Dự báo so với kinh tế lượng, hồi quy được sử dụng khác nhau như thế nào?


3

Tôi có câu hỏi bài tập về nhà này:

Q: Giả sử rằng một công ty tiếp thị đang tìm cách xác định khách hàng quan tâm đến sản phẩm của họ.   Họ hồi quy số lượng bán hàng trong một khu vực ở trình độ học vấn trung bình trong khu vực đó. Liệu hệ số có khả năng đại diện cho một hiệu ứng nhân quả? Tại sao? Đây co phải vân đê? Giải thích.

A: Hệ số không có khả năng đại diện cho một hiệu ứng nhân quả, nó   chỉ cho thấy số lượng bán hàng và giáo dục trung bình di chuyển như thế nào   cùng với nhau. Mối quan hệ đó có thể là nhân quả, nhân quả dự trữ, một   biến bị bỏ qua có thể xác định cả hai hoặc hai có thể là   đồng thời xác định. Đây không phải là vấn đề vì công ty   isn cố gắng làm cho mọi người có nhiều sự quan tâm, họ chỉ muốn   dự đoán xem họ có quan tâm hay không.

Vì vậy, bây giờ tôi muốn biết, làm thế nào một hồi quy được sử dụng khác nhau trong dự báo so với phân tích nguyên nhân?

Nếu tôi đang tìm kiếm sức mạnh dự đoán so với quan hệ nhân quả, làm thế nào các mô hình hồi quy có thể khác nhau, nếu có?

Hoặc làm thế nào các kết quả có thể được giải thích khác nhau?

Câu trả lời:


2

Trong dự báo, chúng tôi chỉ muốn dự đoán những gì sẽ xảy ra. Vì thế giả định rằng có một mức độ ổn định nhất định trong mối quan hệ , để mối quan hệ có giá trị bên ngoài mẫu, chúng tôi ước tính mức độ bán hàng trong quá khứ thay đổi theo cấp độ giáo dục (hoặc bất cứ điều gì) và chúng tôi nói "vì vậy nếu chúng tôi chuyển sang Khu vực mới" X "và áp dụng cùng một chiến lược bán hàng, vì trong "X", trình độ học vấn là "Y", chúng tôi dự đoán doanh số của chúng tôi sẽ là "Z", dựa trên mối quan hệ đồng vận động ước tính ".

Trong phân tích kinh tế lượng, chúng tôi chắc chắn quan tâm đến việc ước tính cùng một mối quan hệ, nhưng nếu chúng tôi muốn thực hiện phân tích nguyên nhân, xác định các giả định trở thành mô hình cụ thể và cụ thể phát sinh, (ví dụ như cách tiếp cận "Khác biệt") để phát hiện và đánh giá quan hệ nhân quả.

Theo cách mà câu đầu tiên trong phần "A" của câu hỏi là "sai theo hướng khác": cụm từ "không có khả năng đại diện cho một hiệu ứng nhân quả" là không chính xác: nó "có khả năng" đại diện cho một, như không phải, vì hồi quy cơ bản là "bất khả tri" về tác động nhân quả, nó chỉ là về việc phát hiện và ước tính mối tương quan.


1

Nếu bạn đang thực hiện phân tích dự đoán, bạn có thể sử dụng một cái gì đó như Hồi quy logistic, thông thường bạn có thể sử dụng để cung cấp cho bạn câu trả lời nhị phân, chẳng hạn như 1,0. Ví dụ: bạn có thể ước tính khả năng họ sẽ đăng ký thẻ tín dụng tại ngân hàng của bạn dựa trên trình độ học vấn, thu nhập và tuổi của họ và câu trả lời sẽ là (1 = có) hoặc (0 = không). Theo kinh nghiệm của tôi, đây có thể được coi là một phân tích kinh tế lượng cũng như phân tích dự đoán và "phân tích dự đoán" có thể được coi là một tập hợp con của "phân tích kinh tế lượng", nhưng những cái khác có thể khác.

Bạn cũng có thể nói rằng phân tích kinh tế lượng đang xem xét mối tương quan giữa dữ liệu trong quá khứ và cách các biến này liên quan đến nhau, "di chuyển" trong mối quan hệ với nhau và đưa ra kết luận từ cách biến y phản ứng với các thay đổi trong biến x, dựa trên quá khứ dữ liệu.

Phân tích dự đoán cũng liên quan đến các phương pháp như mô hình ARIMA hoàn toàn không sử dụng thống kê mà thay vào đó là các xu hướng, lỗi và "sự khác biệt" trong quá khứ. ARIMA là một phương pháp khá công bằng, nhưng theo kinh nghiệm của tôi, tôi thích có một phương pháp thống kê dựa trên các giả định cho phân tích.

Khi sử dụng trang web của chúng tôi, bạn xác nhận rằng bạn đã đọc và hiểu Chính sách cookieChính sách bảo mật của chúng tôi.
Licensed under cc by-sa 3.0 with attribution required.