Ο οδηγός σου δείχνει πώς να ρωτάς τον Claude και πώς να ελέγχεις ό,τι σου απαντά, πάνω στην ύλη των ενοτήτων του εργαστηρίου. Κάθε έτοιμη ερώτηση σε πλαίσιο έχει δίπλα της κουμπί αντιγραφής, ώστε να την επικολλήσεις στο «Ρώτα τον Claude», να συμπληρώσεις ό,τι βρίσκεται σε αγκύλες και να τη στείλεις.

1. Τι μπορεί και τι δεν μπορεί να κάνει ο Claude

Ο Claude είναι χρήσιμος στην οικονομετρία ως υπομονετικός βοηθός που εξηγεί, εξετάζει, ελέγχει και γράφει κώδικα, αλλά δεν αντικαθιστά ούτε το λογισμικό που κάνει τους υπολογισμούς ούτε τη δική σας κρίση. Το εγχειρίδιο δείχνει πώς να τον χρησιμοποιείτε πάνω στην ύλη των δεκατριών ενοτήτων του μαθήματος, από την απλή παλινδρόμηση έως τους ελέγχους παραβιάσεων των υποθέσεων, ώστε να μαθαίνετε περισσότερο και όχι λιγότερο.

Τέσσερα πράγματα τα κάνει καλά. Εξηγεί μια έννοια με όσους διαφορετικούς τρόπους χρειαστεί, στο επίπεδο που θα του ζητήσετε, και δεν κουράζεται να επαναλαμβάνει. Κατασκευάζει ερωτήσεις και ασκήσεις εξάσκησης και σχολιάζει τις απαντήσεις σας. Διαβάζει μια λύση ή έναν πίνακα αποτελεσμάτων και εντοπίζει το σημείο όπου το σκεπτικό ξέφυγε. Γράφει και εξηγεί κώδικα σε Python, εντολές EViews και τύπους Excel, και ερμηνεύει τα μηνύματα σφάλματος.

Τρία πράγματα θέλουν προσοχή. Το πρώτο είναι η αριθμητική: όταν ο Claude κάνει πράξεις «με το μυαλό» μέσα στο κείμενο, χωρίς να εκτελέσει κώδικα, μπορεί να κάνει λάθος σε ένα άθροισμα ή σε μια στρογγυλοποίηση, οπότε κάθε αριθμός που μετρά πρέπει να επαληθεύεται σε EViews, Excel ή Python. Το δεύτερο είναι οι λεπτομέρειες που δεν μπορεί να δει: δεν ξέρει τι γράφουν οι διαφάνειες του μαθήματός σας, ποιον συμβολισμό χρησιμοποιεί ο διδάσκων ή τι θα ζητηθεί στις εξετάσεις, εκτός αν του το πείτε ή του ανεβάσετε το αρχείο. Το τρίτο είναι η βεβαιότητα του ύφους: μια λανθασμένη απάντηση γράφεται τόσο καλά όσο μια σωστή, οπότε η σαφήνεια της διατύπωσης δεν είναι απόδειξη ορθότητας.

Από αυτά προκύπτει ο κανόνας που διατρέχει όλο το εγχειρίδιο. Ο Claude εξηγεί και προτείνει, το λογισμικό υπολογίζει, και εσείς αποφασίζετε. Για να είναι δυνατός ο έλεγχος, όλα τα παραδείγματα στηρίζονται στον πίνακα των δέκα οικογενειών του μαθήματος, και δίπλα σε κάθε ερώτηση δίνεται ο αριθμός αναφοράς που πρέπει να προκύψει. Οι αριθμοί αυτοί έχουν υπολογιστεί με κώδικα και συμφωνούν με το εγχειρίδιο «Ανάλυση Δεδομένων για Αρχάριους με Οικονομετρία».

2. Πώς γράφεται μια καλή ερώτηση

Η ποιότητα της απάντησης εξαρτάται σχεδόν εξ ολοκλήρου από το πόσα γνωρίζει ο Claude για το πρόβλημά σας. Μια ερώτηση δύο λέξεων παίρνει μια γενική απάντηση εγκυκλοπαίδειας. Μια ερώτηση που δίνει τα δεδομένα, το επίπεδο και τη μορφή που θέλετε παίρνει μια απάντηση φτιαγμένη για εσάς.

Πέντε στοιχεία κάνουν τη διαφορά. Το πρώτο είναι το πλαίσιο: ποιος είστε, σε ποιο μάθημα και σε ποια ενότητα βρίσκεστε, ώστε η απάντηση να μην χρησιμοποιεί έννοιες που δεν έχετε διδαχθεί. Το δεύτερο είναι τα δεδομένα και το υλικό: οι αριθμοί, η εκφώνηση, ο πίνακας του EViews ή το μήνυμα σφάλματος, αυτούσια και όχι περιγραφικά. Το τρίτο είναι ο συμβολισμός: στο μάθημα ο σταθερός όρος είναι β₁ και η κλίση β₂, ενώ πολλά βιβλία γράφουν β₀ και β₁, και αν δεν το δηλώσετε η απάντηση μπορεί να ακολουθήσει τη δεύτερη σύμβαση. Το τέταρτο είναι η μορφή της απάντησης: βήματα με τις πράξεις, σύντομη εξήγηση, πίνακας ή κώδικας. Το πέμπτο είναι ο ρόλος που θέλετε να παίξει: να δώσει τη λύση, να σας οδηγήσει σε αυτήν με ερωτήσεις ή να ελέγξει τη δική σας.

