محدودیت های روندهای خطی

در بحث در مورد سری زمانی ، ما به طور مداوم با "روندهای خطی" ، معمولاً "تجزیه و تحلیل رگرسیون حداقل مربعات" ارائه می شود.

در حالی که این می تواند یک ابزار مفید باشد ، همچنین می تواند پاسخ های گمراه کننده یا حداقل مفید ، به ویژه در دوره های کوتاه مدت پاسخ دهد. بگذارید چند مثال بیان کنم.

1) درمان چرخه ها

یکی از انتقادات مهم روندهای خطی زمانی است که فقط بخشی از یک الگوی چرخه ای از آنها استفاده می شود.

واضح است که برای نشان دادن یک روند صعودی بر روی قسمت رو به رشد یک چرخه کاملاً گمراه کننده است. این به خوبی در جای دیگر مورد بحث قرار گرفته است ، بنابراین من این نکته را در اینجا نمی دانم.

2) داده های غیر عادی.

روند خطی ، به ویژه در دوره های کوتاه ، می تواند به طور قابل توجهی توسط یک یا دو واقعه غیر عادی تأثیر بگذارد.

شکل 1 را به عنوان نمونه بگیرید.

هر سال دقیقاً به جز سال غیر عادی سال 1991 یکسان است. دلیل این ناهنجاری بی اهمیت است ، می تواند تنوع تصادفی یا به سادگی طبیعی باشد. شاید چک در پست گم شود!

به وضوح هیچ نشانه ای مبنی بر افزایش پرداخت به من در سالهای آینده وجود ندارد. با این وجود ، روند خطی می گوید درآمد من "در حال افزایش" است. آیا همسرم خواستار لباس گران تر خواهد شد؟

حالا سناریوی متفاوتی بگیرید.

این بار سال گذشته بود که چک از بین رفت. ناگهان ، درآمد روزافزون من به یک کاهش یافته تبدیل شده است!

آیا بودجه خود را برای سال آینده تریم خواهم کرد؟آیا سگ مجبور خواهد شد به جای استیک با Kennomeat کنار بیاید؟

در هر دو مورد ، روند خطی در مورد شکل نمودار چیزهای زیادی به شما می گوید ، اما چیز دیگری نیست. مطمئناً چیزی در مورد آنچه ممکن است در آینده رخ دهد به شما نمی گوید.

برای اکثر مردم ، هیچ روندی در هر دو سناریو وجود ندارد.

این را به اشتراک بگذارید:

مثل این:

مربوط

درباره آینده: من در مورد توانایی هر مدل سازی ریاضی برای پیش بینی آینده شک می کنم. جهان ممکن است قطعی باشد اما بسیار پیچیده است. نیازی به یادآوری مردم در اینجا ندارم که ریاضیات داده های مورد علاقه ما را در مورد ما خلاصه می کند و به دنبال همبستگی هایی است که ممکن است یک رابطه علیت را نشان دهد - یعنی یک "قانون" که به اندازه کافی قابل قبول است تا در پیش بینی برخی از رویدادهای آینده استفاده کند.(S)به دایره اینجا توجه کنید! البته همبستگی علیت نیست بلکه آنچه ما می نامیم باعث همبستگی می شود. اما ماهیت "علت" چیست؟IMHO پاسخ هومن ، انسانها آنقدر در توانایی های خود محدود هستند که نمی توانند چشمه ها و اهرم های مخفی را ببینند که باعث وقوع حوادث می شوند. آنچه ما می نامیم صرفاً یک عادت ذهن است - آنچه ممکن است امروز یک ساختار اجتماعی بنامیم. در مورد حقیقت - quid est veritas؟پاسخ به آنجا آمد! به نظر می رسد ما به دنبال ابزاری برای پیش بینی آینده هستیم: من گمان می کنم که جستجو بیهوده است.

نکته جالب این است که هیچ علتی بدون همبستگی وجود ندارد. بنابراین ، هیچ همبستگی ، پیوند علی. یک چیز ارزشمند برای دانستن و آزمایش قبل از اینکه بیش از حد درگیر شوید یا پول زیادی خرج کنید!

با تشکر از شما پل. تعداد دفعاتی که سعی می کنم این موضوع را برای دوستان مغز سبز خود توضیح دهم ، بارها بوده است. از این پس فقط آنها را به این وبلاگ ارجاع می دهم.

گوشت گاو خاص دیگر من این است که اوجراستوست ها هرگز نمی بینند که طبیعت همه چیز را با نرخ خمیده تغییر ، نه خطی ، بلکه با یک جزء لگاریتم طبیعی (E) اجرا می کند. رشد و کاهش طبیعی است. و یادآوری آنها که در طبیعت به هر عمل یک واکنش متضاد به کفر در کلیسا وجود دارد.

