अर्थमितीय विधियों के सफल वास्तविक दुनिया अनुप्रयोगों के प्रलेखित / प्रतिलिपि प्रस्तुत करने योग्य उदाहरण?


10

यह सवाल बहुत व्यापक लग सकता है, लेकिन यहां वह है जिसकी मुझे तलाश है। मुझे पता है कि अर्थमितीय विधियों के बारे में कई उत्कृष्ट किताबें हैं, और अर्थमितीय तकनीकों के बारे में कई उत्कृष्ट लेख हैं। इस क्रॉसविलेस्ड प्रश्न में वर्णित अर्थमिति के उत्कृष्ट प्रतिलिपि प्रस्तुत करने योग्य उदाहरण भी हैं । वास्तव में इस सवाल में उदाहरण बहुत करीब आते हैं कि मैं क्या देख रहा हूं; उन उदाहरणों में केवल एक चीज गायब है, वे केवल शोध रिपोर्ट हैं, बिना किसी अध्ययन के परिणाम के कैसे वास्तविक दुनिया में आवेदन किया गया

क्या मैं देख रहा हूँ कि अर्थमितीय सिद्धांत के वास्तविक दुनिया के अनुप्रयोगों के दस्तावेज / प्रतिलिपि प्रस्तुत करने योग्य उदाहरण हैं जो आदर्श रूप से निम्नलिखित विशेषताएं हैं:

  1. उन्हें प्रतिलिपि प्रस्तुत करने योग्य होना चाहिए , अर्थात डेटा, अर्थमितीय तकनीकों और कोड का (और संकेत) विस्तृत विवरण शामिल होना चाहिए । आदर्श रूप से कोड R भाषा में होगा।
  2. यह दिखाने के लिए विस्तृत दस्तावेज होना चाहिए कि सफलता की एक अच्छी मात्रा निर्धारित करने के अनुसार तकनीक वास्तविक दुनिया में सफल हुई , (उदाहरण के लिए "तकनीक ने राजस्व बढ़ाने में मदद की क्योंकि यह मांग के बेहतर पूर्वानुमान को सक्षम बनाता है, और यहां संख्याएं शामिल हैं")

मैं इकोनॉमिक्स शब्द का उपयोग यहां काफी व्यापक रूप से कर रहा हूं - मेरा मतलब है किसी भी प्रकार का डेटा-माइनिंग , सांख्यिकीय डेटा-विश्लेषण , पूर्वानुमान , पूर्वानुमान या मशीन-लर्निंग तकनीक। ऐसे उदाहरणों को खोजने में एक तात्कालिक समस्या: अर्थमिति के कई सफल अनुप्रयोगों को फॉर-प्रॉफ़िट सेटिंग में किया जाता है और इसलिए वे मालिकाना होते हैं, इसलिए यदि कोई तकनीक अच्छी तरह से काम करती है, तो वह शायद प्रकाशित नहीं होगी (यह मालिकाना व्यापार के मामले में विशेष रूप से सच है रणनीतियाँ), लेकिन मैं फिर भी उम्मीद कर रहा हूँ कि प्रकाशित उदाहरण हैं जिनके पास कम से कम संपत्ति (2) है अगर दोनों (1) और (2) नहीं हैं।


@pchalasani, क्या LTCM की गिनती होती है? ;)
कार्डिनल

असतत पसंद मॉडलिंग के बारे में क्या? मुझे लगता है कि ज्यादातर लोग डीसीएम को अर्थमिति की एक शाखा मानते हैं और पूरी यात्रा मांग पूर्वानुमान उद्योग डीसीएम पर निर्भर करता है कि वे अपने पूर्वानुमान मॉडल के लिए इनपुट उत्पन्न कर सकें ... जो कि आपके मन में हालांकि नहीं था।
पीछा करें