Η πρώτη ερώτηση που ακολουθεί είναι αυτή που γράφουν οι περισσότεροι φοιτητές.

Τι είναι η ετεροσκεδαστικότητα;

Η απάντηση θα είναι σωστή αλλά γενική, ίσως με έλεγχο που δεν έχετε διδαχθεί και με συμβολισμό διαφορετικό από του μαθήματος. Η δεύτερη ερώτηση περιέχει και τα πέντε στοιχεία.

Είμαι δευτεροετής φοιτητής σε τμήμα Διοίκησης Επιχειρήσεων και παρακολουθώ
εισαγωγική οικονομετρία με βάση τον Gujarati. Ο συμβολισμός μας είναι
Y = β1 + β2 X + u, με β1 τον σταθερό όρο και β2 την κλίση.

Έχω εκτιμήσει την παλινδρόμηση της κατανάλωσης πάνω στο εισόδημα για
δέκα οικογένειες. Ο έλεγχος White στο EViews μου έδωσε Obs*R-squared = 2,255
με Prob. = 0,324.

Εξήγησέ μου σε τρεις σύντομες παραγράφους: τι ελέγχει αυτός ο έλεγχος, πώς
διαβάζω τους δύο αριθμούς, και τι σημαίνει για τα τυπικά σφάλματα της
παλινδρόμησής μου. Χρησιμοποίησε μόνο έννοιες εισαγωγικού μαθήματος.

Η δεύτερη ερώτηση είναι μεγαλύτερη, αλλά η απάντησή της μιλά για τα δικά σας αποτελέσματα, στο δικό σας επίπεδο και με τον δικό σας συμβολισμό. Δεν χρειάζεται να τα γράφετε όλα κάθε φορά. Το πλαίσιο και ο συμβολισμός δίνονται μία φορά στην αρχή της συνομιλίας και ισχύουν σε όλη τη διάρκειά της, και αν ανεβάσετε τις διαφάνειες της ενότητας ο Claude ακολουθεί αυτές.

Η συνομιλία δεν τελειώνει στην πρώτη απάντηση. Αν κάτι δεν έγινε κατανοητό, πείτε ποια πρόταση σας μπέρδεψε και ζητήστε άλλη εξήγηση, με αριθμητικό παράδειγμα ή με διάγραμμα. Αν η απάντηση ήταν πολύ γενική, ζητήστε να εφαρμοστεί στους δικούς σας αριθμούς. Αν υποψιάζεστε λάθος, πείτε το ευθέως και ζητήστε να ξαναδείξει τις πράξεις βήμα προς βήμα.

3. Τέσσερις τρόποι χρήσης

Ο ίδιος βοηθός κάνει τέσσερις διαφορετικές δουλειές, και η καθεμία θέλει διαφορετική ερώτηση. Ο φοιτητής που τον χρησιμοποιεί μόνο για να πάρει λύσεις χρησιμοποιεί τον λιγότερο χρήσιμο από τους τέσσερις τρόπους.

Δάσκαλος: εξήγηση μιας έννοιας

Η εξήγηση γίνεται καλύτερη όταν ζητάτε συγκεκριμένη μορφή: ένα παράδειγμα από τη διοίκηση επιχειρήσεων, μια αναλογία, τη διαισθητική ιδέα πριν από τον τύπο. Μια πολύ αποτελεσματική τεχνική είναι να ζητήσετε την εξήγηση κάθε όρου ενός τύπου χωριστά.

Ο τύπος του τυπικού σφάλματος της κλίσης στην απλή παλινδρόμηση είναι
se(b2) = σ / ρίζα(Σx²), όπου x είναι οι αποκλίσεις της X από τον μέσο της.
Εξήγησέ μου τι ρόλο παίζει ο αριθμητής και τι ο παρονομαστής, και γιατί ένα
δείγμα με οικογένειες παρόμοιου εισοδήματος δίνει μεγάλο τυπικό σφάλμα.
Μην γράψεις απόδειξη, θέλω μόνο τη λογική.

Εξεταστής: εξάσκηση πριν από τις εξετάσεις

Η εξάσκηση με ερωτήσεις είναι ο πιο παραγωγικός τρόπος χρήσης, γιατί σας αναγκάζει να ανακαλέσετε και όχι απλώς να διαβάσετε. Ζητήστε μία ερώτηση τη φορά και να περιμένει την απάντησή σας, αλλιώς θα γράψει ερωτήσεις και λύσεις μαζί.

Θέλω να με εξετάσεις στους ελέγχους υποθέσεων στην απλή παλινδρόμηση (έλεγχος t,
διαστήματα εμπιστοσύνης, τιμή p). Κάνε μου μία ερώτηση τη φορά, από εύκολη σε
δύσκολη, και περίμενε την απάντησή μου. Μετά από κάθε απάντηση πες μου αν είναι
σωστή και γιατί, και αν έκανα λάθος δώσε μου μια παρόμοια ερώτηση πριν προχωρήσεις.
Στο τέλος πες μου σε ποια σημεία πρέπει να ξαναδιαβάσω.

