Girdeji:
- Regressiýa çykyşyny (koeffisiýent, adaty ýalňyşlyk, p-baha, R-kwadrat) takyk okamak we emeli intellektiň düşündirişine tankydy baha bermek;
- Korrelýasiýa-sebäp tapawudy, endogenlik, aýrylan üýtgeýjiler we ýalňyş regressiýa ýaly ýalňyşlyklary tanamak we emeli intellektiň aşa sebäp dilini çäklendirmek;
- Emeli intellekti model gurmak, kod we anyklaýyş synaglary taýýarlamak üçin ulanmak, adamlara model saýlamak we düşündirmek jogapkärçiligini galdyrýar
Ekonometrika, ykdysady teoriýany maglumatlar bilen barlamagyň tertibi we regressiýa onuň esasy guralydyr. "Girdejiniň artmagy bilen sarp ediş näçeräk artýar?", "Göterim bilen maýa goýumyň arasynda nähili baglanyşyk bar?" Şuňa meňzeş soraglar regressiýa bilen kesgitlenýär. AI bu ugurda örän peýdaly we örän howply: sekuntda model kody we anyklaýyş synaglaryny ýazýar, ýöne çykyşy düşündirende köplenç aşa sebäp we aşa takyk bolýar. "X artýar" sözlemini arkaýyn gürleýär; regressleriň köpüsi diňe bir gatnaşygy ölçýär. Bu bölümiň düýp manysy: Model gurmak, kod we anyklaýyş synaglary üçin AI ulanyň; ýöne nusga saýlamak, sebäplere baha bermek we adama düşündiriş bermek jogapkärçiligini saklaň.
Regressiýanyň netijesini okamak
Simpleönekeý regressiýanyň netijesi dört zady gözleýär:
- Koeffisient. Düşündiriş üýtgeýjisi bir birlik artanda garaşly üýtgeýjiniň näçeräk üýtgemegine baha bermek. Belgi (plyus / minus) we ululyk ykdysady manyly bolmaly.
- Adaty ýalňyşlyk. Koeffisiýent çaklamasynyň näbelliligi; Has kiçi bolsa, çaklama has takyk bolýar.
- p-baha. Koeffisiýentiň "aslynda nol" diýen çaklama bilen bu uly peýda bolmagy ähtimallygy. Kiçijik p (<0.05) "statistik taýdan möhüm" diýilýär - ýöne bu ykdysady ähmiýeti ýa-da sebäbini aňlatmaýar.
- R-kwadrat. Modeliň garaşly üýtgeýjisiniň näçeräk üýtgeýändigini düşündirýär. Rokary R-kwadrat "dogry model" diýmegi aňlatmaýar; Şeýle hem ýalňyş regreslerde ýokary bolup biler.
Maslahat: Statistik ähmiýeti ykdysady ähmiýet bilen garyşdyrmaň. Hatda gaty kiçi, iş ýüzünde ähmiýetsiz täsir hem uly nusgada "ähmiýetli" (kiçi p) bolup biler. Birinjiden, "Bu koeffisiýentiň göwrümi ykdysady taýdan möhümmi?" manysyny gözläň.
Korrelýasiýa sebäp däl: nusgawy duzaklar
Bu ekonometrikanyň merkezindäki gowak. Regressiýa bilen tapylan gatnaşyk köplenç sebäp däl. Esasy ýalňyşlyklar:
- Rugsat berlen üýtgeýji. X we Y ikisine-de täsir edýän, ýöne modelde bolmadyk üçünji faktor X bilen Y. arasynda ýalňyş gatnaşyk döredýär (Mysal üçin: bilim bilen girdejiniň arasyndaky gatnaşykda "ukyp" aýrylsa, koeffisiýent ýalňyş bolar.)
- Ters sebäpler (endogenlik). X Y täsir edýär diýip pikir edilse-de, belki Y X täsir eder ýa-da ikisi biri-birine baglydyr. (Polisiýanyň sany we jenaýat: jenaýat köpelendigi sebäpli polisiýa köpeldimi?)
- Pseudo regressiýasy. Iki sany stasionar däl (ugurly) seriýa, arasynda hakyky baglanyşyk bolmasa-da, ýokary R-kwadratly we möhüm koeffisiýentleri berip biler. Diňe ikisiniň wagtyň geçmegi bilen ulalýandygy üçin.
- Saýlaw taraplary. Eger nusga tötänleýin däl bolsa, gatnaşyklar gümürtik ölçelýär.
