்லியமாகப் படிக்கும் திறன் மற்றும் செயற்கை நுண்ணறிவு விளக்கத்தை விமர்சன ரீதியாக மதிப்பீடு செய்யும் திறன்
• தொடர்பு-காரண வேறுபாடு, எண்டோஜெனிட்டி, தவிர்க்கப்பட்ட மாறிகள் மற்றும் போலியான பின்னடைவு, மற்றும் செயற்கை நுண்ணறிவின் அதிகப்படியான காரண மொழியைக் கட்டுப்படுத்தும் திறன்
• மாதிரி அமைப்பு, குறியீடு மற்றும் கண்டறியும் சோதனை வரைவுக்கு செயற்கை நுண்ணறிவைப் பயன்படுத்துவதற்கான திறன், மாதிரி தேர்வு மற்றும் விளக்கத்திற்கான பொறுப்பை மனிதர்களுக்கு விட்டுவிடுகிறது.

பொருளாதார அளவீடு என்பது பொருளாதாரக் கோட்பாட்டை தரவுகளுடன் சோதிக்கும் ஒரு துறையாகும், மேலும் பின்னடைவு அதன் அடிப்படைக் கருவியாகும். "வருமானம் அதிகரிக்கும் போது நுகர்வு எவ்வளவு அதிகரிக்கிறது?", "வட்டிக்கும் முதலீட்டிற்கும் என்ன தொடர்பு?" இது போன்ற கேள்விகள் பின்னடைவு மூலம் அளவிடப்படுகின்றன. இந்த பகுதியில் AI மிகவும் பயனுள்ளது மற்றும் மிகவும் ஆபத்தானது: இது மாதிரி குறியீடு மற்றும் நோயறிதல் சோதனைகளை நொடிகளில் எழுதுகிறது, ஆனால் வெளியீட்டை விளக்கும் போது பெரும்பாலும் அதிக காரணமும் மிகத் துல்லியமானதும் ஆகும். "X அதிகரிக்கிறது Y" என்ற வாக்கியத்தை சரளமாகப் பேசுகிறது; பெரும்பாலான பின்னடைவுகள் ஒரே ஒரு உறவை மட்டுமே அளவிடுகின்றன. இந்த அலகின் சாராம்சம்: மாதிரி அமைப்பு, குறியீடு மற்றும் கண்டறியும் சோதனைக்கு AI ஐப் பயன்படுத்தவும்; ஆனால் மாதிரித் தேர்வு, காரணத் தீர்ப்பு மற்றும் விளக்கத்திற்கான பொறுப்பை மனிதனின் மீது வைத்திருங்கள்.

பின்னடைவு வெளியீடு

ஒரு எளிய பின்னடைவின் வெளியீடு நான்கு விஷயங்களைத் தேடுகிறது:

• குணகம். விளக்க மாறி ஒரு யூனிட்டால் அதிகரிக்கும் போது சார்பு மாறி எவ்வளவு மாறுகிறது என்பதற்கான மதிப்பீடு. குறி (பிளஸ்/மைனஸ்) மற்றும் அளவு ஆகியவை பொருளாதார அர்த்தத்தைக் கொண்டிருக்க வேண்டும்.
• நிலையான பிழை. குணக மதிப்பீட்டின் நிச்சயமற்ற தன்மை; இது சிறியதாக இருந்தால், மதிப்பீடு மிகவும் துல்லியமானது.
• p-மதிப்பு. குணகம் "உண்மையில் பூஜ்ஜியம்" என்ற அனுமானத்தின் கீழ் இவ்வளவு பெரியதாக தோன்றும் நிகழ்தகவு. சிறிய p (<0.05) "புள்ளியியல் முக்கியத்துவம் வாய்ந்தது" என்று கூறப்படுகிறது - ஆனால் இது பொருளாதார முக்கியத்துவத்தையோ காரணத்தையோ குறிக்கவில்லை.
• R-சதுரம். சார்பு மாறியின் மாற்றம் எவ்வளவு என்பதை மாதிரி விளக்குகிறது. உயர் R-சதுரம் என்பது "சரியான மாதிரி" என்று அர்த்தமல்ல; இது போலியான பின்னடைவுகளிலும் அதிகமாக இருக்கலாம்.

