আমরা কেন রিগ্রেশনে পূর্বাভাসিত মানগুলির স্কোয়ার এবং চতুর্ভুজগুলির জন্য নিয়ন্ত্রণ করতে পারি না?

যদি আমার লক্ষ্যটি পূর্বাভাস হয় (উদাহরণস্বরূপ প্রপেনসিটি স্কোর), কেন আমি মডেল সমীকরণের উচ্চতর অর্ডার শর্তগুলির জন্য নিয়ন্ত্রণ করতে পারিনি? উদাহরণস্বরূপ, কেন মডেলটি অনুমান করবেন না এবং তারপরে দ্বিতীয় পর্যায়ে পূর্বাভাসিত মানগুলির স্কোয়ার এবং কিউবগুলির জন্য নিয়ন্ত্রণ করবেন না এবং সঠিক পূর্বাভাসিত মানগুলির (আরও কার্যকর ক্রিয়াকলাপের পরিবর্তে) আরও ভাল অনুমান পেতে পারেন? আমি জানি স্ট্যান্ডার্ড ত্রুটিগুলি ভুল হবে তবে আমি কি প্রক্রিয়াটি বুটস্ট্র্যাপ করতে পারি না?

econometrics applied-econometrics

— ক্রিস বি।
সূত্র

কেন ঘনক্ষেত্র এ থাম? 99 তম দিকে আপনি সমস্ত ক্ষমতার জন্য নিয়ন্ত্রণ করা উচিত নয়?

— গিসকার্ড

নমনীয় ফাংশনাল ফর্ম এবং ওভারফিটিংয়ের মধ্যে পার্থক্য রয়েছে। আমার প্রশ্নের সাথে, ধরে নেওয়া যাক আমি মডেলটির চেয়ে বেশি উপস্থাপন করছি না।

— ক্রিস বি।

হাই: যেহেতু, কোনও রিগ্রেশন কেবল ব্যবহৃত ফাংশনের মূল্য (আপনার পছন্দসই যে কোনও ফর্মাল ফর্মটি) এবং প্রতিক্রিয়াগুলির মধ্যে বর্গক্ষেত্রের পরিমাণকে হ্রাস করছে, আপনি পছন্দসই যে কার্যকরী ফর্মটি ব্যবহার করতে পারেন তবে এর অর্থ এই নয় যে ফলাফলগুলি কার্যকর। আপনি "পূর্বাভাসিত মানগুলির স্কোয়ার এবং কিউবগুলির জন্য নিয়ন্ত্রণ" বলতে কী বোঝায় সে সম্পর্কে আমি পরিষ্কার নয় ????

— চিহ্নটি লিখিত হয়েছে

কে বলেছে তুমি পারবে না?

— অ্যালেকোস পাপাদাপোলোস

x^{2}

$x^2$

x^{3}

$x^3$

x^{4}

$x^4$

x^{N}

$x^N$

y = β_{0} + β_{1} x_{1} + \dots + β_{p} x_{p} + γ_{2} {\hat{y}}^{2} + \dots + γ_{m} {\hat{y}}^{m} + e r r o r,

$y = \beta_0 + \beta_1 x_1 + \cdots + \beta_p x_p + \gamma_2 \hat{y}^2 + \cdots + \gamma_m \hat{y}^m + error,$

\hat{y}

$\hat{y}$

m

$m$

$p$ $n$ $\hat{y}$ $p$ যদি ছোট হয় তবে অনৈখিকতা সম্ভবত স্প্লাইলেসের মাধ্যমে বা বৈশিষ্ট্যগুলির চতুর্ভুজ এবং ঘনক্ষেত্রের সমীকরণকে আরও সহজ করে পরিচালনা করা যায় hand কিছু সাধারণীকরণযোগ্য মডেল (জিএএম) ইতিমধ্যে সেখানে রয়েছে AM

আমার ব্যক্তিগত অভিজ্ঞতা হ'ল অরৈখিকতা এতটা গুরুত্বপূর্ণ নয় (অর্থনৈতিক ডেটা ব্যবহারের পূর্বাভাসের জন্য)। খুব সুন্দরভাবে ওভারফিট করা এড়াতে এটি আরও অনেক বেশি গুরুত্বপূর্ণ। আমার কাছে, আপনার পরামর্শটি কিছু ক্ষেত্রে কার্যকর বলে মনে হচ্ছে তবে অনেকের ক্ষেত্রে নয়।

এটি বলেছিল, আমি আপনাকে এই সমস্যাটি অনুসরণ করা থেকে বিরত রাখতে চাই না, যদিও অন্যান্য পদ্ধতির উপলব্ধতার কারণে এটি খুব কার্যকর নয় বলে উপসংহারটি শেষ করার একটি (উচ্চ) সম্ভাবনা রয়েছে। বিটিডাব্লু, আপনি এটি ইতিমধ্যে জানতে পারবেন, তবে কেবল ক্ষেত্রে, হাসিটি, তিবশিরানী এবং ফ্রেডম্যানের বই (পরিসংখ্যানগত শিক্ষার উপাদানসমূহ) সহায়ক।

— chan1142
সূত্র

হাই: আপনি অটোরেগ্রেসিভ ডিস্ট্রিবিউটেড ল্যাগ বা কোইক বিতরণ ল্যাগের আলোচনাও দেখতে চাইতে পারেন। এগুলি মারাত্মকভাবে পুনরায় একনোমেট্রিক পদ্ধতির নয় যা আপনার পরামর্শের সাথে মারাত্মকভাবে সম্পর্কিত নয় এবং তারা আপনার পদ্ধতির বিষয়ে কেন কথা বলবে না (আমি মনে করি যে আপনি যে পদ্ধতির পক্ষে যথাসম্ভব যথাসম্ভব মাপসই করা যা অতিমাত্রায় ঝুঁকির মধ্যে রয়েছে) প্রয়োজনীয়ভাবে কার্যকর নয় তবে আপনি তাদের নিজেরাই পদ্ধতি হিসাবে আকর্ষণীয় মনে করতে পারেন find তারা উভয় সময়-সিরিজ মডেলিং পদ্ধতির তাই, যদি আপনার সমস্যা সময় সিরিজের সাথে সম্পর্কিত না হয় তবে তারা সহায়ক হবে না।

— চিহ্নটি

@ মার্কলেড আপনার অত্যধিক মানসিকতার বিষয়ে উদ্বেগ সম্পর্কে, উত্তরে উল্লেখ করা হয়েছে যে বহুপদী (মডেল নির্বাচন) এর ডিগ্রি ক্রস-বৈধকরণের মতো কোনও কিছুর মাধ্যমে সম্পাদিত হয়। অত্যধিক ফিটনেস এড়াতে ক্রস-বৈধতা অবিকল রয়েছে। বেশিরভাগ একনোমেট্রিক্সের পাঠ্যপুস্তকগুলি ক্রস বৈধতা ব্যবহার করে না, কারণ তাদের প্রাথমিক উদ্বেগ অনুমানের চেয়ে বরং মূল্যায়ন।

— jmbejara

@jmbejara। ক্রস-বৈধতা সম্পর্কে ভাল পয়েন্ট। ধন্যবাদ।

— চিহ্ন