@pchalasani, हां, आप "अर्थमितीय" शब्द की व्याख्या कितने व्यापक रूप से कर रहे हैं? क्या, उदाहरण के लिए, नेटफ्लिक्स का "सिनेमैच" सिस्टम काउंट (या अन्य सफल "एडवाइजर" इंजनों में से कोई है)?
कार्डिनल

अर्नोल्ड ज़ेलर एक बुरा नाम नहीं है। वर्णक्रमीय अनुमान पर लैरी ब्रेटथॉर्स्ट की पीएचडी थीसिस भी अच्छी है
प्रायिकतालॉजिक

@चेज़ और @कार्डिनल: हां ट्रैवल डिमांड फोरकास्टिंग और नेटफ्लिक्स सिनेमैच (और अन्य सिफारिश इंजन) महान उदाहरण होंगे, अगर वे कैसे काम करते हैं, या कम से कम अंतर्निहित तकनीकों का विवरण के बारे में कोई दस्तावेज थे। अन्य उदाहरण शिक्षा या सरकार जैसे गैर-लाभकारी डोमेन से हो सकते हैं।
R_Coholic

जवाबों:


4

जैसा कि टिप्पणियों में उल्लेख किया गया है, यात्रा मांग पूर्वानुमान अक्सर अपनी यात्रा मांग पूर्वानुमानों में व्यवहार मोड विकल्प या मार्ग असाइनमेंट के विकास में सहायता करने के लिए असतत पसंद मॉडल (बहुराष्ट्रीय लॉगिट, नेस्टेड लॉगिट, आदि) से इनपुट का उपयोग करते हैं। डीसीएम के पास निश्चित रूप से यात्रा मांग पूर्वानुमान के बाहर कई अनुप्रयोग हैं, लेकिन इसका उपयोग परिवहन उद्योग में 30+ वर्षों के लिए किया गया है, इसलिए बहुत सारे अच्छे उदाहरण होने चाहिए।

प्रतिलिपि प्रस्तुत करने योग्य उदाहरणों के लिए:

  • Biogeme सॉफ्टवेयर का एक खुला स्रोत टुकड़ा है जो लॉगिट मॉडल का अनुमान लगाने के लिए अनुकूलित है। वेबसाइट डेटा, कोड और एक पेपर लिखती है जो उनके तरीकों का वर्णन करती है।
  • travelR , R के साथ यात्रा मांग पूर्वानुमान बनाने की एक परियोजना है। परियोजना के बारे में 2010, यहाँ सार और यहाँ स्लाइड । आर और ट्रैवल डिमांड फोरकास्टिंग के संबंध में कुछ हफ्तों में एक वेबिनार भी आ रहा है जो मुझे रुचि रखने वालों के लिए यहां लिंक और अपडेट करने के लिए मिलेगा।
  • परिवहन समीक्षा बोर्ड सम्मेलन ने इस वर्ष ऑनलाइन सभी पत्रों की सूची उपलब्ध कराई है। मेरे पास लिंक करने के लिए एक विशिष्ट कागज नहीं है, लेकिन परिवहन संदर्भ में पसंद मॉडल के आवेदन के संबंध में कई समिति के कागजात हैं।

विवरण के लिए धन्यवाद @ देखें, डीसीएम एक ऐसा क्षेत्र है जिससे मैं परिचित नहीं हूं, लेकिन दिलचस्प लग रहा है।
R_Coholic

@pchalasani - असतत पसंद मॉडलिंग के अधिक सामान्य अवलोकन के लिए, केनेथ ट्रेन की पुस्तक सिद्धांत और व्यावहारिक अनुप्रयोगों दोनों के लिए शुरू करने के लिए एक बहुत अच्छी जगह है। यह काफी सघन पढ़ा गया है, लेकिन यदि आप रुचि रखते हैं तो प्रयास के लायक हैं।
पीछा करें
हमारी साइट का प्रयोग करके, आप स्वीकार करते हैं कि आपने हमारी Cookie Policy और निजता नीति को पढ़ और समझा लिया है।
Licensed under cc by-sa 3.0 with attribution required.