உதவிக்குறிப்பு: புள்ளியியல் முக்கியத்துவத்தையும் பொருளாதார முக்கியத்துவத்தையும் குழப்ப வேண்டாம். மிகச் சிறிய, நடைமுறையில் முக்கியமற்ற விளைவு கூட ஒரு பெரிய மாதிரியில் "குறிப்பிடத்தக்கது" (சிறிய p) ஆக மாறலாம். முதலில், "இந்த குணகத்தின் அளவு பொருளாதார ரீதியாக முக்கியமா?" ', பிறகு முக்கியத்துவத்தைத் தேடுங்கள்.

தொடர்பு என்பது காரணமல்ல: உன்னதமான ஆபத்துகள்

பொருளாதார அளவீடுகளின் இதயத்தில் உள்ள எச்சரிக்கை இதுதான். பின்னடைவு மூலம் காணப்படும் உறவு பெரும்பாலும் காரண காரியம் அல்ல. முக்கிய குறைபாடுகள்:

• தவிர்க்கப்பட்ட மாறி. X மற்றும் Y இரண்டையும் பாதிக்கும் ஆனால் மாதிரியில் இல்லாத மூன்றாவது காரணி X மற்றும் Y இடையே ஒரு போலியான உறவை உருவாக்குகிறது. (எடுத்துக்காட்டு: கல்விக்கும் வருமானத்திற்கும் இடையிலான உறவில் "திறன்" தவிர்க்கப்பட்டால், குணகம் தவறாக வழிநடத்தும்.)
• தலைகீழ் காரணம் (எண்டோஜெனிட்டி). X ஆனது Y ஐப் பாதிக்கிறது என்று கருதப்பட்டாலும், Y ஆனது X ஐப் பாதிக்கலாம் அல்லது இரண்டும் பரஸ்பரம் இருக்கலாம். (காவல்துறை எண்ணிக்கை மற்றும் குற்றங்கள்: குற்றங்கள் அதிகரித்ததால் காவல்துறை அதிகரித்ததா?)
• போலி பின்னடைவு. இரண்டு நிலையான அல்லாத (டிரெண்டிங்) தொடர்களுக்கு இடையே உண்மையான உறவு இல்லாவிட்டாலும் உயர் R-ஸ்கொயர் மற்றும் குறிப்பிடத்தக்க குணகங்களை வழங்க முடியும். ஏனெனில் அவை இரண்டும் காலப்போக்கில் வளர்கின்றன.
• தேர்வு சார்பு. மாதிரி சீரற்றதாக இல்லாவிட்டால், உறவு வளைவாக அளவிடப்படுகிறது.

காரணத்திற்கான உரிமைகோரல் பொருத்தமான வடிவமைப்பு (கட்டுப்படுத்தப்பட்ட பரிசோதனை, இயற்கை பரிசோதனை, கருவி மாறி, வேறுபாடு-இன்-வேறுபாடு போன்ற முறைகள்) மற்றும் தெளிவான அனுமானங்கள் மூலம் மட்டுமே நிறுவப்படும். செயற்கை நுண்ணறிவு பெரும்பாலும் இந்த நுணுக்கத்தை இழக்கிறது.

எச்சரிக்கை: "இந்த மாறி அதிகரிக்கிறது/குறைக்கிறது" என்று AI கூறினால், உடனடியாக பிரேக் செய்யவும். சிக்கல்: ஏதேனும் மாறிகள் தவிர்க்கப்பட்டதா? தலைகீழ் காரணம் சாத்தியமா? தொடர் நிலையானதா? இந்த மூன்று கேள்விகள் கேட்கப்படும் வரை எந்த காரண வாக்கியமும் அறிக்கைக்குள் வராது.

கண்டறியும் சோதனைகள்

ஒரு பின்னடைவு நம்பகமானதாக இருக்க, அதன் அனுமானங்கள் சோதிக்கப்படுகின்றன: எச்சங்களின் முறை (பிழை விதிமுறைகள்) (தன்னோட்ட தொடர்பு), பன்முகத்தன்மை (ஹெட்டோரோஸ்கெடாஸ்டிசிட்டி), மல்டிகோலினரிட்டி (விளக்க மாறிகள் ஒருவருக்கொருவர் மிகவும் ஒத்தவை), சாதாரண விநியோகம். இந்த சோதனைகளுக்கான குறியீட்டை செயற்கை நுண்ணறிவு எழுதுகிறது; ஆனால் முடிவுகளை விளக்குவதும் அதற்கேற்ப மாதிரியை சரிசெய்வதும் பொருளாதார நிபுணரின் பணியாகும்.

