Awọn anfani:
- Agbara lati ṣawari awọn irufin bii multicollinearity, heteroscedasticity ati autocorrelation pẹlu awọn idanwo iwadii ati awọn aworan pẹlu atilẹyin oye atọwọda
- Agbara lati ṣe iyatọ boya irufin kọọkan n da awọn iṣiro iye iwọn tabi awọn aṣiṣe boṣewa ati yan atunse ti o yẹ (aṣiṣe boṣewa ti o lagbara, iyipada, atunyẹwo awoṣe)
- Agbara lati rii daju pe awọn atunṣe ti o daba nipasẹ AI yanju iṣoro naa dipo fifipamọ rẹ ati pe ayẹwo naa da lori oye ti ilana ti o gbejade data naa.
Kika abajade ti iṣipopada jẹ rọrun; O soro lati gbekele e. Nitori awọn olusọdipúpọ jẹ aiṣedeede, awọn aṣiṣe boṣewa jẹ deede, ati pe awọn iye p jẹ wulo, da lori awọn arosinu ti a ṣafihan ni ẹyọ iṣaaju ti pade. Ninu ẹyọ yii, a yoo bo awọn irufin mẹta ti o wọpọ julọ: multicollinearity, heteroscedasticity, ati autocorrelation. A yoo dahun awọn ibeere mẹta fun ọkọọkan: bii o ṣe le ṣe iwadii aisan rẹ, kini o fọ (olusọdipúpọ tabi aṣiṣe boṣewa), ati bii o ṣe le ṣatunṣe. Imọran atọwọda (AI) ṣe ipilẹṣẹ koodu fun idanwo idanimọ ati atunṣe; ṣugbọn o pinnu iru irufin wo ni iṣoro naa gaan ati boya atunṣe naa yanju iṣoro naa.
Jẹ ki a ṣe iyatọ to ṣe pataki julọ ni iwaju: Njẹ irufin kan ṣe idasi iṣiro iye-iye tabi o kan awọn aṣiṣe boṣewa? Iyatọ yii ṣe ipinnu ojutu. Iṣoro kan ti o da adarọ-isọdipupọ naa jẹ (fun apẹẹrẹ irufin exogeneity) nilo atunyẹwo awoṣe; Iṣoro ti o da aṣiṣe boṣewa jẹ nikan (heteroscedasticity, autocorrelation) nigbagbogbo ni ipinnu nipasẹ atunṣe aṣiṣe boṣewa. Aṣiṣe ti o wọpọ ti AI ni lati lo ilana kan ti o ṣe atunṣe aṣiṣe deede ati lẹhinna sọ iṣoro naa "yanju"; lakoko ti eto ipilẹ le tun wa nibẹ.
O ṣẹ 1: Multicollinearity
Kí nìdí? Meji tabi diẹ ẹ sii alaye oniyipada ti wa ni strongly jẹmọ si kọọkan miiran; fun apẹẹrẹ, fifi awọn mejeeji "lapapọ ọdun ti iriri" ati "ori" sinu awọn awoṣe. Niwọn igba ti awọn oniyipada wọnyi n gbe alaye kanna, awoṣe naa ni iṣoro lati pin wọn sọtọ.
Kini o fọ? Awọn iṣiro olusọdipúpọ jẹ aiṣedeede ṣugbọn di riru: awọn aṣiṣe boṣewa di inflated, awọn aaye igbẹkẹle gbooro, awọn onisọdipúpọ ẹni kọọkan le jẹ aibikita nigba ti awoṣe le jẹ pataki lapapọ (F-idanwo). Iyipada data kekere kan gbe olùsọdipúpọ lọ ni pataki.
Bawo ni a ṣe ṣe ayẹwo rẹ? VIF (Factor Inflation Variance): fun oniyipada kọọkan, o ṣe iwọn iye ti iyipada naa ṣe alaye nipasẹ awọn miiran. Gẹgẹbi ẹnu-ọna ti o ni inira, VIF> 5 (diẹ ninu awọn 10) ṣe iṣeduro iṣọra. Ni afikun, matrix ibamu laarin awọn oniyipada alaye jẹ ayẹwo.
Bawo ni lati ṣe atunṣe? Sisọ ọkan ninu awọn oniyipada ti o ni ibatan si, apapọ wọn (ṣe atọka), tabi (ti ẹkọ naa ba nilo) titọju awọn mejeeji ati yago fun itumọ awọn alasọdipalẹ kọọkan. Awọn iduro oniyipada wo ni ipinnu imọ-jinlẹ, kii ṣe iṣiro kan - AI ni imọran imukuro, o pese idalare naa.
