ইকোনোমেট্রিক্স এবং অন্যান্য পরিসংখ্যান ক্ষেত্রগুলির মধ্যে প্রধান দার্শনিক, পদ্ধতিগত এবং পরিভাষাগত পার্থক্যগুলি কী কী?

Question

একনোমেট্রিক্সের প্রচলিত পরিসংখ্যানগুলির সাথে যথেষ্ট পরিমাণে ওভারল্যাপ রয়েছে তবে প্রায়শই বিভিন্ন বিষয় ("সনাক্তকরণ," "বহিরাগত," ইত্যাদি) সম্পর্কে নিজস্ব জার্গন ব্যবহার করে। আমি একবার অন্য ক্ষেত্রের মন্তব্যে প্রয়োগকৃত পরিসংখ্যান অধ্যাপককে শুনেছি যে প্রায়শই পরিভাষা পৃথক হলেও ধারণাগুলি একই রকম। তবুও এর নিজস্ব পদ্ধতি এবং দার্শনিক পার্থক্য রয়েছে (হেকম্যানের বিখ্যাত প্রবন্ধটি মাথায় আসে)।

একনোমেট্রিক্স এবং মূলধারার পরিসংখ্যানগুলির মধ্যে কোন পরিভাষার পার্থক্য বিদ্যমান এবং ক্ষেত্রগুলি যেখানে কেবল পরিভাষার চেয়ে আলাদা হয়ে যায়?

Answer 1

কিছু পরিভাষাগত পার্থক্য রয়েছে যেখানে একই বিষয়কে বিভিন্ন শাখায় বিভিন্ন নাম বলা হয়:

1. বায়োস্টাটিক্সে অনুদৈর্ঘ্য তথ্য একই ব্যক্তির পুনরাবৃত্তি পর্যালোচনা করা হয় = অর্থনীতিতে প্যানেল ডেটা।
2. $1/(1+\exp[-x'\beta])$$x$
3. $M$

বিভিন্ন শব্দাবলীতে বিভিন্ন শব্দ বোঝাতে একই শব্দটি ব্যবহৃত হয়:

1. $x'\beta$
2. শক্তিশালী অনুমানের অর্থ অর্থনীতিবিদদের জন্য হেটেরোসেক্টেস্টাস্টিটি-সংশোধন মানক ত্রুটি (ক্লাস্টার স্ট্যান্ডার্ড ত্রুটিগুলি এবং / অথবা স্বতঃসংশোধন-সংশোধন স্ট্যান্ডার্ড ত্রুটিগুলির এক্সটেনশন সহ) এবং পরিসংখ্যানবিদদের বহিরাগতদের কাছে শক্তিশালী পদ্ধতিগুলি।
3. দেখে মনে হয় অর্থনীতিবিদদের একটি হাস্যকর ধারণা রয়েছে যে স্তরিত নমুনাগুলি সেগুলি যা নির্বাচনের সম্ভাবনাগুলি পর্যবেক্ষণের মধ্যে পরিবর্তিত হয়। এগুলিকে অসম সম্ভাবনার নমুনা বলা উচিত। স্তরযুক্ত নমুনা হ'ল নমুনা গ্রহণের আগে পরিচিত বৈশিষ্ট্য অনুসারে জনসংখ্যা প্রাক-সংজ্ঞায়িত গোষ্ঠীতে বিভক্ত ।
4. একনোমেট্রিকিয়ানদের "ডেটা মাইনিং" (কমপক্ষে 1980 এর দশকের সাহিত্যে) এর অর্থ হ'ল হ্যারেলের বইয়ে বিস্ময়করভাবে ব্যাখ্যা করা হয়েছে যা এর সাথে সম্পর্কিত একাধিক পরীক্ষার এবং ক্ষতিগুলি বোঝাত । কম্পিউটার বিজ্ঞানীদের (এবং পরিসংখ্যানবিদদের) ডেটা মাইনিং পদ্ধতিগুলি ডেটাগুলিতে নিদর্শনগুলি খুঁজে পাওয়ার নন-প্যারাম্যাট্রিক পদ্ধতি, যা পরিসংখ্যানগত পড়াশুনা নামেও পরিচিত ।

