Большие данные: новые методы в эконометрике
Big Data: New Tricks for Econometrics
2014-05-01
SCID: 54.1/j9xkhxqq
Discuss with AI
эконометрика больших данныхэконометрический анализмашинное обучениенелинейное моделированиеотбор переменных
Figures from the paper
Abstract (AI)
В настоящее время компьютеры участвуют во многих экономических операциях и могут фиксировать связанные с ними данные, которые затем можно обрабатывать и анализировать. Традиционные статистические и эконометрические методы, такие как регрессионный анализ, часто работают хорошо, однако большие массивы данных создают специфические проблемы, для решения которых могут потребоваться другие инструменты. Во-первых, сам объем данных может требовать более мощных средств их обработки. Во-вторых, потенциальных предикторов может быть больше, чем допустимо использовать при оценивании, поэтому необходимо применять некоторую процедуру отбора переменных. В-третьих, большие массивы данных могут позволять выявлять более гибкие зависимости, чем простые линейные модели. Методы машинного обучения, такие как деревья решений, метод опорных векторов, нейронные сети, глубокое обучение и другие подобные методы, могут обеспечивать более эффективное моделирование сложных взаимосвязей. В этой статье я опишу несколько таких инструментов для обработки и анализа больших данных. Я считаю, что эти методы обладают значительным потенциалом и должны быть более широко известны и использоваться экономистами.
Key Findings
1
Большие наборы данных об экономических транзакциях создают особые проблемы, требующие инструментов, выходящих за рамки обычных методов регрессии.
2
Деревья решений, машины опорных векторов, нейронные сети и глубокое обучение рассматриваются как ценные инструменты, которые экономистам следует применять шире.
3
Из-за огромного объёма данных могут потребоваться более мощные методы их обработки.
4
Методы машинного обучения позволяют моделировать более гибкие и сложные зависимости по сравнению с простыми линейными моделями.
5
Когда число потенциальных предикторов превышает число переменных, допустимых для оценивания, необходимы методы отбора переменных.
Research Object
Большие наборы данных экономических операций (big data, генерируемые компьютерами при фиксации экономических транзакций)
Research Subject
манипулирование данными, отбор переменных и гибкое моделирование сложных взаимосвязей в эконометрике больших данных
Publication Details
Publication Date
2014-05-01
Journal
Publisher
ISSN
Cited by
1608
Open access PDF
Access Type
Author Information
Download PDF
Subscribe to digest
Источники этой статьи в scid.ai3
Работы, цитирующие эту статью5
Почему по-прежнему существует так много рабочих мест? История и будущее автоматизации труда2015
Методы оценки и обновления гедонической оценки2019
Использование машинного обучения в исследованиях рынка недвижимости2023
Методы машинного обучения в макроэкономическом прогнозировании: предварительные результаты2025
Прогнозирование туристского спроса с использованием усовершенствованной модели смешанной выборки данных2020