논문들 보다보면 결정계수 0.2~0.3인 추정치들을 제시해놓고 비교하면서 a가 b보다 r^2가 높으므로 더 유의하다 이런식으로 말하는데
애초에 0.5를 넘지 않으면 이 모형 자체가 실제를 설명할 수 있다고 말할 수 없기 때문에 추정치를 제시할 수 없는 거 아닌가?
그리고 보통 어느정도 모형이 신뢰성이 있다라고 하는걸 0.6~0.7 정도로 말하는 것으로 아는데
논문들 보다보면 결정계수 0.2~0.3인 추정치들을 제시해놓고 비교하면서 a가 b보다 r^2가 높으므로 더 유의하다 이런식으로 말하는데
애초에 0.5를 넘지 않으면 이 모형 자체가 실제를 설명할 수 있다고 말할 수 없기 때문에 추정치를 제시할 수 없는 거 아닌가?
그리고 보통 어느정도 모형이 신뢰성이 있다라고 하는걸 0.6~0.7 정도로 말하는 것으로 아는데
통계학을 쓸거면 결정계수로 얘기할게 아니고 p value같은걸 생각해야지
만약 동일 집단인데 변수 수 늘려놓고 a가 b보다 더 유의하다 이딴식으로 씨부리는 사회학쪽 논문은 그냥 개소리고
그 외에 아예 모형이 다르다고 해도 표본마다 오차가 존재할 수 있으니 어느 정도 차이는 무시하는 게 맞음
그리고 사회과학쪽 논문이면 결정 계수 낮은 것은 수두룩함. 왜냐면 하도 이거저거 복합적으로 꼬여서 일어나는 일들이기때문에 결정 계수 높기가 힘들거든. 거기에 더해서 목적 자체가 실제를 예측한다이거 보다는 특정 변수가 실제 현실에 어떤 영향을 주는지를 알아보는 경우가 많음. 이게 1픽이 말한 계수의 p-value를 봐야된다의 의미고
위 형님들이 설명 잘 해주신듯 우선 통계적 모델링은 ML쪽 애들이 생각하는 거랑 다르게 맞추는게 장땡이 아님. 1st Moment로만 때려맞추는게 아니라 2nd Moment 이상을 보면서 추정량의 분산, 에러 텀의 분산 등을 꼼꼼히 보면서 변수가 유의한지, 부호는 +인지 -인지, 얼마나 효과가 있는지 등등 다각적으로 봐야함 - dc App
사과쪽은 보통 인과성 보려고 하는 경우여서 flow가 모델이 잘 맞춘다가 아니라 모델을 썼더니 이 독립변수가 -로 종속변수에 인과적으로 영향을 준다 느낌으로 보면 됨 - dc App
결정계수가 그렇게 중요한거면 그냥 데이터 개수 n개면 n차 다항식 하나 만들면 결정계수 1이라서 쌉이지 왜 이런 테스트 저런 테스트 하겠냐 - dc App