আমি হওয়া একনোমেট্রিক্সের অনন্য অবদান দেখি

1. অন্তঃসত্ত্বা এবং দুর্বলভাবে নির্দিষ্ট রেগ্রেশন মডেলগুলির সাথে মোকাবিলা করার উপায়গুলি, এমপিক্টাস অন্য উত্তরে ব্যাখ্যা করেছেন যে, (i) বর্ণনাকারী ভেরিয়েবলগুলি এলোমেলো হতে পারে (এবং তাই প্যারামিটারের অনুমানে পক্ষপাত তৈরির ক্ষেত্রে রিগ্রেশন ত্রুটির সাথে সম্পর্কযুক্ত), (ii) মডেলগুলি বাদ দেওয়া ভেরিয়েবলগুলি থেকে ভুগতে পারে (যা ত্রুটি শর্তের অংশ হয়ে যায়), (iii) অর্থনৈতিক এজেন্টরা কীভাবে উদ্দীপনার প্রতি প্রতিক্রিয়া দেখায় তার অরক্ষিত বৈধতা থাকতে পারে, ফলে স্ট্যান্ডার্ড রিগ্রেশন মডেলগুলিকে জটিল করে তোলা হয়। অ্যাংজিস্ট অ্যান্ড পিসচে এই বিষয়গুলির একটি দুর্দান্ত পর্যালোচনা, এবং এটি থেকে কীভাবে রিগ্রেশন বিশ্লেষণ করবেন সে সম্পর্কে পরিসংখ্যানবিদরা অনেক কিছু শিখবেন। খুব কমপক্ষে, পরিসংখ্যানবিদদের ইনস্ট্রুমেন্টাল ভেরিয়েবল রিগ্রেশন শিখতে হবে এবং বুঝতে হবে।
2. $\chi^2$$s^2 (X'X)^{-1}$
3. নিয়মিতভাবে ব্যবধানযুক্ত প্রক্রিয়াগুলির সাথে টাইম ডোমেনে প্রচুর কাজ হয়েছে - এভাবেই সামষ্টিক অর্থনৈতিক তথ্য সংগ্রহ করা হয়। অনন্য অবদানের মধ্যে রয়েছে সংহত ও সমন্বিত প্রক্রিয়া এবং স্বতঃসংশ্লিষ্ট কন্ডিশনাল হিটারোস্কেস্টেটিটি ((জি) আরএইচ) পদ্ধতিগুলি। সাধারণত একজন অণুজীবী ব্যক্তি হওয়ায় আমি এগুলির সাথে কম পরিচিত।

$\beta/\sigma$$\sigma$ অবশ্যই অর্থনীতিবিদরা কথা বলছেন।) অবশ্যই, একটি উপযোগ যা তার ইনপুটগুলিতে রৈখিক হয় তা মাইক্রোকোনমিক্স 101 এর দৃষ্টিকোণ থেকে খুব মজার একটি বিষয়, যদিও আধা-অবতল কার্যের কিছু সাধারণীকরণ সম্ভবত মাস-কোলেলে করা হয়।