Διορθωτής: έλεγχος της δικής σας λύσης

Γράψτε πρώτα τη δική σας λύση και ζητήστε να βρει το λάθος χωρίς να σας δώσει όλη τη σωστή. Η σειρά έχει σημασία: αν δείτε πρώτα τη λύση του Claude, θα σας φανεί προφανής και δεν θα μάθετε αν μπορείτε να τη βρείτε μόνοι σας.

Η άσκηση ζητά διάστημα εμπιστοσύνης 95% για την κλίση, με b2 = 0,5091,
se(b2) = 0,0357 και n = 10. Η λύση μου: 0,5091 ± 1,96 × 0,0357, άρα από 0,4391 έως
0,5791. Είναι σωστή; Αν όχι, δείξε μου μόνο σε ποιο βήμα έκανα λάθος και γιατί,
χωρίς να μου δώσεις το τελικό αποτέλεσμα.

Η λύση αυτή έχει ένα πολύ συνηθισμένο λάθος, τη χρήση της κρίσιμης τιμής 1,96 της κανονικής κατανομής αντί για το 2,306 της κατανομής t με 8 βαθμούς ελευθερίας. Μια καλή απάντηση θα δείξει ακριβώς αυτό το βήμα, και το σωστό διάστημα είναι από 0,4267 έως 0,5915.

Προγραμματιστής: κώδικας και εντολές

Ο τέταρτος τρόπος είναι ο κώδικας και αναπτύσσεται στην Ενότητα 7. Η βασική ιδέα είναι ότι ζητάτε κώδικα με σχόλια σε κάθε γραμμή, τον τρέχετε εσείς, και επιστρέφετε με το αποτέλεσμα ή με το μήνυμα σφάλματος.

4. Ο Claude στις 15 ενότητες του μαθήματος

Κάθε ενότητα του μαθήματος έχει ένα σημείο όπου οι φοιτητές δυσκολεύονται συνήθως, και εκεί αξίζει να στοχεύσει η ερώτηση. Ο πίνακας δίνει για κάθε ενότητα μία ερώτηση που μπορείτε να αντιγράψετε, αφού δώσετε στην αρχή της συνομιλίας το πλαίσιο και τον συμβολισμό της Ενότητας 2.

Οι ερωτήσεις του πίνακα έχουν κοινό χαρακτηριστικό: δεν ζητούν ορισμό, που υπάρχει ήδη στις διαφάνειες, αλλά σύγκριση, αιτιολόγηση ή εφαρμογή. Εκεί ο Claude προσθέτει κάτι στο υλικό του μαθήματος, ενώ με έναν ορισμό απλώς το επαναλαμβάνει.

5. Εφαρμογή: η παλινδρόμηση των δέκα οικογενειών βήμα προς βήμα

Μια πλήρης ανάλυση με τον Claude είναι μια συνομιλία πέντε βημάτων, όπου σε κάθε βήμα ελέγχετε έναν αριθμό πριν προχωρήσετε. Τα δεδομένα είναι η εβδομαδιαία κατανάλωση Y και το εβδομαδιαίο εισόδημα X δέκα οικογενειών, όπως στο μάθημα.

Το πρώτο βήμα δίνει το πλαίσιο και τα δεδομένα και ζητά τους ενδιάμεσους υπολογισμούς.

Παρακολουθώ εισαγωγική οικονομετρία. Συμβολισμός: Y = β1 + β2 X + u.
Δεδομένα δέκα οικογενειών:
Y: 70, 65, 90, 95, 110, 115, 120, 140, 155, 150
X: 80, 100, 120, 140, 160, 180, 200, 220, 240, 260

Υπολόγισε τους εκτιμητές ελαχίστων τετραγώνων με τους τύπους των αποκλίσεων.
Δείξε μου πίνακα με τις στήλες x, y, xy, x² και τα αθροίσματά τους, και μετά τις
πράξεις για τα b2 και b1.

Οι αριθμοί αναφοράς είναι μέσοι 111 και 170, αθροίσματα Σxy = 16.800 και Σx² = 33.000, κλίση 0,5091 και σταθερός όρος 24,4545. Αν το άθροισμα του πίνακα δεν βγαίνει 16.800, ο Claude έκανε αριθμητικό λάθος σε κάποια γραμμή. Τότε ζητήστε να επαναλάβει τον υπολογισμό εκτελώντας κώδικα ή να σας δώσει κώδικα Python να τον τρέξετε εσείς.

Το δεύτερο βήμα ζητά την ερμηνεία, και εδώ αξίζει να ζητήσετε και το όριο της.

Ερμήνευσε την κλίση 0,5091 και τον σταθερό όρο 24,4545 με οικονομικούς όρους.
Πες μου και γιατί πρέπει να είμαι προσεκτικός με την ερμηνεία του σταθερού όρου.

Το τρίτο βήμα είναι η αξιοπιστία των εκτιμήσεων. Ζητήστε τη διακύμανση του διαταρακτικού όρου, τα τυπικά σφάλματα, το r², τον έλεγχο t για την κλίση και το διάστημα εμπιστοσύνης 95%. Οι αριθμοί αναφοράς είναι οι εξής.

Το τέταρτο βήμα είναι η πρόβλεψη. Ζητήστε την πρόβλεψη για εισόδημα 100 μαζί με τα δύο διαστήματα, και ρωτήστε γιατί διαφέρουν. Η σημειακή πρόβλεψη είναι 75,36, το διάστημα για τη μέση κατανάλωση από 67,90 έως 82,83 και το διάστημα για μία οικογένεια από 58,63 έως 92,09.