با تشکر از شما برای درس شماره 1 ، پل.

این را در وبلاگ اخبار WeatherAction بلاگلاگ گرفت و اظهار نظر کرد: CAGW =

1976-1998 + روند خطی آگهی infinitum.

من شخصاً از هموار سازی و میانگین (با رزرو) متنفرم ، زیرا تغییرات چیزی است که به ما می گوید چه اتفاقی می افتد. به عنوان مثال. خشکسالی 1975-7 و به دنبال آن یک سپتامبر 76 و 77 سپتامبر بسیار مرطوب بود. فوریه 2012 به سختی بالاتر از حد متوسط بود اما نوسانات وحشی دو هفته (SE ENG) را در زیر دو مورد آخر بالا داشت. یک روز در 10 درجه سانتیگراد در تمام طول روز با یک روز با نوسانات روزانه 0C-20C متفاوت است اما هر دو به طور متوسط 10C است.

به همین دلیل هسته های یخی و پروکسی ها به عقب برگشته اند (بدون مشاهدات برای پشتیبان گیری) گمراه کننده هستند و باید با احتیاط زیادی مورد استفاده قرار گیرند (و چرا اثر انگشت CAGW انسانی برای 76- 98 یک بازی احمقانه است که توسط افراد فریب خورده و conmen انجام می شود). آیا آنها واقعاً می گویند یک دوره صاف/100 ساله صاف/متوسط در فاصله طولانی ، 22 سال اجازه ایستادگی می کند؟

البته ادبیات آماری زیادی در مورد "نکات تأثیرگذار" وجود دارد. نرم افزار شخصی من دارای تسهیلات است تا نشان دهد که تمام نقاط در هر رگرسیون چقدر تأثیرگذار است ، چه در یک مورد ساده و چه در چند مورد. در رگرسیون چندگانه ، چنین نقاطی آسان نیست ، اما می تواند نشانه ای از مشاهدات بسیار مهم یا اشتباه بد باشد.

هر چه وضعیتی باشد ، من فکر می کنم نشان دادن فواصل اطمینان برای هر دو معادله رگرسیون - بهترین "خط" - و برای مشاهدات فردی آینده (البته با این فرض که این سیستم با شرایطی که برای آن عملیاتی شده است کنترل می شودداده های مورد استفاده برای رگرسیون). این امر به طور طبیعی همیشه اینگونه نیست ، بلکه باید هر زمان که یک رگرسیون متناسب باشد ، در ذهن داشته باشید.

من از صمیم قلب نکات کریگ را در مورد صاف کردن تأیید می کنم. کسانی که فقط به داده های صاف نگاه می کنند ، واقعاً در دنیای رویایی کار می کنند. وقتی مجموعه داده ها را بارگیری می کنم ، فقط با داده های اصلی کار می کنم. روش هایی که من استفاده می کنم فوراً نشان می دهد که آیا داده ها تحت عنوان "درمان" از این نوع انجام شده اند ، خواه نویسنده آن را تصدیق کند یا نه. من همیشه گمان می کنم که کسانی که داده های صاف را ارائه می دهند ، چیزی برای پنهان کردن دارند!

البته استثنائات وجود دارد ، اما از هموار سازی مراقب باشید.

30 سال پیش تقریباً وقتی متوجه چیز مهمی شدم ، از مدرک اقتصادی دست کشیدم. به معنای مدل های اقتصادی برای پیش بینی آینده بود. اما برای تمام پیچیدگی های آنها - و الگوی خزانه داری آن دوران از برخی از قدرتمندترین رایانه های جهان استفاده می کرد - وقتی روند رشد پایدار وجود داشت ، آنها دقیق ترین بودند. این جایی است که روند سال آینده همان سال گذشته خواهد بود. این جایی بود که فوق العاده رایانه ای به برون یابی "پشت پاکت" اضافه می کند. در اقتصاد ، شما یک پیش بینی جدید می خواستید که در آن ناپیوستگی وجود داشته باشد. به ویژه ، در جایی که یک بحران رکود اقتصادی را تسریع کرد و نظم و ترتیب گذشته را باطل کرد. اقلیم شناسی ادعا می کند که دانش در مورد آن که در داده های شناخته شده تجزیه می شوند ، آگاهی دارند. این ادعا می کند که به آنچه بسیاری از ذهن های بزرگ در اقتصاد نزدیک نشده اند ، دست یابند - ناپیوستگی های پیش بینی و دقیق پروژه در روند داده ها.

چرا من سالانه از Koch Bros چک دریافت نمی کنم؟من چه اشتباهی انجام می دهم؟