因果推斷
因果推断是一种研究因果关系的科学方法，旨在确定某个现象（因）对另一个现象（果）的独立影响。与传统的相关性分析不同，因果推断专注于探究当原因变量发生变化时，结果变量的具体响应。 这一领域在人工智能、医学、社会科学和经济学中得到了广泛应用。 因果推断的核心任务是通过数据分析揭示隐藏的因果关系。它不仅需要构建因果模型，还必须满足特定假设，以确保推断结果的可靠性。这些假设包括无混杂变量假设（不存在未观测的混杂因素）、共同支持假设（不同处理方式的…
标签：#回歸分析
共 4 篇文章
過適
在統計學中，過適（，或稱擬合過度）是指過於緊密或精確地匹配特定資料集，以致於無法良好地拟合其他資料或預測未來的觀察結果的現象。过拟合模型指的是相较有限的数据而言，参数过多或者结构过于复杂的统计模型。发生过拟合时，模型的偏差小而方差大。过拟合的本质是训练算法从中不自觉获取了信息并表达在了模型结构的参数当中。相较用于训练的資料總量來說，一個模型只要结构足夠複雜或参数足够多，就总是可以完美地適應資料的。過適一般可以視為違反奥卡姆剃刀原則。 与…
自变量和因变量
常以橫軸表示自變數（解釋變數）、縱軸表示應變數（被解釋變數）的函數圖像來描繪。在此函數中，x為自變數，y為應變數。]] 自變數（），又稱獨立變數、解釋變數（explanatory variable）、外生變數，是可由研究者选择、控制、研究，且能独立变化而影响或引起其他变量变化的条件或因素（变-{}-数、变-{}-量、变-{}-项）。 與自變數相對者為應變數（），又稱-{zh-cn:应; zh-hk:因; zh-tw:因}-變數、被解釋變…
ARMA模型
ARMA模型（，全稱：自我迴歸滑動平均模型）。是研究时间序列的重要方法，由自迴歸模型（简称AR模型）与移动平均模型（简称MA模型）为基础“混合”构成。在市场研究中常用于长期追踪资料的研究，如：Panel研究中，用于消费行为模式变迁研究；在零售研究中，用于具有季节变动特征的销售量、市场规模的预测等。 自我迴歸AR(p)模型 : X_t = c + \sum_{i=1}^p \varphi_i X_{t-i}+ \varepsilon_t …