$C_p$, ডিএফবিটা ইত্যাদি), নিখোঁজ হওয়া ডেটা বিশ্লেষণ (মানসকির আংশিক পরিচয় অবশ্যই অভিনব, তবে মূলধারার এমসিএআর / এমএআর / এনএমএআর বিচ্ছেদ এবং একাধিক অনুমান আরও কার্যকর), এবং জরিপের পরিসংখ্যান। মূলধারার পরিসংখ্যান থেকে প্রাপ্ত অন্যান্য প্রচুর অবদান একনোমেট্রিক্স দ্বারা উপভোগ করা হয়েছে এবং হয় একটি আদর্শ পদ্ধতি হিসাবে গৃহীত হয়েছে, বা একটি স্বল্পমেয়াদী ফ্যাশন হিসাবে উত্তীর্ণ হয়েছে: 1960 এর দশকের এআরএমএ মডেলগুলি কিছু স্নাতক প্রোগ্রাম হিসাবে পরিসংখ্যানগুলির তুলনায় সম্ভবত একনোমেট্রিক্সে আরও বেশি পরিচিত পরিসংখ্যানগুলিতে আজকাল কোনও টাইম সিরিজ কোর্স সরবরাহ করতে ব্যর্থ হতে পারে; 1970 এর দশকের সংকোচনের প্রাক্কলনকারী / রিজ রিগ্রেশন এসেছে এবং চলে গেছে; ১৯ complicated০ এর দশকের বুটস্ট্র্যাপটি যে কোনও জটিল পরিস্থিতিতে হাঁটু-ঝাঁকুনির প্রতিক্রিয়া, যদিও অর্থনীতিবিদদের বুটস্ট্র্যাপের সীমাবদ্ধতা সম্পর্কে আরও ভাল সচেতন হওয়া দরকার; নব্বইয়ের দশকের অভিজ্ঞতাগত সম্ভাবনা তাত্ত্বিক পরিসংখ্যানবিদদের চেয়ে তাত্ত্বিক একনোমেট্রিক্স থেকে আরও পদ্ধতিগত বিকাশ দেখেছি; 2000 এর দশকের গণনামূলক বায়েশিয়ান পদ্ধতিগুলি একনোমেট্রিক্সে বিনোদন দেওয়া হচ্ছে, তবে আমার অনুভূতিটি হ'ল যে আমি আগে উল্লেখ করেছি দৃ para়তার সাথে দৃষ্টান্তের সাথে সামঞ্জস্যপূর্ণ হওয়ার জন্য খুব প্যারাম্যাট্রিক, খুব ভারী মডেল-ভিত্তিক। অর্থনীতিবিদরা আধুনিক পরিসংখ্যানগুলিতে অত্যন্ত গরম যে স্ট্যাটিস্টিকাল লার্নিং / বায়োইনফরম্যাটিকস বা স্পাটিও-টেম্পোরাল স্টাফগুলির কোনও ব্যবহার খুঁজে পাবেন কিনা তা একটি মুক্ত কল is

Comments

+1 কোনও প্রশ্ন যখন বিভিন্ন সম্প্রদায়ের কাছে খোলা থাকে তখন কী উত্তম উত্তরগুলি আসতে পারে তার একটি দুর্দান্ত উদাহরণ ।

— whuber

@ শুভ, মন্তব্য করার জন্য ধন্যবাদ। নিয়মানুবর্তিতা আমাকে স্পষ্টভাবে বাদাম চালায়।

— স্টাসকে

@ স্টাস্ক চমৎকার উত্তর। একটি দ্রুত পয়েন্ট, যদিও। "সামগ্রিকভাবে, অর্থনীতিবিদরা তাদের মডেলগুলিতে সহগের দৃ strong় ব্যাখ্যা অনুসন্ধান করার ঝোঁক"। কড়া কথায় বলতে গেলে এটি কিছুটা ভুল is , তারা ব্যাখ্যা করার চেষ্টা করা খুব জটিল)।

— গ্রিম ওয়ালশ

@ গ্রেমেওয়ালশ - আমি যেমন দেখেছি, আমি দেখছি, আমি ম্যাক্রো / সময় সিরিজে কাজ করি না। এই বিষয়টি চিহ্নিত করার জন্য ধন্যবাদ.