மூன்று சிறிய வழக்குகள்

வழக்கு 1 - போலியான பின்னடைவு. ஒரு ஆராய்ச்சியாளர் இரண்டு போக்கு தொடர்களை (ஒரு பெயரளவு செலவு, ஒரு பெயரளவு மற்றொரு அளவு) பின்வாங்கினார்; R-squared 0.98, குணகம் மிகவும் குறிப்பிடத்தக்கதாக இருந்தது. AI "ஒரு வலுவான உறவு," என்று அவர் கூறினார். ஆராய்ச்சியாளர் நிலையான தன்மையை சோதித்தார்: இரண்டு தொடர்களும் நிலையானவை அல்ல. அவர்கள் பிரிந்தவுடன், உறவு பெரும்பாலும் காணாமல் போனது. அவர்கள் இருவரும் காலப்போக்கில் வளர்ந்ததால்தான் உயர் R-ஸ்கொயர் ஆனது. போலியான பின்னடைவு பிடிபட்டது.

வழக்கு 2 - தவிர்க்கப்பட்ட மாறி. "விளம்பரச் செலவுகள் விற்பனையை அதிகரிக்கிறது" என்று ஒரு பகுப்பாய்வு கண்டறிந்தது. பொருளாதார நிபுணர் கேட்டார்: மாதிரியில் பருவகால விளைவு உள்ளதா? இல்லை. விடுமுறைக்கு முன் விளம்பரம் மற்றும் விற்பனை இரண்டும் அதிகரித்துக் கொண்டிருந்தன; உறவின் ஒரு பகுதி பருவநிலை. சீசன் போலி மாறிகள் சேர்க்கப்பட்டபோது, ​​விளம்பரத்தின் குணகம் சிறியதாக மாறியது. காரணக் கூற்று மென்மையாக்கப்பட்டுள்ளது.

வழக்கு 3 - குறிப்பிடத்தக்கது ஆனால் முக்கியமற்றது. ஒரு பெரிய மைக்ரோடேட்டா தொகுப்பில், ஒரு குணகம் p<0.001; AI "வலுவான தாக்கம்" என்று அவர் கூறினார். ஆனால் குணகத்தின் அளவு நடைமுறையில் மிகக் குறைவு (வருமானத்தில் ஒரு பெரிய மாற்றம் ஆயிரத்தில் ஒரு பங்கை மாற்றியது). பொருளாதார நிபுணர் அதை "புள்ளியியல் முக்கியத்துவம் வாய்ந்தது ஆனால் பொருளாதார ரீதியாக முக்கியமற்றது" என்று சரியாக வடிவமைத்தார். முக்கியத்துவம் முக்கியத்துவத்திற்கு மாற்றாக இல்லை.

கருத்து மதிப்பாய்வு அட்டவணை

செயற்கை நுண்ணறிவு கூறுகிறது

என்று பொருளாதார நிபுணர் கேட்கிறார்

"X ஆனது Y ஐ அதிகரிக்கிறது"

தவிர்க்கப்பட்ட மாறியா? தலைகீழ் காரணமா?

"ஆர் ஸ்கொயர் அதிகம், மாடல் நல்லது"

தொடர் நிலையானதா? போலி பின்னடைவா?

"p<0.05, குறிப்பிடத்தக்கது"

பொருளாதார ரீதியாக அளவு முக்கியமா?

குணகம் 0.3

அதன் அடையாளம் மற்றும் அலகு கோட்பாட்டுடன் இணக்கமாக உள்ளதா?

"உறவு வலுவானது"

மாதிரித் தேர்வு சார்புடையதா?