Το πέμπτο βήμα είναι η ανάγνωση της εξόδου του λογισμικού. Εκτιμήστε την παλινδρόμηση στο EViews, επικολλήστε όλο τον πίνακα στη συνομιλία και ζητήστε εξήγηση γραμμή προς γραμμή. Αυτός είναι ο πιο ασφαλής τρόπος χρήσης, γιατί οι αριθμοί προέρχονται από το λογισμικό και ο Claude κάνει μόνο αυτό στο οποίο είναι δυνατός, την εξήγηση.

6. Παραβιάσεις των υποθέσεων OLS με τον Claude

Στους ελέγχους παραβιάσεων ο Claude βοηθά σε τρία σημεία: να καταλάβετε τι ελέγχει κάθε έλεγχος, να διαβάσετε το αποτέλεσμά του και να αποφασίσετε τι κάνετε όταν η υπόθεση δεν ισχύει. Ο υπολογισμός του ελέγχου γίνεται στο λογισμικό. Οι αριθμοί αναφοράς που ακολουθούν αφορούν δύο υποδείγματα πάνω στις δέκα οικογένειες: το απλό, με ερμηνευτική μεταβλητή το εισόδημα X₂, και το πολλαπλό, όπου προστίθεται ο πλούτος X₃ με τιμές 810, 1.009, 1.273, 1.425, 1.633, 1.876, 2.052, 2.201, 2.435 και 2.686.

Πολυσυγγραμμικότητα

Η πολυσυγγραμμικότητα είναι η παραβίαση που ο Claude εξηγεί καλύτερα όταν του δώσετε το σύμπτωμα και όχι το όνομα. Η ερώτηση που ακολουθεί περιγράφει τα αποτελέσματα και αφήνει τη διάγνωση σε αυτόν.

Παλινδρόμησα την κατανάλωση πάνω στο εισόδημα και τον πλούτο δέκα οικογενειών.
Αποτελέσματα: R² = 0,9635, F = 92,40, αλλά t εισοδήματος = 1,144 και
t πλούτου = −0,526, με αρνητικό συντελεστή στον πλούτο. Η συσχέτιση εισοδήματος
και πλούτου είναι 0,9990.

Τι πρόβλημα δείχνουν αυτά τα αποτελέσματα; Εξήγησέ μου γιατί το F είναι
σημαντικό ενώ κανένα t δεν είναι, υπολόγισε τον VIF δείχνοντας την πράξη, και
πες μου δύο τρόπους αντιμετώπισης με τα υπέρ και τα κατά τους.

Η σωστή απάντηση ονομάζει την πολυσυγγραμμικότητα και υπολογίζει τον VIF ως 1 / (1 − 0,9990²), περίπου 482. Προσέξτε αυτόν τον υπολογισμό, γιατί είναι ευαίσθητος στη στρογγυλοποίηση: με τη συσχέτιση στρογγυλεμένη σε τέσσερα δεκαδικά βγαίνει περίπου 500, ενώ η ακριβής τιμή είναι 482,13. Η διαφορά δεν είναι λάθος του Claude αλλά συνέπεια του αριθμού που του δώσατε, και δείχνει γιατί οι τελικοί αριθμοί προέρχονται από το λογισμικό.

Κανονικότητα

Για την κανονικότητα ζητήστε από τον Claude να συνδέσει τον τύπο με την έξοδο του λογισμικού.

Το ιστόγραμμα καταλοίπων του EViews δίνει Skewness = −0,398, Kurtosis = 1,891,
Jarque-Bera = 0,777, Probability = 0,678, με 10 παρατηρήσεις. Δείξε μου πώς προκύπτει
το 0,777 από την ασυμμετρία και την κύρτωση, ποια είναι η μηδενική υπόθεση και τι
συμπεραίνω. Πες μου και πόσο αξιόπιστος είναι ο έλεγχος με τόσο μικρό δείγμα.

Η απάντηση πρέπει να δείξει την πράξη 10 × [0,398² / 6 + (1,891 − 3)² / 24] = 0,777, να διατυπώσει ως μηδενική υπόθεση την κανονικότητα και να καταλήξει ότι δεν απορρίπτεται, αφού 0,678 > 0,05. Η τελευταία ερώτηση έχει σημασία: ο έλεγχος είναι ασυμπτωτικός και με δέκα παρατηρήσεις έχει μικρή ισχύ, και μια καλή απάντηση το λέει.

Ετεροσκεδαστικότητα

Στην ετεροσκεδαστικότητα η πιο χρήσιμη ερώτηση είναι η περιγραφή της βοηθητικής παλινδρόμησης, γιατί εκεί χάνονται οι περισσότεροι φοιτητές.