— স্টাসকে

Answer 2

লিনিয়ার রিগ্রেশন সম্পর্কে বিবেচনা করা ভাল, কারণ এটি ইকোনোমেট্রিক্সের প্রধান সরঞ্জাম। লিনিয়ার রিগ্রেশন-এ আমাদের একটি মডেল রয়েছে:

$$Y=X\beta+\varepsilon$$

$X$

পার্থক্যটি দেখার আরেকটি উপায় হ'ল অন্যান্য পরিসংখ্যান ক্ষেত্রগুলির ডেটা আইডির নমুনা হিসাবে বিবেচনা করা যেতে পারে। একনোমেট্রিক্সে ডেটা অনেক ক্ষেত্রে স্টোকাস্টিক প্রক্রিয়া থেকে প্রাপ্ত একটি নমুনা, যার মধ্যে আইআইডি কেবল একটি বিশেষ ক্ষেত্রে। অতএব আবার বিভিন্ন জঞ্জাল।

উপরের বিষয়গুলি জানার জন্য সাধারণত অন্যান্য পরিসংখ্যান ক্ষেত্রগুলি থেকে সহজেই ইকোনোমেট্রিক্সে ঝাঁপিয়ে পড়া যথেষ্ট। যেহেতু সাধারণত মডেলটি দেওয়া হয়, তাই কী তা কী তা নির্ধারণ করা কঠিন নয়। আমার ব্যক্তিগত মতে মেশিন লার্নিং এবং শাস্ত্রীয় পরিসংখ্যানগুলির মধ্যে জার্গন পার্থক্যটি একোমেট্রিক্স এবং শাস্ত্রীয় পরিসংখ্যানের তুলনায় অনেক বড়।

যদিও লক্ষ করুন যে এখানে এমন পদ রয়েছে যার একনোমেট্রিক্স ছাড়াই পরিসংখ্যানগুলিতে সংশ্লেষিত অর্থ রয়েছে। প্রধান উদাহরণটি স্থির এবং এলোমেলো প্রভাব। এই শর্তাদি সম্পর্কে উইকিপিডিয়া নিবন্ধগুলি একটি জগাখিচুড়ি, পরিসংখ্যানের সাথে একোমেট্রিক্স মিশ্রিত করে।

Comments

"প্রধান উদাহরণটি স্থির এবং এলোমেলো প্রভাব is এই শর্তাদি সম্পর্কে উইকিপিডিয়া নিবন্ধগুলি একটি জঞ্জাল, আসলেই সত্য.

— মাইকেল বিশপ

Answer 3

একটি সূক্ষ্ম পার্থক্য হ'ল অর্থনীতিবিদরা কখনও কখনও মডেলগুলিতে ত্রুটি শর্তগুলির অর্থ বোঝায়। এটি "কাঠামোগত" অর্থনীতিবিদদের মধ্যে বিশেষত সত্য, যারা বিশ্বাস করেন যে আপনি স্ট্রাকচারাল পরামিতিগুলি অনুমান করতে পারবেন যা আগ্রহ বা স্বতন্ত্রীয় বৈচিত্র্যের প্রতিনিধিত্ব করে।

এর একটি শ্রেণির উদাহরণ হল প্রবাইট। পরিসংখ্যানবিদরা সাধারণত ত্রুটি শব্দটির কারণ কী তা নিয়ে অজ্ঞেয়বাদী হন, অর্থনীতিবিদরা প্রায়শই ত্রুটি পদগুলিকে প্রবণতাগুলিতে পছন্দগুলির বৈচিত্র্য উপস্থাপন হিসাবে দেখেন। প্রবিট মামলার জন্য আপনি শ্রম বাহিনীতে যোগদানের কোনও মহিলার সিদ্ধান্তের মডেল করতে পারেন। এটি বিভিন্ন ভেরিয়েবল দ্বারা নির্ধারিত হবে, তবে ত্রুটি শব্দটি একটি অনাবৃত ডিগ্রি উপস্থাপন করবে যেখানে কাজের জন্য পৃথক পছন্দগুলি পৃথক হতে পারে।