O ṣẹ 2: Heteroscedasticity
Kí nìdí? Iyatọ ti ọrọ aṣiṣe kii ṣe igbagbogbo kọja awọn akiyesi. Apeere aṣoju: bi owo-wiwọle ṣe n pọ si, bẹ ni pipinka ni ayika inawo; A ṣe agbekalẹ apẹrẹ “funnel”, dín ni owo-wiwọle kekere ati jakejado ni owo-wiwọle giga.
Kini o fọ? Awọn iṣiro iye-iye tun jẹ aiṣedeede - eyi ṣe pataki. Ohun ti o daru ni awọn aṣiṣe boṣewa: wọn ṣe iṣiro ti ko tọ, nitorinaa awọn iye p-ati awọn aarin igbẹkẹle di alaigbagbọ. Nitorinaa olùsọdipúpọ rẹ wa ni aarin ti o tọ, ṣugbọn idahun si ibeere “bawo ni o ṣe ni igboya” jẹ aṣiṣe.
Bawo ni a ṣe ṣe ayẹwo rẹ? Idite tuka ti awọn iyokù dipo awọn iye asọtẹlẹ (apẹrẹ funnel ti a wa) ati awọn idanwo deede: idanwo Breusch-Pagan, Idanwo funfun. Kekere p-iye sọ "ko si iyatọ nigbagbogbo".
Bawo ni lati ṣe atunṣe? Ojutu ti o wọpọ julọ ati ilowo ni lati lo awọn aṣiṣe boṣewa ti o lagbara (logan / heteroskedasticity-consistent, HC standard error): ko ṣe iyipada iyeida, o ṣe atunṣe aṣiṣe boṣewa fun irufin. Yiyan: yiyipada oniyipada ti o gbẹkẹle (bii log) tabi LCM iwuwo. Awọn aṣiṣe boṣewa ti o lagbara ti di aiyipada ni iṣẹ agbara loni.
O ṣẹ 3: Autocorrelation
Kí nìdí? Awọn ofin aṣiṣe ko ni ominira ti ara wọn; O wọpọ julọ ni jara akoko: aṣiṣe ti akoko kan yoo ni ipa lori atẹle (fun apẹẹrẹ awọn iyokù wa ni rere ni awọn akoko ti o tẹle ipaya kan).
Kini o fọ? Lẹẹkansi, o nipataki daru awọn ašiše boṣewa (igba understates wọn, ṣiṣẹda eke lami); Awọn onisọdipúpọ wa aiṣedeede ninu LCC ṣugbọn padanu imunadoko wọn.
Bawo ni a ṣe ṣe ayẹwo rẹ? Idanwo Durbin-Watson (fun isọdọtun aṣẹ-akọkọ), idanwo Breusch-Godfrey (gbogboogbo diẹ sii), ati awọn igbero ti awọn iyokù dipo awọn iye aisun.
Bawo ni lati ṣe atunṣe? Newey-West (HAC - sooro si autocorrelation ati heteroskedasticity) awọn aṣiṣe boṣewa, fifi awọn ofin aisun kun awoṣe, tabi yi pada si awoṣe jara akoko ti o yẹ (ẹyọkan 8).
Išọra: Heteroscedasticity ati autocorrelation da aṣiṣe boṣewa jẹ, kii ṣe alasọpọ. Nitorinaa, ṣaaju sisọ “alafisọdipupo naa ṣe pataki”, rii daju pe a ṣe iṣiro aṣiṣe boṣewa ni deede; Bibẹẹkọ itumọ le jẹ iruju.
afiwe chart
ṣẹ
Kini fi opin si
Aisan ayẹwo
Ojutu ti o wọpọ
olona-ọna asopọ
Inflates boṣewa aṣiṣe, mu ki awọn olùsọdipúpọ riru
VIF, matrix ibamu
Yọọ/dapọ oniyipada (nipasẹ ẹkọ-ọrọ)
heteroscedasticity
Awọn aṣiṣe boṣewa (alaisọdipupo aiṣedeede)
Breusch-Pagan, White, aloku Idite
Logan (HC) boṣewa aṣiṣe, iyipada
Ibaṣepọ laifọwọyi
Awọn aṣiṣe boṣewa (alaisọdipupo aiṣedeede)
Durbin-Watson, Breusch-Godfrey
Newey-West (HAC), igba idaduro
Mẹrin daakọ ta
1. Pari akojọpọ aisan:
Rẹ ipa: padasẹyin diagnostic Iranlọwọ. Mo fẹ koodu R, Emi ko pin data naa. Awoṣe: lm (inawo ~ owo oya + ọjọ ori + agbegbe, data = data). Iṣẹ-ṣiṣe: (1) Ṣe iṣiro VIF, (2) Idanwo heteroskedasticity pẹlu Breusch-Pagan ati Idite-iye-iye, (3) Idanwo adaṣe adaṣe pẹlu Durbin-Watson. Ṣe alaye ninu laini asọye kini o ṣẹ awọn iwọn idanwo kọọkan ati bii o ṣe le tumọ p-iye. Atunṣe APPLICATION; gbe awọn okunfa.