Εξήγησέ μου τον έλεγχο White για την παλινδρόμηση Y = β1 + β2 X2 + β3 X3 + u.
Γράψε τη βοηθητική παλινδρόμηση, πες μου πόσους βαθμούς ελευθερίας έχει η
στατιστική και γιατί, και τι αλλάζει στην εκτίμησή μου αν η ομοσκεδαστικότητα
απορριφθεί: οι συντελεστές ή τα τυπικά σφάλματα;

Η βοηθητική παλινδρόμηση έχει τις δύο μεταβλητές, τα τετράγωνά τους και το γινόμενό τους, άρα πέντε βαθμούς ελευθερίας και κρίσιμη τιμή 11,07. Η απάντηση στο τελευταίο ερώτημα είναι ότι οι συντελεστές μένουν αμερόληπτοι και αλλάζουν τα τυπικά σφάλματα, άρα και οι έλεγχοι t και F. Αν ο Claude προτείνει ανθεκτικά τυπικά σφάλματα ή σταθμισμένα ελάχιστα τετράγωνα που δεν έχετε διδαχθεί, ζητήστε να περιοριστεί στην ύλη του μαθήματος ή ζητήστε μια εξήγηση τριών γραμμών.

Αυτοσυσχέτιση

Η στατιστική Durbin-Watson είναι το σημείο όπου χρειάζεται η μεγαλύτερη προσοχή, γιατί η κρίση εξαρτάται από τα όρια των πινάκων.

Η παλινδρόμησή μου έχει n = 10, μία ερμηνευτική μεταβλητή και Durbin-Watson = 2,680.
Εξήγησέ μου τι δείχνει μια τιμή πάνω από 2 και περιέγραψε τη διαδικασία απόφασης με
τα όρια dL και dU. Μην μου δώσεις τιμές για τα όρια από μνήμης. Θα τις διαβάσω
εγώ από τον πίνακα του βιβλίου και θα σου τις δώσω.

Η τελευταία πρόταση της ερώτησης είναι σκόπιμη. Οι κρίσιμες τιμές στατιστικών πινάκων είναι ακριβώς το είδος αριθμού που ένα γλωσσικό μοντέλο μπορεί να θυμηθεί λάθος, οπότε τις παίρνετε πάντα από τον πίνακα ή από το λογισμικό. Για τον ίδιο λόγο ο έλεγχος Breusch-Godfrey, που δίνει τιμή p, είναι πιο βολικός. Μια καλή συμπληρωματική ερώτηση είναι αν έχει νόημα έλεγχος αυτοσυσχέτισης σε διαστρωματικά δεδομένα, όπου η σειρά των παρατηρήσεων είναι αυθαίρετη.

Σφάλματα εξειδίκευσης

Η τελευταία κατηγορία δεν έχει έναν μόνο έλεγχο, και εδώ ο Claude χρησιμεύει ως συνομιλητής για να σκεφτείτε τι λείπει από το υπόδειγμα.

Εξηγώ τις μηνιαίες πωλήσεις ενός καταστήματος μόνο με τη διαφημιστική δαπάνη.
Ποιες μεταβλητές μπορεί να λείπουν; Για κάθε μία πες μου προς ποια κατεύθυνση
μεροληπτεί ο συντελεστής της διαφήμισης αν την παραλείψω και γιατί.

Η απάντηση ελέγχεται με τον κανόνα του μαθήματος: η μεροληψία έχει το πρόσημο του γινομένου δύο προσήμων, της επίδρασης της μεταβλητής που λείπει στις πωλήσεις και της συσχέτισής της με τη διαφήμιση.

7. Κώδικας με τον Claude: Python, EViews, Excel

Ο Claude γράφει καλό κώδικα οικονομετρίας, αλλά ο κώδικας αξίζει μόνο όταν τον τρέξεις εσύ και συγκρίνεις το αποτέλεσμα με κάτι που ήδη γνωρίζεις. Γι' αυτό σε όλο το κεφάλαιο δουλεύουμε με τον Πίνακα 2.4, του οποίου τους αριθμούς έχουμε ήδη: αν ο κώδικας δεν δώσει b₁ = 24,4545 και b₂ = 0,5091, κάτι πήγε στραβά και το ξέρεις αμέσως.

Όταν ζητάς κώδικα, πες τέσσερα πράγματα: το πρόγραμμα και τη βιβλιοθήκη που χρησιμοποιείς, τα δεδομένα με τα ονόματα των μεταβλητών, τι ακριβώς θέλεις να υπολογιστεί, και ότι θέλεις σχόλια στα ελληνικά σε κάθε βήμα. Το τελευταίο έχει σημασία, γιατί ο κώδικας χωρίς σχόλια αντιγράφεται, ενώ ο κώδικας με σχόλια διαβάζεται και μαθαίνεται.

Γράψε κώδικα Python με pandas και statsmodels για απλή παλινδρόμηση
της κατανάλωσης Y στο εισόδημα X.
Y: 70, 65, 90, 95, 110, 115, 120, 140, 155, 150
X: 80, 100, 120, 140, 160, 180, 200, 220, 240, 260
Θέλω: συντελεστές, τυπικά σφάλματα, t, r², F και διάστημα
εμπιστοσύνης 95% για την κλίση.
Βάλε σχόλιο στα ελληνικά πάνω από κάθε βήμα και πες μου
σε ποιο σημείο της εξόδου θα βρω κάθε αριθμό.

Ο κώδικας που θα πάρεις πρέπει να δώσει κλίση 0,5091 με τυπικό σφάλμα 0,0357, t = 14,243, r² = 0,9621, F = 202,87 και διάστημα 0,4267 έως 0,5915. Αν λείπει η εντολή sm.add_constant, η ευθεία περνά από την αρχή των αξόνων και η κλίση βγαίνει διαφορετική· είναι το συχνότερο λάθος και αξίζει να το ελέγχεις πρώτο.