Comments

যদিও পরিসংখ্যানবিদরা ত্রুটি শব্দটির কারণ কী তা নিয়ে অজ্ঞেয়বাদী হতে পারেন, এর অর্থ এই নয় যে তারা এটির যত্ন নেন না। আপনি যা বর্ণনা করছেন তা হ'ল ত্রুটি শর্তের ভিন্ন ভিন্নতা, যার অর্থ ত্রুটি শর্তাবলী সম্পর্কে স্বাভাবিক অনুমানগুলি পূরণ হয় না। কোনও পরিসংখ্যানবিদ এটিকে উপেক্ষা করবেন না।

— এমপিক্টাস

মজার বিষয় হল, এই ক্ষেত্রে ত্রুটি শব্দটির ফর্মটি নিয়ে কোনও সমস্যা নেই। পরিসংখ্যানবিদগণ এবং অর্থনীতিবিদরা সকলেই অস্ত্রের মধ্যে উঠবেন এবং হিটারোস্কেস্টাস্টিটি বা অন্য কোনও আইডির ত্রুটিযুক্ত শর্তাদি সম্পর্কে উদ্বিগ্ন হবেন। যাইহোক, ত্রুটি শব্দটি প্রব্যাকের মতো এন (0,1) হলেও, অর্থনীতিবিদরা এটির একটি অর্থনৈতিক ব্যাখ্যা দিতে প্রস্তুত।

— d_a_c321

এটি সাধারণভাবে মডেলিংয়ের ক্ষেত্রে প্রযোজ্য। মডেলটিকে নিজের বিশেষ উপায়ে ব্যাখ্যা করা অর্থনীতিবিদদের মধ্যেই সীমাবদ্ধ নয়, আমার অভিজ্ঞতা যতদূর যায়।

— এমপিটিকাস

আমি একমত নই অর্থনীতিবিদদের স্পষ্টত মডেলগুলির চতুর ব্যাখ্যায় একচেটিয়া আবশ্যক <মাত্র মজা করছেন!>> যদিও ভাল পয়েন্ট।

— d_a_c321

Answer 4

অবশ্যই, কোনও বিস্তৃত বিবৃতি অত্যধিক বিস্তৃত হতে বাধ্য। তবে আমার অভিজ্ঞতাটি হ'ল একনোমেট্রিক্স কার্যকারিতা সম্পর্কে উদ্বিগ্ন এবং পরিসংখ্যান ভবিষ্যদ্বাণীতে আরও আগ্রহী হয়ে উঠেছে।

অর্থনীতির দিক থেকে আপনি "বিশ্বাসযোগ্যতা বিপ্লব" সাহিত্য এড়াতে পারবেন না ( বেশিরভাগ ক্ষতিকারক একনোমেট্রিকস ইত্যাদি)। অর্থনীতিবিদরা নীতি মূল্যায়ন এবং সুপারিশের দিকে নজর দিয়ে কিছু ফলাফলের উপর কিছু চিকিত্সার প্রভাবের দিকে মনোনিবেশ করেন।

পরিসংখ্যানের দিক থেকে, আপনি অনলাইন বিশ্লেষণ এবং জেনেটিক্সের অ্যাপ্লিকেশনগুলির সাথে ডেটা মাইনিং / মেশিন লার্নিংয়ের উল্লেখযোগ্য উদাহরণ হিসাবে দেখছেন। এখানে গবেষকরা আচরণ বা সম্পর্কের পূর্বাভাস দেওয়ার বিষয়ে আরও আগ্রহী, তাদের সঠিকভাবে ব্যাখ্যা করার চেয়ে; তারা কারণগুলির চেয়ে বরং নিদর্শনগুলির সন্ধান করে।