Sebäpler baradaky talap diňe degişli dizaýn (gözegçilik edilýän synag, tebigy synag, gural üýtgeýjisi, tapawut tapawudy) we anyk çaklamalar bilen döredilip bilner. Emeli intellekt köplenç bu inçelikden sypdyrýar.
Üns beriň: AI "bu üýtgeýji muny ýokarlandyrýar / peseldýär" diýse, derrew tormozlaň. Mesele: Üýtgeýjiler ýokmy? Ters sebäp bolup bilermi? Seriallar stasionarmy? Bu üç sorag berilýänçä hiç hili sebäpler hökümi girmeýär.
Diagnostiki synaglar
Yza çekilişiň ygtybarly bolmagy üçin, onuň çaklamalary synagdan geçirilýär: galyndylaryň nagşy (ýalňyşlyk terminleri) (awtokorrelýasiýa), heteroskedastiklik (heteroskedastiklik), köp ugurlylyk (düşündiriş üýtgeýjileri biri-birine gaty meňzeýär), adaty paýlanyş. Emeli intellekt bu synaglar üçin kod ýazýar; emma netijeleri düşündirmek we şoňa görä modeli sazlamak ykdysatçynyň işi.
üç sany kiçi halat
1-nji waka - Galp regressiýa. Gözlegçi iki ugur seriýasyny yza çekdi (biri nominal çykdajy, biri nominal başga mukdar); R-kwadrat 0,98, koeffisiýenti gaty möhümdi. AI "güýçli gatnaşyk" -diýdi. Gözlegçi durnuklylygy barlady: iki seriýa hem stasionar däldi. Aýralykdan soň gatnaşyklar esasan ýitdi. Rokary R-kwadrat, ikisiniňem wagtyň geçmegi bilen ulalmagy sebäpli boldy. Galp regress tutuldy.
2-nji hadysa - rugsat berlen üýtgeýji. Bir seljerme “mahabat çykdajylary satuwy artdyrýar”. Ykdysatçy sorady: modelde möwsümleýin täsir barmy? .Ok. Baýramdan öň mahabat we satuw köpelýärdi; Gatnaşyklaryň bir bölegi möwsümleýinlikdi. Möwsümiň üýtgeýän üýtgeýjileri goşulanda, mahabat koeffisiýenti kiçeldi. Sebäp talaplary ýumşadyldy.
3-nji waka - Möhüm, ýöne ähmiýetsiz. Uly mikrodata toplumynda koeffisiýent p <0,001 boldy; AI "güýçli täsir" -diýdi. Theöne koeffisiýentiň ululygy ähmiýetsizdi (girdejiniň uly üýtgemegi netijäni müňden birine göçürdi). Ykdysatçy muny “statistik taýdan möhüm, ýöne ykdysady taýdan ähmiýetsiz” diýip dogry kesgitledi. Möhümlik ähmiýetiň ornuny tutmady.
Düşündiriş moderasiýasy
emeli intellekt diýýär
Ykdysatçy soraýar
"X ýokarlandyrýar"
Rugsat berlen üýtgeýji? Ters sebäpmi?
"R-kwadrat beýik, model gowy"
Seriallar stasionarmy? Galp regressiýa?
"p <0.05, ähmiýetli"
Ululygy ykdysady taýdan möhümmi?
"0,3 koeffisiýenti"
Onuň alamaty we birligi teoriýa laýyk gelýärmi?
"Gatnaşyk güýçli"
Nusga saýlamak ikitaraplaýynmy?
Göçürip boljak dört şablon
1) Model gurnama eskizi:
Aşakdaky ykdysady soragy gözden geçirerin: [sorag]. Baglylykda üýtgeýän: [Y] .Kandidat beýan edijiler: [X's]. Maňa laýyk başlangyç regressiýa gurnamagy maslahat beriň (statsmodels kody). Haýsy gözegçilik üýtgeýjileriniň zerurdygyny we sebäbini düşündiriň. Sebäbini talap etme; Gatnaşyk dilini ulanyň.
2) Diagnostiki synaglar:
Gurlan regresim üçin anyklaýyş synaglaryny kod bilen ýazyň: awtokorrelýasiýa, heterosedastiklik, köp ugurlylyk, galyndylaryň ýaýramagy we durnuksyzlyk (eger wagt seriýasy bolsa). Her synag netijesini nädip düşündirmelidigini we kynçylyklar bar bolsa näme etmelidigini gysgaça ýazyň.
3) Sebäplere gözegçilik:
Bu regresiň netijesini düşündiriň, ýöne ilki bilen bu üç ýalňyşlygy barlaň: (1) goýulmadyk üýtgeýän bolup biler we haýsy, (2) ters sebäp bolup biler, (3) seriýa stasionarmy ýa-da ýalňyş regressiýa howpy barmy? Netijäniň sebäp ýa-da diňe baglanyşyk hökmünde düşündirilmelidigini aýdyň görkeziň.