Το δεύτερο που κάνει καλά ο Claude είναι η διόρθωση σφαλμάτων. Όταν ο κώδικάς σου σταματά, μην περιγράφεις το πρόβλημα με δικά σου λόγια· επικόλλησε ολόκληρο τον κώδικα και ολόκληρο το μήνυμα σφάλματος, όπως ακριβώς εμφανίστηκε. Το μήνυμα περιέχει τον αριθμό της γραμμής και τον τύπο του σφάλματος, δηλαδή ακριβώς την πληροφορία που χρειάζεται.

Ο παρακάτω κώδικας Python σταματά με σφάλμα.
Κώδικας: [επικόλληση]
Μήνυμα σφάλματος: [επικόλληση ολόκληρου του μηνύματος]
Εξήγησέ μου τι σημαίνει το μήνυμα, σε ποια γραμμή είναι το λάθος
και γιατί συνέβη. Διόρθωσε μόνο ό,τι χρειάζεται και μην ξαναγράψεις
τον υπόλοιπο κώδικα.

Η τελευταία πρόταση του μηνύματος αυτού δεν είναι τυπική. Αν δεν τη γράψεις, συχνά παίρνεις πίσω έναν εντελώς καινούργιο κώδικα, στον οποίο δεν μπορείς να δεις τι άλλαξε και άρα δεν μαθαίνεις τίποτα από το λάθος σου.

Το τρίτο είναι η μετάφραση από το ένα πρόγραμμα στο άλλο. Αν το μάθημα διδάσκεται σε EViews και εσύ θέλεις να επαναλάβεις την άσκηση σε Python, ή το αντίστροφο, ζήτησε αντιστοίχιση εντολή προς εντολή.

Στο EViews εκτίμησα το υπόδειγμα με την εντολή:  ls y c x2 x3
Δείξε μου σε πίνακα την αντίστοιχη εντολή σε Python (statsmodels)
και τον αντίστοιχο τρόπο στο Excel (Ανάλυση Δεδομένων, Παλινδρόμηση).
Για κάθε πρόγραμμα γράψε με ποιο όνομα εμφανίζεται ο σταθερός όρος,
το τυπικό σφάλμα της παλινδρόμησης και το άθροισμα τετραγώνων
των καταλοίπων.

Για την πολλαπλή παλινδρόμηση του Πίνακα 2.4 με τον πλούτο, και τα τρία προγράμματα πρέπει να καταλήξουν στο Ŷ = 24,7747 + 0,9415X₂ − 0,0424X₃ με R² = 0,9635 και F = 92,40.

Εδώ χρειάζεται μια προειδοποίηση. Ο Claude γνωρίζει την Python καλύτερα από το EViews και το Excel, επειδή για την Python υπάρχει πολύ περισσότερο δημόσιο υλικό. Στο EViews μπορεί να σου δώσει μια διαδρομή μενού που έχει αλλάξει όνομα στη δική σου έκδοση, και στο ελληνικό Excel μπορεί να γράψει το όνομα μιας συνάρτησης στα αγγλικά ή με κόμμα αντί για ερωτηματικό ανάμεσα στα ορίσματα. Κανένα από τα δύο δεν είναι σοβαρό, αρκεί να το περιμένεις: αν μια εντολή δεν υπάρχει εκεί που σου είπε, γράψε του ποια έκδοση έχεις και τι βλέπεις στην οθόνη σου, και ζήτα να προσαρμόσει τις οδηγίες.

Τέλος, μπορείς να του δώσεις την έξοδο ενός προγράμματος και να ζητήσεις να σου τη διαβάσει. Επικόλλησε τον πίνακα του EViews ή το summary() της Python ως κείμενο και ρώτησε τι σημαίνει κάθε γραμμή. Είναι από τις πιο χρήσιμες χρήσεις για το μάθημα, γιατί στις εξετάσεις σου δίνεται συχνά ακριβώς ένας τέτοιος πίνακας με κενά που πρέπει να συμπληρώσεις.

Αυτή είναι η έξοδος του EViews για μια παλινδρόμηση: [επικόλληση]
Εξήγησέ μου γραμμή προς γραμμή τι δείχνει κάθε αριθμός.
Μετά δείξε μου πώς προκύπτει το t-Statistic από το Coefficient
και το Std. Error, και πώς το R-squared από το Sum squared resid.

8. Πώς ελέγχω ό,τι μου λέει

Ο Claude κάνει λάθη με τον ίδιο σίγουρο τόνο με τον οποίο δίνει τις σωστές απαντήσεις, άρα ο τόνος δεν σου λέει τίποτα και ο έλεγχος είναι δική σου δουλειά. Τα λάθη του στην οικονομετρία δεν είναι τυχαία· συγκεντρώνονται σε τέσσερα σημεία, και αν τα γνωρίζεις ξέρεις πού να κοιτάξεις.

Το πρώτο σημείο είναι η αριθμητική. Όταν ο Claude κάνει πράξεις μέσα στο κείμενο, χωρίς να τρέξει κώδικα, ένα άθροισμα δέκα γινομένων μπορεί να βγει λάθος κατά μία μονάδα, και το λάθος μεταφέρεται σε ό,τι ακολουθεί. Η λύση είναι απλή: ζήτα του να κάνει τους υπολογισμούς με κώδικα και να σου δείξει τον κώδικα, ή κάνε τους εσύ στο Excel. Στον Πίνακα 2.4 τα ενδιάμεσα αθροίσματα είναι Σxy = 16.800, Σx² = 33.000 και Σy² = 8.890· αν η απάντηση που πήρες ξεκινά με άλλα αθροίσματα, δεν χρειάζεται να διαβάσεις τη συνέχεια.