நகலெடுக்கக்கூடிய நான்கு வார்ப்புருக்கள்

1) மாதிரி நிறுவல் ஓவியம்:

பின்வரும் பொருளாதாரக் கேள்வியை நான் ஆராய்வேன்: [கேள்வி]. சார்பு மாறி: [Y]. வேட்பாளர் விளக்கங்கள்: [X'கள்]. எனக்கு பொருத்தமான ஆரம்ப பின்னடைவு அமைப்பை (statsmodels code) பரிந்துரைக்கவும். எந்த கட்டுப்பாட்டு மாறிகள் தேவை மற்றும் ஏன் என்பதை விளக்குங்கள். காரணத்தை கோராதே; உறவு மொழியைப் பயன்படுத்தவும்.

2) கண்டறியும் சோதனைகள்:

நான் அமைத்த பின்னடைவுக்கான கண்டறியும் சோதனைகளை குறியீட்டில் எழுதவும்: தன்னியக்க தொடர்பு, பன்முகத்தன்மை, மல்டிகோலினியரிட்டி, எச்சங்களின் சிதறல் மற்றும் நிலைத்தன்மை (இது நேரத் தொடராக இருந்தால்). ஒவ்வொரு சோதனை முடிவையும் எவ்வாறு விளக்குவது மற்றும் சிக்கல்கள் இருந்தால் என்ன செய்வது என்பதை சுருக்கமாக எழுதுங்கள்.

3) காரணக் கட்டுப்பாடு:

இந்த பின்னடைவு முடிவை விளக்கவும், ஆனால் முதலில் இந்த மூன்று ஆபத்துகளைச் சரிபார்க்கவும்: (1) ஒரு தவிர்க்கப்பட்ட மாறி இருக்க முடியுமா மற்றும் எது, (2) தலைகீழ் காரணம் சாத்தியம், (3) தொடர் நிலையானதா / போலியான பின்னடைவு அபாயம் உள்ளதா? முடிவு காரணமா அல்லது வெறுமனே தொடர்புடையதா என்பதை தெளிவாகக் குறிப்பிடவும்.

4) முக்கியத்துவம்-முக்கிய வேறுபாடு:

பின்வரும் குணகத்தை விளக்கவும்: மதிப்பு [x], நிலையான பிழை [y], p-மதிப்பு [z]. புள்ளிவிவர முக்கியத்துவத்தை தனித்தனியாகவும், பொருளாதார முக்கியத்துவத்தை தனித்தனியாகவும் மதிப்பீடு செய்யவும்: இந்த குணகத்தின் அளவு நடைமுறையில் குறிப்பிடத்தக்க தாக்கத்தை ஏற்படுத்துமா? ஒரு எடுத்துக்காட்டு காட்சியில் தாக்கத்தின் அளவை உறுதிப்படுத்தவும்.

பலவீனமான வரியில் / வலுவான வரியில்

பலவீனமான உடனடி:

இந்த மாறிகள் மூலம் ஒரு பின்னடைவைச் செய்து முடிவை விளக்கவும்.

செயற்கை நுண்ணறிவு நோயறிதல் சோதனைகள் அல்லது நிலைத்தன்மையை சரிபார்க்காமல், ஒரு காரண மொழியில் அதை விளக்குகிறது; போலியான பின்னடைவு அல்லது தவிர்க்கப்பட்ட மாறி தவறிவிட்டது.

சக்திவாய்ந்த தூண்டுதல்:

சார்பு மாறி நுகர்வு, விளக்க வருமானம்; மாதாந்திர, டிரெண்டிங் தொடர். முதலில் நிலைத்தன்மையை சோதிக்கவும்; தேவைப்பட்டால் வித்தியாசம் கிடைக்கும். பின்னடைவை அமைக்கவும், கண்டறியும் சோதனைகளை இயக்கவும் (தானியங்கு தொடர்பு, பன்முகத்தன்மை). தவிர்க்கப்பட்ட மாறிகளின் அபாயங்கள் மற்றும் முடிவை விளக்கும்போது தலைகீழ் காரணத்தை வெளிப்படையாக விவாதிக்கவும்; காரண மொழியைக் காட்டிலும் தொடர்புடைய மொழியைப் பயன்படுத்தவும். முக்கியத்துவத்தையும் பொருளாதார முக்கியத்துவத்தையும் தனித்தனியாக மதிப்பீடு செய்து ஒவ்வொரு அடிக்கும் குறியீட்டைக் கொடுங்கள்.

