计量小课:计量经济学基础

[模型世界]序言

经过多天的酝酿,小妹准备开一档专门讲模型的系列。

作者:爱撩数据的小妹发布:2018-01-05更新:2026-11-16★★

经过多天的酝酿,今天起小妹准备开一个专门讲模型的系列。

《深入浅出数据分析》是一本有趣的统计书,

它告诉我们统计模型取决于你的心智模型

咦,是不是脑海里马上蹦出复杂的数学符号,软件里连成片的输出,经常的状态是“低头看厚厚的统计书不知所云,抬头瞅长长的数据串无处下手”。

所以嘛,小妹要开这个系列,尽量用点接地气的话表达小妹的理解和经验,理理那些可以对付数据的模型们~

当然,小妹讲述的方式不会把常用的模型一个一个列出来,跟别人一样多(za)没 (neng) 意(bi) 思 (guoqu),  小妹想 就直接从数据出发,来讲适合不同数据类型的分析模型!

1为什么要这样讲模型?

原因是,你有没有经历过这样的割裂感?

学习时,你学模型的假设条件,认真推导每一个系数的估计方差置信区间,满满的 “器已利,事必善” 的得意。可拿到数据了呢?傻眼了,只有一列列变量(假设你极幸运的拿到了格式整齐的数据),要干嘛?哦,要预测。预测谁?预测余罪下一期死没死,哦,然后呢?用啥模型呢?然后你又得拿起书,翻翻哪个模型适用于这种数据类型,才最终走到为数据建模这一步。

这样折腾,其实是因为我们学习时大抵遵循的是“模型驱动”的思维,而实际分析时,则更需要的是“数据驱动”的灵感。

          这么拽,电视剧里能活几集?

短话长说一点就是**:**

当我们在为数据真实建模时,常常需要首先明确好要分析的数据类型,并准确定位到适合分析该类型数据的n种方法上,然后反复斟酌实际情况,拟合多个模型,再用靠谱的评价指标选出最终的赢家~~这种情形下,学习时的模型思维与应用时的需求还是有一定差距的。

2要讲啥模型?

既然存在上面提到的问题,小妹想,我们能不能直接按照[数据类型]来归一归相关的模型方法呢?比如:

脑洞时刻:

1 横截面,时间序列,纵向数据它们有什么不同?

2 横截面数据,你的因变量是连续是离散是分类是计数又该对应什么模型?

3  对付同一类数据,持久耐用的经典模型和火热时尚的机器学习算法该怎么选择?

4  拟合了模型,要怎么判断它用的对不对?

这些,也许,会在本系列中讲到。想不想知道呀?

3具体怎么讲?

小妹暂定的讲解方式这样的:

1  每一部分先讲数据类型**,**让你可直接看到即将输入软件的数据模样;

2  按从简单到复杂,从经典统计到机器学习领域的顺序 梳理合适模型;

3  介绍每种模型的时候,先讲原理,再看模型形式,偶尔来点私房小经验,注意事项,以及模型诊断方面的知识,最后给大家举一个小例子。

每篇推文不会太长,主要希望大家在地铁上,排队时,无聊中看到的时候,能有  “原来还能这样做,这段时间没浪费” 的窃喜,然后回去关掉手机看更加专业严肃的书。

你的时刻来啦!

大家还有什么想听的内容,或者是对讲解形式的建议都可以留言在后台。小妹会秉承[公平公正不公开]的原则,认真倾听,酌情采纳,么么哒~


< 鸡汤时间 >

继续阅读

学习路径

计量小课:计量经济学基础·第 1 / 63 篇
1[模型世界]序言