Το δεύτερο σημείο είναι οι κρίσιμες τιμές. Οι τιμές των κατανομών t, F, χ² και οι οριακές τιμές του Durbin–Watson δίνονται από τον Claude από μνήμης και είναι συνήθως σωστές για τις συνηθισμένες περιπτώσεις, αλλά όχι πάντα για ασυνήθιστους βαθμούς ελευθερίας. Κάθε κρίσιμη τιμή την επιβεβαιώνεις στους πίνακες του βιβλίου ή με μία εντολή. Για το παράδειγμά μας η κρίσιμη t με 8 βαθμούς ελευθερίας στο 5% είναι 2,306, και στην Python τη βρίσκεις έτσι:

from scipy import stats
print(stats.t.ppf(0.975, 8))      # 2.306
print(stats.chi2.ppf(0.95, 2))    # 5.99

Το τρίτο σημείο είναι οι οδηγίες χειρισμού των προγραμμάτων, όπως είδαμε στο προηγούμενο κεφάλαιο: ονόματα μενού στο EViews και ονόματα συναρτήσεων στο ελληνικό Excel. Εδώ ο έλεγχος γίνεται μόνος του, γιατί αν η οδηγία είναι λάθος απλώς δεν θα βρεις το κουμπί.

Το τέταρτο σημείο, και το πιο ύπουλο, είναι οι παραπομπές. Αν ζητήσεις σελίδα βιβλίου, αριθμό πίνακα ή άρθρο περιοδικού, ο Claude μπορεί να σου δώσει κάτι που φαίνεται απολύτως αληθοφανές και δεν υπάρχει. Μην γράψεις ποτέ σε εργασία παραπομπή που δεν άνοιξες ο ίδιος. Αντίστοιχα, όταν σου λέει «στις διαφάνειες του μαθήματός σου αναφέρεται ότι…», να θυμάσαι ότι δεν έχει δει τις διαφάνειές σου, εκτός αν του τις ανέβασες στη συνομιλία.

Για τον έλεγχο υπάρχουν τρεις πρακτικοί τρόποι, από τον ισχυρότερο προς τον ασθενέστερο. Ο ισχυρότερος είναι να τρέξεις τον υπολογισμό σε λογισμικό, γιατί το Excel και η Python δεν κάνουν λάθος στις πράξεις. Ο δεύτερος είναι να συγκρίνεις με το βιβλίο ή με τους αριθμούς αναφοράς αυτού του εγχειριδίου. Ο τρίτος είναι να ζητήσεις από τον ίδιο τον Claude να ελέγξει την απάντησή του με διαφορετική μέθοδο:

Έλεγξε την προηγούμενη απάντησή σου με δεύτερο τρόπο.
Υπολόγισες το r² ως ESS/TSS. Υπολόγισέ το τώρα ως 1 − RSS/TSS
και ως τετράγωνο του συντελεστή συσχέτισης, και πες μου
αν οι τρεις τιμές συμφωνούν.

Στο παράδειγμά μας και οι τρεις δρόμοι πρέπει να δώσουν 0,9621, αφού r = 0,9808 και RSS = 337,27 με TSS = 8.890. Ο τρόπος αυτός πιάνει πολλά λάθη, αλλά δεν αντικαθιστά τους δύο πρώτους, γιατί ο ελεγκτής είναι ο ίδιος με τον ελεγχόμενο.

Υπάρχει και ένας έλεγχος που δεν χρειάζεται καθόλου υπολογιστή, ο έλεγχος της λογικής. Ένα r² μεγαλύτερο από τη μονάδα, ένα αρνητικό τυπικό σφάλμα, ένα διάστημα εμπιστοσύνης που δεν περιέχει την εκτίμηση γύρω από την οποία χτίστηκε, ή μια οριακή ροπή προς κατανάλωση ίση με 5 είναι λάθη που φαίνονται με το μάτι. Η συνήθεια να ρωτάς «βγάζει νόημα αυτός ο αριθμός;» πριν τον αντιγράψεις είναι ίσως το πιο χρήσιμο πράγμα που μπορείς να πάρεις από αυτό το κεφάλαιο.

Τέλος, πρόσεξε πώς αντιδρά ο Claude όταν διαφωνείς. Αν του πεις «νομίζω ότι έκανες λάθος» χωρίς να εξηγήσεις γιατί, υπάρχει περίπτωση να σου δώσει δίκιο από ευγένεια και να αλλάξει μια σωστή απάντηση σε λανθασμένη. Όταν αμφιβάλλεις, μην ρωτάς αν έκανε λάθος· δείξε του τον δικό σου υπολογισμό και ζήτα να εντοπίσει σε ποιο βήμα διαφέρουν οι δύο λύσεις.

