اقتصادسنجی و علم داده؛ استفاده از تکنیک های علم داده برای مدل سازی مسائل پیچیده و پیاده سازی راه حل ها برای مسائل اقتصادی

نویسنده: کریس نوکری، شپو، با معرفی تحلیل کوواریانس، تحلیل همبستگی، اعتبارسنجی متقابل، بهینه‌سازی فراپارامتر، تحلیل رگرسیون و تحلیل باقیمانده‌ها، شما را آشنا می‌کند. علاوه بر این، او رویکردی برای مقابله با همخطی چندگانه ارائه می‌دهد. سپس، یک مدل سری زمانی که به عنوان مدل جمعی شناخته می‌شود را رد می‌کند. او تکنیکی را برای باینری کردن یک ویژگی اقتصادی برای انجام تحلیل طبقه‌بندی با استفاده از رگرسیون لجستیک نشان می‌دهد. او مدل پنهان مارکوف را که برای کشف الگوهای پنهان و رشد در اقتصاد جهانی استفاده می‌شود، مطرح می‌کند. نویسنده تکنیک‌های یادگیری ماشین بدون نظارت مانند تحلیل مؤلفه‌های اصلی و تحلیل خوشه‌ای را نشان می‌دهد. مفاهیم کلیدی یادگیری عمیق و روش‌های ساختاردهی شبکه‌های عصبی مصنوعی به همراه آموزش آنها و ارزیابی عملکردشان بررسی می‌شود. از تکنیک شبیه‌سازی مونت کارلو برای تحریک قدرت خرید پول در یک اقتصاد استفاده می‌شود. در نهایت، مدل معادلات ساختاری (SEM) برای ادغام تحلیل همبستگی، تحلیل عاملی، تحلیل چند متغیره، تحلیل علی و تحلیل مسیر در نظر گرفته می‌شود. پس از خواندن این کتاب، باید بتوانید ارتباط بین اقتصادسنجی و علم داده را تشخیص دهید. شما خواهید دانست که چگونه یک رویکرد یادگیری ماشین را برای مدل‌سازی مسائل پیچیده اقتصادی و سایر مسائل فراتر از این کتاب به کار ببرید. شما خواهید دانست که چگونه عملکرد مدل را دور بزنید و آن را بهبود بخشید، همراه با مفاهیم عملی یک رویکرد یادگیری ماشین در اقتصادسنجی، و قادر خواهید بود با مسائل اقتصادی مبرم مقابله کنید.

آنچه خواهید آموخت

بررسی ساختارهای پیچیده، چند متغیره و خطی-علّی از طریق تکنیک تحلیل مسیر و ساختاری، از جمله حالت‌های غیرخطی و پنهان
آشنایی با کاربردهای عملی یادگیری ماشین و یادگیری عمیق در اقتصادسنجی
درک چارچوب نظری و توسعه فرضیه و تکنیک‌های انتخاب مدل‌های مناسب
توسعه، آزمایش، اعتبارسنجی و بهبود مدل‌های کلیدی یادگیری ماشین تحت نظارت (یعنی رگرسیون و طبقه‌بندی) و بدون نظارت (یعنی کاهش ابعاد و تحلیل خوشه‌ای)، در کنار شبکه‌های عصبی، مدل‌های مارکوف و SEM
نمایش و تفسیر داده‌ها و مدل‌ها

این کتاب برای چه کسانی مناسب است
دانشمندان داده مبتدی و متوسط، اقتصاددانان، مهندسان یادگیری ماشین، آماردانان و مدیران اجرایی کسب و کار