2. Aṣiṣe boṣewa ti o lagbara:
Kọ koodu R ti o tun ṣe tabili onisọdipupo pẹlu awọn aṣiṣe boṣewa heteroskedasticity-logan (HC3) fun awoṣe kanna (awọn idii sandwich + lmtest). Ṣe agbejade tabili ti o nfihan kilasika ati awọn aṣiṣe boṣewa ti o lagbara ni ẹgbẹ ni ẹgbẹ ki MO le rii iyatọ naa. Tẹnumọ ni laini asọye pe awọn alafisodipupo KO yipada, awọn aṣiṣe boṣewa nikan ni o ṣe.
3. Atunwo ọna asopọ pupọ:
Fun mi ni atokọ ti awọn oniyipada pẹlu VIF giga: awọn oniyipada wo ni o le ṣe iwọn ohun kanna, awọn wo ni ọran ti o lagbara fun titọju wọn. MAA ṢE idojukọ-yẹ; Emi yoo ṣe ipinnu ti o da lori imọran. Tun ṣe alaye idi ti o le jẹ aṣiṣe lati kan wo VIF ki o yan awọn oniyipada.
4. Atunse isọdọtun:
Ninu ifasẹyin jara akoko mi, iye Breusch-Godfrey p-iye jẹ 0.001. Kọ koodu R ti o ṣe agbejade tabili alasọpọ pẹlu Newey-West (HAC) awọn aṣiṣe boṣewa ati ṣalaye bi o ṣe le yan aisun naa. Ṣe akiyesi pe atunṣe yii ko yanju IDI ti isọdọtun, o kan ṣe atunṣe itọkasi naa.
Ailagbara kiakia / Alagbara kiakia
Ibere ailagbara:
Ṣe iṣoro kan wa pẹlu ipadasẹhin mi? Ti o ba jẹ bẹ, ṣe atunṣe.
Itọkasi yii fi AI sinu ipo “fix” afọju: o le foju awọn idanwo ati lo iyipada taara tabi imukuro oniyipada, laisi fifihan iru irufin ti o wa gangan ati kini o fọ.
Ibere ti o lagbara:
Ipa rẹ: oluranlọwọ iwadii aisan, kii ṣe adaṣe adaṣe. Idanwo akọkọ fun awọn irufin KẸTA lọtọ (multicollinearity, heteroscedasticity, autocorrelation) ati fun ọkọọkan: idanwo wo, bii o ṣe le ka abajade, ṣe adehun COEFFICIENT tabi Aṣiṣe STANDARD. Lẹhinna daba atunṣe kan nikan fun irufin ti o ti rii NIPA gangan ki o ṣe alaye bii MO ṣe le rii daju pe atunṣe naa ṣeto iṣoro naa.
Iyatọ: agbara yoo fi agbara mu ayẹwo ṣaaju atunṣe ati beere iyatọ ti o ye laarin "ohun ti o fọ".
mẹta mini igba
Ọran 1 - Spurious pataki (heteroscedasticity). Oluyanju kan rii iye owo-wiwọle ni inawo ~ awoṣe wiwọle lati jẹ “pataki” ni p=0.01. Ṣugbọn ni bayi apẹrẹ funnel ọtọtọ kan wa lori chart rẹ. Nigbati a ba lo awọn aṣiṣe boṣewa ti o lagbara, p-iye pọ si 0.09; itumo ti sọnu. Abajade akọkọ jẹ iruju ti a ṣẹda nipasẹ aṣiṣe boṣewa ti ko tọ. Ẹkọ: pataki ko le ṣe igbẹkẹle laisi atunṣe aṣiṣe boṣewa.
Ọran 2 - Imukuro iyipada afọju. Ọmọ ile-iwe kan silẹ iyipada “iriri” lati awoṣe nitori VIF rẹ ga; Awọn olusọdipúpọ ni a “sọ di mimọ” ṣugbọn itumọ imọ-jinlẹ ti awoṣe jẹ daru nitori iriri jẹ oniyipada akọkọ ti iwulo. Ọna ti o pe: yọ ọjọ-ori kuro ki o tọju iriri, tabi darapọ awọn meji. Ẹkọ: Ilẹ-ọna VIF nikan kii ṣe awọn aaye fun imukuro; yii ipinnu.