আমি আরও উল্লেখ করতে পারি যে পরিসংখ্যানবিদরা traditionতিহ্যগতভাবে পরীক্ষামূলক নকশায় বেশি আগ্রহী ছিলেন, 1930 এর দশকে কৃষি পরীক্ষায় ফিরে গিয়েছিলেন।

Answer 5

আমি লক্ষ্য করেছি যে আমি মূলধারার পরিসংখ্যান বিজ্ঞানের একোনোমেট্রিকরা যাকে কল্পনা করেছি তার সাথে তুলনামূলকভাবে স্কেমেটিক বা ডেটা-ভিত্তিক গ্রাফগুলি ব্যবহার করতে নারাজ বলে মনে হচ্ছে। রিগ্রেশনের কভারেজ, যা প্রাকৃতিকভাবে অন্যত্রের তুলনায় একনোমেট্রিক্সে আরও বেশি কেন্দ্রীভূত, এটি একটি প্রধান ক্ষেত্রে। পরিসংখ্যানবিদদের দ্বারা নিপীড়নের আধুনিক প্রবর্তনগুলি ডায়াগনস্টিক প্লট সহ ডেটা প্লট করা এবং রিগ্রেশনের ফলাফলগুলি পরিকল্পনার মূল্যের উপরে জোর দেয়, যেখানে একনোমেট্রিক্স গ্রন্থগুলিতে চিকিত্সা সুস্পষ্টভাবে আরও আনুষ্ঠানিক। ইকোনোমেট্রিক্সে শীর্ষস্থানীয় পাঠ্যগুলিতে অনেকগুলি গ্রাফ অন্তর্ভুক্ত থাকে না এবং তাদের মানকে দৃ promote়ভাবে প্রচার করা হয় না।

অপ্রচলিত বা আরও খারাপ বলে মনে হওয়ার ঝুঁকি ছাড়াই এটি বিশ্লেষণ করা কঠিন, তবে আমি অনুমানকারী হিসাবে নিম্নলিখিতগুলির সংমিশ্রণে অনুমান করতে পারি।

1. কঠোরতার আকাঙ্ক্ষা। ইকোনোমেট্রিকরা সন্দেহজনক বা ডেটা থেকে শেখার বিরোধিতা করে এবং আনুষ্ঠানিক পরীক্ষার উপর ভিত্তি করে সিদ্ধান্তগুলি দৃ strongly়ভাবে পছন্দ করে (যখনই তারা কোনও উপপাদ্য থেকে বেরিয়ে আসে না)। এটি "তত্ত্ব" এর উপর ভিত্তি করে মডেলগুলির পছন্দের সাথে যুক্ত হয়েছে (যদিও এর অর্থ কেবল এই হতে পারে যে কোনও ভবিষ্যদ্বাণী কোনও কাগজে আগে কোনও অর্থনীতিবিদ ডেটা নিয়ে কথা বলেননি) mentioned

2. প্রকাশনা অনুশীলন। অর্থনীতি বা ইকোনোমেট্রিক্স জার্নালের জন্য কাগজগুলি সহগের উচ্চ স্টাইলাইজ টেবিল, স্ট্যান্ডার্ড ত্রুটি, টি-পরিসংখ্যান এবং পি-মান সহ ভারী। গ্রাফ যোগ করা এমনকি অনেক ক্ষেত্রেই ভাবা যায় বলে মনে হয় না এবং যদি দেওয়া হয় তবে পর্যালোচকদের দ্বারা কাটার জন্য পরামর্শ দেওয়া হবে। এই অনুশীলনগুলি প্রজন্মের বা তার বেশি সংখ্যক এম্বেড হয়ে গেছে যে তারা স্বয়ংক্রিয় হয়ে উঠেছে, তারতম্যপূর্ণ স্তরের ইত্যাদি নিয়ে কঠোর সম্মেলনগুলি সহ conven

3. জটিল মডেলগুলির জন্য গ্রাফিক্স। স্পষ্টতই গ্রাফগুলি এড়িয়ে যাওয়া হয় যখনই মনে হয় না যে এমন কোনও গ্রাফ রয়েছে যা অনেকগুলি ভবিষ্যদ্বাণী ইত্যাদি ইত্যাদির সাথে জটিল মডেলের সাথে মেলে etc.