4) Möhümlik-ähmiýet tapawudy:
Aşakdaky koeffisiýenti düşündiriň: baha [x], adaty ýalňyşlyk [y], p-baha [z]. Statistik ähmiýetine aýratyn, ykdysady ähmiýetine aýratyn baha beriň: bu koeffisiýentiň ululygy praktiki taýdan möhümmi? Täsiriň ululygyny mysal ssenariýasynda anyklaň.
Gowşak haýyş / Güýçli haýyş
Gowşak haýyş:
Bu üýtgeýjiler bilen regress ediň we netijäni düşündiriň.
Emeli intellekt ony anyklaýyş synaglaryny geçirmezden ýa-da durnuksyzlygy barlamazdan sebäpler dilinde düşündirýär; ýalňyş regressiýa ýa-da aýrylan üýtgeýji sypdyrylýar.
Güýçli haýyş:
Baglylykda üýtgeýän, sarp etmek, düşündiriş girdejisi; aýlyk, ugurlar seriýasy. Ilki bilen durnuklylygy barlaň; zerur bolsa tapawudyny alyň. Regressiýany düzüň, anyklaýyş synaglaryny işlediň (awtokorrelýasiýa, heteroscedastiklik). Netijäni düşündireniňizde goýulmadyk üýtgeýänleriň we ters sebäpleriň töwekgelçiligini aç-açan ara alyp maslahatlaşyň; Sebäp dilini däl-de, baglanyşyk ulanyň. Möhümlige we ykdysady ähmiýete aýratyn baha beriň we her ädim üçin kod beriň.
Adaty ýalňyşlyklar
- Sebäpler üçin ýalňyş baglanyşyk. Iň ýaýran we iň gymmat ýalňyşlyk.
- Hil üçin ýokary R-kwadrat ýalňyşlyk. Şeýle hem ýalňyş regresslerde ýokarydyr.
- Stazis barlagyndan aýlanyp geçmek. Üýtgeýän seriýalar ýalňyş gatnaşyklary döredýär.
- Manysy bilen manylylygy bulaşdyrmak. Kiçijik p uly effekti aňlatmaýar.
- Kesel anyklaýyş synaglaryndan geçmek. Düzülen çaklama ähli düşünjäni ýeňýär.
- AI-iň sebäp dilini bolşy ýaly kabul etmek. Kazyýet adama degişlidir.
Gysgaça
Regressiýa güýçli, ýöne ýalňyş guraldyr. Okamak koeffisiýenti, adaty ýalňyşlyk, p-baha we R-kwadrat; korrelýasiýa bilen sebäbini tapawutlandyrmak; aýrylan üýtgeýänleri, ters sebäpleri we ýalňyş regressiýa ýalňyşlyklaryny barlamak; Möhümi bilen ykdysady ähmiýetini tapawutlandyrmaly. AI kod we diagnoz döretmekde çaltlaşýar, ýöne gaty sebäpsiz gürleýär; Modeliň saýlanylmagy we sebäplere baha bermek ykdysatçyda.
Programma meselesi
Bar bolan maglumatlaryňyz bilen (meselem, sarp ediş-girdeji) ýönekeý regressiýa düzüň. Gurluşy 1-nji şablon bilen, 2-nji şablon bilen öndürilen anyklaýyş synaglaryny geçiriň. Soňra 3-nji şablon bilen sebäbini barlaň, iň bolmanda bir goýberilen üýtgeýän we bir ters sebäp ssenarisini atlandyryň. AI-ni başlangyç düşündirişinden sebäpler sözlemini baglanyşyk diline terjime ediň we üýtgeşmä üns beriň.
gözegçilik sanawy
- [] Koeffisiýenti, adaty ýalňyşlygy, p-bahany we R-kwadraty dogry okadym.
- [] Serialyň durnuksyzlygyny barladym we ýalňyş regressiýa howpuny ýok etdim.
- [] Taşlanan üýtgeýän we ters sebäp sebäplerini atlandyrdym.
- [] Diagnostika synaglaryny geçirdim we düzgün bozmalara baha berdim.
- [] Statistik ähmiýete we ykdysady ähmiýete aýratyn baha berdim.
- [] Emeli intellektiň sebäpler dilini baglanyşyk diline çekdim.
- [] Modeliň saýlanylmagyny we sebäplere baha bermegiň özümdigini aýtdym.