Ọran 3 - Aidaniloju ti o farapamọ nipasẹ isọdọkan. Ninu iwadi jara akoko kan, Durbin-Watson ko bikita; olùsọdipúpọ dabi enipe gan "konge" (dín igbekele aarin). Nigbati a lo awọn aṣiṣe boṣewa Newey-West, aarin igbẹkẹle ti ilọpo meji ati iṣeduro eto imulo di Konsafetifu pupọ diẹ sii. Ẹkọ: autocorrelation le foju aidaniloju.
Awọn aṣiṣe ti o wọpọ
- Asise irufin ti o daru awọn boṣewa ašiše bi a olùsọdipúpọ isoro. Heteroscedasticity ati autocorrelation ko ni daru olùsọdipúpọ; Maṣe bẹru ki o tun ṣe awoṣe lainidi, ṣatunṣe aṣiṣe boṣewa ni akọkọ.
- Wiwo VIF ati fifi afọju sọtọ awọn oniyipada. Yiyọ iyipada imọ-jinlẹ pataki nitori VIF ga jẹ ki awoṣe jẹ asan.
- Ko ṣe idaniloju atunṣe naa. Lẹhin lilo aṣiṣe boṣewa ti o lagbara, ṣayẹwo pe irufin naa ṣe atunṣe itọkasi gangan; Maṣe sọ pe "Mo lo o, o ti ṣe".
- Ṣe atunṣe laisi ayẹwo. Lilo iyipada / imukuro laisi idanwo iru irufin ti o wa le “yanju” iṣoro naa nibiti ko si ati tọju ọkan ti o ṣe.
- Fifi awọn fix ni ibi idi ti. Newey-West ko yanju idi ti autocorrelation; o kan atunse awọn inference. Ti iṣoro igbekalẹ ba wa, awoṣe gbọdọ yipada.
Imọran: Fun irufin kọọkan, beere lọwọ ararẹ “Ṣe eyi n pa iye-iye run tabi igbẹkẹle mi ninu rẹ?” Ti idahun ba jẹ "igbekele," ojutu jẹ fere nigbagbogbo atunṣe aṣiṣe deede, kii ṣe atunṣe awoṣe naa.
Ni akojọpọ
Awọn iwadii ifasẹyin jẹ ohun pataki ṣaaju fun gbigbekele iṣelọpọ. Ninu awọn irufin mẹta ti o wọpọ, multicollinearity jẹ ki olùsọdipúpọ di riru ati ki o fa asise boṣewa; Heteroskedasticity ati autocorrelation, ni ida keji, fi olùsọdipúpọ silẹ aiṣedeede ati pe o da aṣiṣe boṣewa jẹ nikan. AI ṣe agbekalẹ iwadii aisan ati koodu atunṣe, ṣugbọn o pinnu iru irufin wo ni iṣoro gidi, iyatọ eyiti o wa ni imọ-jinlẹ, ati boya atunṣe yanju iṣoro naa. Bẹni ijaaya tabi atunse afọju ko tọ laisi ṣiṣalaye iyatọ laarin “ohun ti n fọ”.
Ohun elo iṣẹ-ṣiṣe
Ṣeto ifasẹyin multivariate ati beere lọwọ AI fun koodu kan ti o ṣe awọn iwadii aisan nikan (ko si awọn atunṣe): VIF, Breusch-Pagan/White, ati Durbin-Watson/Breusch-Godfrey. Fun idanwo kọọkan, tumọ abajade naa ki o tọka boya irufin naa jẹ olusodipupọ tabi aṣiṣe boṣewa. Fun irufin gidi kan o rii (fun apẹẹrẹ heteroscedasticity), lo awọn aṣiṣe boṣewa ti o lagbara ati juxtapose kilasika ati awọn abajade to lagbara; Fihan pe olùsọdipúpọ ko yipada ṣugbọn aṣiṣe boṣewa yipada. Ninu paragi kan, jabo bi abajade pataki rẹ ṣe ni ipa nipasẹ atunṣe.
akojọ ayẹwo
- [] Mo ṣe idanwo awọn irufin mẹta (multicollinearity, heteroskedasticity, autocorrelation) lọtọ.
- [] Fun irufin kọọkan, Mo ṣe iyatọ boya o da ilodisidipo pada tabi aṣiṣe boṣewa.
- [] Mo da imukuro oniyipada ni multicollinearity lori yii, kii ṣe VIF nikan.
- [] Mo ti lo boṣewa aṣiṣe pẹlu logan to heteroscedasticity/autocorrelation (HC/HAC).
- [] Lẹhin atunṣe, Mo ṣayẹwo ati rii daju ipa ti irufin lori itọkasi mi.
- [] Mo jabo bi abajade pataki mi ṣe ni ipa nipasẹ atunṣe aṣiṣe boṣewa.