The primary objective of data minin

The primary objective of data mining is to develop the “best” model after
several diagnostic tests so that the model finally chosen is a “good” model
in the sense that all the estimated coefficients have the “right” signs, they
are statistically significant on the basis of the t and F tests, the R2 value is
reasonably high and the Durbin–Watson d has acceptable value (around 2),
etc. The purists in the profession look down on the practice of data mining.
In the words of William Pool, “. . . making an empirical regularity the foundation,
rather than an implication of economic theory, is always dangerous.”
15 One reason for “condemning” data mining is as follows.
Nominal versus True Level of Significance in the Presence of Data
Mining. A danger of data mining that the unwary researcher faces is that
the conventional levels of significance (α) such as 1, 5, or 10 percent are not
the true levels of significance. Lovell has suggested that if there are c candidate
regressors out of which k are finally selected (k ≤ c) on the basis of data
mining, then the true level of significance (α*) is related to the nominal level
of significance (α) as follows

Kết quả (Việt) 1:

Mục tiêu chính của khai thác dữ liệu là để phát triển các mô hình "tốt nhất" sau khimột số xét nghiệm chẩn đoán vì vậy mà các mô hình lựa chọn cuối cùng là một mô hình "tốt"trong ý nghĩa là tất cả các hệ số ước tính có dấu hiệu "đúng", họcó ý nghĩa thống kê trên cơ sở các t và thử nghiệm F, R2 giá trịhợp lý cao và d Durbin – Watson đã được chấp nhận giá trị (khoảng 2),vv. Purists trong nghề nhìn xuống trên các thực hành khai thác dữ liệu.Trong những lời của William Pool, "... làm một đều đặn thực nghiệm nền tảng,thay vì một ngụ ý của lý thuyết kinh tế, luôn luôn là nguy hiểm."15 lý do chính "lên án" khai thác dữ liệu là như sau.Danh so với mức ý nghĩa thực sự của sự hiện diện của dữ liệuKhai thác mỏ. Đó là một mối nguy hiểm của khai thác dữ liệu phải đối mặt với các nhà nghiên cứu không thận trọngthông thường các cấp của ý nghĩa (α) như 1, 5 hoặc 10% khôngý nghĩa của thực sự các cấp. Lovell đã gợi ý rằng nếu không có ứng cử viên cregressors trong số cuối cùng mà k lựa chọn (k ≤ c) trên cơ sở dữ liệukhai thác, sau đó đúng mức của tầm quan trọng (α *) có liên quan đến mức danh nghĩaý nghĩa (α) như sau

Kết quả (Việt) 2:

Mục tiêu chính của khai thác dữ liệu là để phát triển mô hình "tốt nhất" sau khi
một số xét nghiệm chẩn đoán để các mô hình cuối cùng được lựa chọn là một "tốt" mô hình
trong ý nghĩa rằng tất cả các hệ số ước tính có "quyền" dấu hiệu, họ
là ý nghĩa thống kê về cơ sở kiểm tra t và F, giá trị R2 là
hợp lý cao và Durbin-Watson d có giá trị chấp nhận được (khoảng 2),
vv Các chủ nghĩa thuần túy trong nghề nhìn xuống trên thực tế khai thác dữ liệu.
Theo lời của William Pool ". . . làm cho một quy luật thực nghiệm nền tảng,
chứ không phải là một ý nghĩa của lý thuyết kinh tế, luôn luôn là nguy hiểm. "
15 Một lý do cho" lên án "khai thác dữ liệu như sau.
danh nghĩa so Đúng Mức Ý nghĩa trong sự Hiện Diện của Data
Mining. Một nguy hiểm khai thác dữ liệu mà các nhà nghiên cứu không thận trọng đối mặt là
các cấp độ thông thường có ý nghĩa (α) như là 1, 5, hoặc 10 phần trăm không phải là
mức độ thực sự của ý nghĩa. Lovell đã gợi ý rằng nếu có c ứng cử viên
biến hồi quy trong đó k cuối cùng được lựa chọn (k ≤ c) trên cơ sở dữ liệu
khai thác, sau đó mức độ thực sự có ý nghĩa (α *) có liên quan đến mức độ danh nghĩa
có ý nghĩa (α) như sau