首先,如果您想观看Mathew和Welch的视频,可以单击下面的视频:
以下是我所指的图表的一个版本。 它是免费的,可以通过以下方式获得 走 ogle的公共使用功能
您可以转到Google数据可视化页面并移动一个滑动按钮,以根据自己的意愿查看许多年的数据。 我决定只提取2008年1月奥巴马上任时的失业数据。我本可以回到布什总统的职位上,但是我不想把它变成一个游击队。
[点击图片可放大]
我相信,查看以上图表的任何具有理性智慧和客观性的人都会将其描述为显示出清晰的系统趋势。 如果您从2009年开始,那么不可避免的结论是,鉴于2009年上任的情况,失业数字显示出明显的系统性上升趋势(更多失业)。 然后,就在2009年之后,似乎出现了平稳期。 然后,存在明显的系统下降趋势。 这些是客观的数据点。 随着时间的推移,这些是多个数据点。 这些多个数据点应告知任何有理智和客观的人,在奥巴马总统任职的头1年以上,失业一直在系统地增加,然后是平稳期,然后是下降趋势。 显而易见,任何三年级学生都可以描述这种趋势。
作为应用类固醇(在应用统计,测量和心理计量学方面具有专长的教育心理学家-点击这里 对于我的生物和维生素以及其他专业信息),这些数据集非常漂亮。 该图显示了清晰的系统趋势。 当我们像这样应用quant的see数据时,我们经常想玩这些数据……这就是我所做的。 我按照以下步骤
1. 我提取了2008年1月至2012年10月的月度失业率。
2. 我将这些值输入到标准统计软件中以评估趋势(对于那些好奇的人,我使用了 表格曲线2D 该程序可帮助科学家找到描述一组数据点的最佳方程组。
3. 我运行了该软件,该软件生成了所有可能解释数据的方程式。 然后,从系统性的角度考虑,我选择了“最佳拟合”的方程式,该方程式产生的曲线没有很多颠簸和弯曲。
4. 结果如下。
[点击图片可放大]
如您所见,可以使用非常复杂的方程式(Eqn 7509)来描述失业数据的趋势。 (您不是希望您能收回您的“但我高中毕业后什么时候才能在现实生活中使用它”对您的初中和高中数学老师的评论?) 实际上,您可以忽略复杂的方程式。 至关重要的一点是,曲线(代表复杂的方程式)对于捕获2008年以来的失业数据的总体上升,平稳和下降趋势非常出色,这对于任何相对聪明和客观的人都应该显而易见。到2012年。这是如此明显。 It is so clear.
这意味着从2008年到2012年10月的失业数据存在明显的系统模式。 现在,为了解决杰克·韦尔奇(Jack Welch)的指控(他自己承认“没有证据”),辩论后(且仅在选举前几周)失业率奇迹般地跌至8.0%(阈值)的神奇阈值是神奇的由共和党设定,因为奥巴马无法达到这一标准(因此有迹象表明他没有改善经济),这就是 作为“烹饪书籍”的证据,我提供以下基于科学的结论。
1. 如果使用99%的解释方程式并用来预测十月份的数值是多少 在宣布之前,则预测值为7.91(请参见上图)。 商界人士,经济学家和金融投资者使用类似的统计工具来监控趋势并做出预测,而这通常就是此类高管和金融人士如何赚钱的方法-找到一个好的预测方程式,然后进行投资或转移资金(或出售或购买)股票)给出了未来几个月的预测趋势。 因此,在宣布7.8%的价格之前,十月份可能达到的最佳预测仍低于8.0%。 It was 7.91. 现在,该比例略低于8.0%,但仍低于8.0%,距离实际报告的数值7.8%不远。
2. 根据第1点的结论和统计数据,7.8%的值与99%的解释趋势非常一致,因此不应将其视为某种神奇的“离群值”数字,作为“书本烹饪”的证据。 7.8%的值与基于57个不同数据点(57个月)的系统统计建模趋势完全一致。 声称7.8是完全出乎意料的事情的信号,这使我训练有素的统计头脑感到困惑。
3. 从上图中可以看出,然后我使用方程式预测了接下来两个月的失业率... 7.83和7.74。
4. 在过去的3.5年中,失业趋势似乎出现了弯曲……这是积极的弯曲……不是骗局。 上图显示了明显的“失业趋势弯曲“-极负的上升趋势已经停止,现在已经逆转。
总而言之,自2012年以来的失业统计数据显示出清晰的系统趋势,可以对这些趋势进行数学建模并用于预测目的。 7.8%的值非常符合趋势。 7.8%的值不是某种“异常值”或“异常”数据点。 更重要的是,自2009年左右以来,聪明的人(尤其是一位成功的CEO和业务人员)如何看不到失业率的明显下降趋势,这是我的科学量化思维无法企及的。 我想念什么吗?
随着我们处理通常只能占趋势的40%至60%的现象,在社会行为科学领域,我们几乎不会随时间看到如此系统的数据。 能够通过数学目标方程式解释趋势的99%触动了我的定量灵魂。最后,我希望本文能说明使用应用统计方法来解释和建模数据的系统趋势以进行后续预测的重要性。
回到我的领域,心理学中的量子应用了统计曲线拟合方法来制定测试规范,从变量组合中找到最佳的结果预测等。 一些例子在 我的应用测试开发系列的一个模块 PPT模块。