স্বাভাবিকভাবেই, আমি যা প্রস্তাব করছি তা হ'ল অর্থের পার্থক্য, যেমনটি ছিল এবং আমি উভয় ক্ষেত্রেই অনেক পরিবর্তনশীলতা স্বীকার করি।

Answer 6

অন্যান্য অন্যান্য পরিমাণগত শৃঙ্খলার বিপরীতে, অর্থনীতি মার্গিনের জিনিসগুলির সাথে ডিল করে। এটি হ'ল প্রান্তিক উপযোগিতা, প্রতিস্থাপনের প্রান্তিক হার ইত্যাদি calc

অনেক পরিসংখ্যানমূলক শাখা অর্থ এবং বৈচিত্র হিসাবে অ ডেরাইভেটিভ পরিমাণে ডিল করে। অবশ্যই, আপনি প্রান্তিক এবং শর্তসাপেক্ষ সম্ভাবনা বিতরণের ক্ষেত্রে যেতে পারেন, তবে এর মধ্যে কয়েকটি প্রয়োগ অর্থনীতিতেও যায় (যেমন "প্রত্যাশিত মান"))

Answer 7

এটি একনোমেট্রিক্স নয়, এটি প্রসঙ্গ। যদি আপনার সম্ভাবনা ফাংশনটির কোনও অনন্য অনুকূলতা না থাকে তবে এটি কোনও পরিসংখ্যানবিদ এবং একনোমেট্রিশিয়ান উভয়েরই জন্য উদ্বেগ প্রকাশ করবে। এখন আপনি যদি এমন একটি অনুমানের প্রস্তাব করেন যা অর্থনৈতিক তত্ত্ব থেকে আসে এবং প্যারামিটারাইজেশনকে সীমাবদ্ধ করে যাতে প্যারামিটারটি চিহ্নিত হয়, তবে এটিকে একনোমেট্রিকস বলা যেতে পারে তবে অনুমানটি কোনও স্থিতিশীল ক্ষেত্র থেকে আসতে পারে।

এক্সোজিনিটি একটি দার্শনিক বিষয়। বিভিন্ন মতামতের তুলনা করার জন্য উদাহরণস্বরূপ http://andrewgelman.com/2009/07/disputes_about/ দেখুন , যেখানে রুবিনের মতো অর্থনীতিবিদরা সাধারণত এটি বোঝেন।

সুতরাং, সংক্ষেপে, হয় আপনার শিক্ষিকা যে জার্গনটি ব্যবহার করেন তা গ্রহণ করুন, বা উন্মুক্ত মন রাখুন এবং ব্যাপকভাবে পড়ুন।

Answer 8

ইকোনোমেট্রিকিয়ানরা কার্যকরী অনুমিতিতে প্রায় একচেটিয়া আগ্রহী, অন্যদিকে পরিসংখ্যানবিদরা ফলাফলের পূর্বাভাস দেওয়ার জন্য মডেলগুলিও ব্যবহার করেন। ফলস্বরূপ, ইকোনোমেট্রিশিয়ানরা এক্সোজিনিটিতে বেশি মনোনিবেশ করেন (যেমন অন্যরা উল্লেখ করেছেন)। হ্রাসিত ফর্ম একনোমেট্রিক্স এবং কাঠামোগত একনোমেট্রিকগণ বিভিন্নভাবে এই কার্যকারণীয় ব্যাখ্যাটিতে পান।

হ্রাসকৃত ফর্ম একনোমেট্রিকিয়ানরা প্রায়শই উপকরণের ভেরিয়েবল কৌশল ব্যবহার করে এক্সোজিওনিটির মোকাবেলা করেন (যখন আইভিটি স্ট্যাটিস্টিশিয়ানরা খুব কম ব্যবহার করেন।)