பொதுவான தவறுகள்

• காரணத்திற்கான தவறான தொடர்பு. மிகவும் பொதுவான மற்றும் மிகவும் விலையுயர்ந்த தவறு.
• உயர் R-சதுரத்தை தரம் என்று தவறாக நினைக்கிறது. இது போலியான பின்னடைவுகளிலும் அதிகமாக உள்ளது.
• தேக்கநிலை சரிபார்ப்பை புறக்கணித்தல். பிரபலமான தொடர்கள் போலியான உறவுகளை உருவாக்குகின்றன.
• அர்த்தத்தை முக்கியத்துவத்துடன் குழப்புவது. சிறிய p என்பது பெரிய விளைவைக் குறிக்காது.
• கண்டறியும் சோதனைகளைத் தவிர்க்கிறது. மீறப்பட்ட அனுமானம் முழு அனுமானத்தையும் தோற்கடிக்கிறது.
• AI இன் காரண மொழியை அப்படியே ஏற்றுக்கொள்வது. தீர்ப்பு மனிதனுடையது.

சுருக்கமாக

பின்னடைவு ஒரு சக்திவாய்ந்த ஆனால் ஆபத்துக் கருவி. வாசிப்பு குணகம், நிலையான பிழை, p-மதிப்பு மற்றும் R-சதுக்கம் சரியாக; தொடர்பு மற்றும் காரணத்தை வேறுபடுத்துதல்; தவிர்க்கப்பட்ட மாறிகள், தலைகீழ் காரணத்தன்மை மற்றும் போலி பின்னடைவு ஆபத்துகளை சரிபார்த்தல்; முக்கியத்துவம் மற்றும் பொருளாதார முக்கியத்துவம் ஆகியவற்றை வேறுபடுத்துவது அவசியம். AI குறியீடு மற்றும் நோயறிதல் உருவாக்கத்தில் துரிதப்படுத்துகிறது, ஆனால் அது மிகவும் காரணமானதாக பேசுகிறது; மாதிரியின் தேர்வு மற்றும் காரணத்தை தீர்மானிப்பது பொருளாதார நிபுணரிடம் உள்ளது.

விண்ணப்ப பணி

உங்களிடம் உள்ள தரவைக் கொண்டு எளிய பின்னடைவை அமைக்கவும் (எ.கா. நுகர்வு-வருமானம்). 1வது டெம்ப்ளேட்டுடன் உருவாக்கப்பட்ட அமைப்பையும், 2வது டெம்ப்ளேட்டுடன் கண்டறியும் சோதனைகளையும் உருவாக்கவும். பின்னர் வார்ப்புரு 3 உடன் காரணத்தைச் சரிபார்க்கவும், குறைந்தபட்சம் ஒரு தவிர்க்கப்பட்ட மாறி மற்றும் ஒரு தலைகீழ் காரணக் காட்சியைக் குறிப்பிடவும். AI இன் ஆரம்ப விளக்கத்திலிருந்து ஒரு காரண வாக்கியத்தை தொடர்புடைய மொழியில் மொழிபெயர்த்து மாற்றத்தைக் கவனியுங்கள்.

சரிபார்ப்பு பட்டியல்

• [ ] நான் குணகம், நிலையான பிழை, p-மதிப்பு மற்றும் R-சதுரத்தை சரியாகப் படித்தேன்.
• [ ] நான் தொடரின் நிலைத்தன்மையை சரிபார்த்து, போலியான பின்னடைவு அபாயத்தை நீக்கினேன்.
• [ ] நான் தவிர்க்கப்பட்ட மாறி மற்றும் தலைகீழ் காரண சாத்தியக்கூறுகளுக்கு பெயரிட்டேன்.
• [ ] நான் கண்டறியும் சோதனைகளை நடத்தினேன் மற்றும் மீறல்களை மதிப்பீடு செய்தேன்.
• [ ] நான் புள்ளிவிவர முக்கியத்துவம் மற்றும் பொருளாதார முக்கியத்துவத்தை தனித்தனியாக மதிப்பீடு செய்தேன்.
• [ ] நான் செயற்கை நுண்ணறிவின் காரண மொழியை தொடர்பு மொழிக்குள் வரைந்துள்ளேன்.
• [ ] மாதிரியின் தேர்வு மற்றும் காரணத்தை தீர்மானிப்பது என்னுடையது என்று நான் நிலைநிறுத்தினேன்.