यह सवाल गैलीट श्मुइली के पेपर "To Explain or Predict " का संदर्भ देता है ।
विशेष रूप से, धारा 1.5 में, "व्याख्या और भविष्यवाणी अलग हैं", प्रोफेसर श्मुइली लिखते हैं:
व्याख्यात्मक मॉडलिंग में ध्यान अंतर्निहित सिद्धांत का सबसे सटीक प्रतिनिधित्व प्राप्त करने के लिए पूर्वाग्रह को कम करने पर है।
जब भी मैंने पेपर पढ़ा है, इसने मुझे हैरान कर दिया है। किस अर्थ में अनुमानों में पूर्वाग्रह को कम करना अंतर्निहित सिद्धांत का सबसे सटीक प्रतिनिधित्व देता है?
मैं भी प्रोफेसर Shmueli की बात देखा यहाँ , जेएमपी डिस्कवरी शिखर सम्मेलन 2017 में वितरित, और वह कहता है:
... चीजें जो संकोचन मॉडल, पहनावा जैसी होती हैं, आप उन लोगों को कभी नहीं देख पाएंगे। क्योंकि वे मॉडल, कुल मिलाकर पूर्वाग्रह / विचरण को कम करने के लिए पूर्वाग्रह का परिचय देते हैं। इसलिए वे वहां नहीं होंगे, ऐसा करने के लिए कोई सैद्धांतिक समझ नहीं है। आप अपने मॉडल को उद्देश्य से पक्षपाती क्यों बनायेंगे?
यह वास्तव में मेरे सवाल पर प्रकाश नहीं डालता है, बस उस दावे को बहाल करता है जो मुझे समझ में नहीं आता है।
यदि सिद्धांत में कई पैरामीटर हैं, और उनके पास अनुमान लगाने के लिए हमारे पास डेटा है, तो अनुमान त्रुटि पर विचरण का प्रभुत्व होगा। इस स्थिति में रिज रिग्रेशन (जिसके परिणामस्वरूप कम विचरण का पूर्वाग्रह अनुमान है) जैसी पक्षपातपूर्ण आकलन प्रक्रिया का उपयोग करना अनुचित क्यों होगा?