কাঠামোগত অর্থনীতিবিদগণ পরিসংখ্যানবিদদের ক্ষেত্রে বিরল এমন একটি তত্ত্বের উপর নির্ভর করে পরামিতিগুলির কার্যকারণীয় ব্যাখ্যা পান।

Comments

চতুর্থ অ-পরিসংখ্যানবিদরা প্রচুর পরিমাণে ব্যবহার করেন এবং হ্রাস-রূপক একনোমেট্রিক্স কেবলমাত্র চতুর্থ (ডিফ-ইন-ডিফ, রিগ্রেশন অনিয়মিতকরণ ইত্যাদি) ব্যতীত কার্যকারিতা অনুক্রমের জন্য প্রচুর কৌশল ব্যবহার করে। সাম্প্রতিক অ-একনোমেট্রিক স্ট্যাটিস্টিকাল চতুর্থ বিকাশের সাথে ইকোনোমেট্রিকস চতুর্থের পুনর্মিলনের জন্য ইম্বেন্সের এই কাগজটি দেখুন ।

— এরি বি ফ্রেডম্যান

Answer 9

পরিসংখ্যানবিদ হিসাবে আমি এটি আরও সাধারণভাবে বিবেচনা করি। আমাদের বায়োমেট্রিকস এবং একনোমেট্রিক্স রয়েছে। এটি উভয় ক্ষেত্রেই যেখানে সমস্যাগুলি সমাধানের জন্য পরিসংখ্যান ব্যবহৃত হয়। বায়োমেট্রিক্সের সাথে আমরা জৈবিক / চিকিত্সা সংক্রান্ত সমস্যাগুলি মোকাবিলা করছি যেখানে অর্থনীতি নিয়ে অর্থনীতি সম্পর্কিত বিষয়গুলি রয়েছে। অন্যথায় তারা একই রকম হবে যে ব্যতীত বিভিন্ন শাখা বিভিন্ন পরিসংখ্যান কৌশলকে জোর দেয়। বায়োমেট্রিক্সে বেঁচে থাকার বিশ্লেষণ এবং কন্টিনজেন্সি টেবিল বিশ্লেষণ ভারী ব্যবহৃত হয়। ইকোনোমেট্রিক্সের জন্য সময় সিরিজটি ভারী ব্যবহৃত হয়। রিগ্রেশন বিশ্লেষণ দুটি ক্ষেত্রেই সাধারণ। একনোমেট্রিক্স এবং বায়োস্ট্যাটাস্টিক্সের মধ্যে পরিভাষা পার্থক্য সম্পর্কে উত্তরগুলি দেখে মনে হচ্ছে আসল প্রশ্নটি মূলত পরিভাষা সম্পর্কে ছিল এবং আমি কেবল অন্য দুটিকেই সম্বোধন করেছি। উত্তরগুলি এত ভাল যে আমি এটিতে কিছু যুক্ত করতে পারি না। আমি বিশেষত স্টাসকের উত্তরগুলি পছন্দ করেছি। তবে একজন বায়োস্ট্যাটিস্টিশিয়ান হিসাবে আমি মনে করি যে আমরা লগইট মডেল এবং লজিস্টিক মডেলটি বিনিময়যোগ্যভাবে ব্যবহার করি। আমরা লগইট (p / [1-p]) লগইট রূপান্তর কল করি।

Comments

(+1) আপনি ডোমেন নির্দিষ্ট সমস্যার ক্ষেত্রে প্রয়োগ পরিসংখ্যানগুলির ডোমেন নির্দিষ্ট অ্যাপ্লিকেশনগুলির তালিকায় সাইকোমেট্রিক্স যুক্ত করতে পারেন ।

— অ্যান্ডি ডব্লিউ