9. Ακαδημαϊκή δεοντολογία

Ο κανόνας είναι ένας: ο Claude σε βοηθά να καταλάβεις και να ελέγξεις, δεν γράφει στη θέση σου ό,τι βαθμολογείται. Πάνω από αυτόν τον κανόνα βρίσκονται μόνο οι οδηγίες του διδάσκοντα για το συγκεκριμένο μάθημα και τη συγκεκριμένη εργασία· αν εκείνες είναι αυστηρότερες, ισχύουν εκείνες, και αν δεν είσαι βέβαιος τι επιτρέπεται, ρωτάς πριν και όχι μετά.

Η διάκριση γίνεται πιο εύκολη με ένα πρακτικό κριτήριο. Ρώτησε τον εαυτό σου αν θα μπορούσες να εξηγήσεις προφορικά, χωρίς σημειώσεις, κάθε γραμμή αυτού που παραδίδεις. Αν ναι, ο Claude λειτούργησε ως φροντιστής. Αν όχι, λειτούργησε ως αντικαταστάτης, και το κείμενο δεν είναι δικό σου όσο κι αν το πληκτρολόγησες εσύ.

Με αυτό το κριτήριο, είναι θεμιτό να ζητήσεις να σου εξηγήσει μια έννοια με άλλα λόγια, να σου φτιάξει ασκήσεις εξάσκησης, να σε εξετάσει πριν από τις εξετάσεις, να βρει το λάθος σε μια λύση που έγραψες πρώτα μόνος σου, να σου εξηγήσει ένα μήνυμα σφάλματος στον κώδικα και να σχολιάσει τη σαφήνεια ενός κειμένου που έγραψες. Δεν είναι θεμιτό να του δώσεις την εκφώνηση μιας βαθμολογούμενης εργασίας και να παραδώσεις την απάντηση, να του ζητήσεις να γράψει την ερμηνεία των αποτελεσμάτων που είναι το ζητούμενο της εργασίας, ή να το χρησιμοποιήσεις κατά τη διάρκεια εξέτασης.

Για τις εργασίες αξίζει να ακολουθείς μια σταθερή σειρά. Πρώτα λύνεις μόνος σου, έστω και ατελώς. Μετά δίνεις στον Claude τη δική σου λύση και ζητάς να σου δείξει πού υπάρχει λάθος χωρίς να σου δώσει τη σωστή απάντηση. Τέλος διορθώνεις εσύ. Η σειρά αυτή δεν είναι μόνο ζήτημα δεοντολογίας· είναι και ο τρόπος με τον οποίο μαθαίνεις περισσότερο, γιατί το λάθος που βρήκες μόνος σου το θυμάσαι, ενώ η έτοιμη λύση ξεχνιέται ως την επόμενη εβδομάδα.

Έλυσα την παρακάτω άσκηση μόνος μου. Μη μου δώσεις τη σωστή λύση.
Πες μου μόνο σε ποιο βήμα υπάρχει λάθος και τι είδους λάθος είναι
(αριθμητικό, λάθος τύπος, λάθος ερμηνεία), ώστε να το διορθώσω εγώ.
Εκφώνηση: [επικόλληση]
Η λύση μου: [επικόλληση]

Αν ο διδάσκων επιτρέπει τη χρήση τεχνητής νοημοσύνης σε μια εργασία, δήλωσέ τη. Μια πρόταση στο τέλος αρκεί, για παράδειγμα «Χρησιμοποίησα τον Claude για τον εντοπισμό σφάλματος στον κώδικα Python της ενότητας 3 και για έλεγχο της διατύπωσης· οι υπολογισμοί και η ερμηνεία είναι δικά μου». Η δήλωση σε προστατεύει και δείχνει ότι γνωρίζεις τι ακριβώς έκανες εσύ.

Υπάρχει και ένα ζήτημα δεδομένων. Ό,τι επικολλάς σε μια συνομιλία φεύγει από τον υπολογιστή σου. Μην ανεβάζεις δεδομένα με προσωπικά στοιχεία τρίτων, εμπιστευτικά στοιχεία επιχείρησης από πρακτική άσκηση, ή υλικό του μαθήματος που ο διδάσκων έχει ζητήσει να μη διανέμεται.

Τέλος, η ευθύνη για το περιεχόμενο μένει σε σένα. Αν ένας αριθμός στην εργασία σου είναι λάθος, δεν έχει σημασία ποιος τον υπολόγισε· τον υπέγραψες εσύ. Γι' αυτό το κεφάλαιο 8 προηγείται αυτού.

10. Βιβλιοθήκη έτοιμων ερωτήσεων και ασκήσεις

Οι ερωτήσεις που ακολουθούν είναι έτοιμες για αντιγραφή· αλλάζεις μόνο ό,τι βρίσκεται μέσα σε αγκύλες. Είναι ταξινομημένες κατά χρήση και όχι κατά ενότητα, γιατί την ίδια ερώτηση τη χρησιμοποιείς σε όλη την ύλη.

Για να καταλάβεις μια έννοια που δεν σου βγαίνει:

Είμαι προπτυχιακός φοιτητής σε πρώτο μάθημα οικονομετρίας (συμβολισμός
Gujarati: β₁ σταθερός όρος, β₂ κλίση). Εξήγησέ μου [έννοια] σε τρία βήματα:
πρώτα διαισθητικά με ένα παράδειγμα από την οικονομία, μετά με τον τύπο
εξηγώντας κάθε σύμβολο, και τέλος με ένα αριθμητικό παράδειγμα.
Στο τέλος κάνε μου μία ερώτηση για να ελέγξεις αν κατάλαβα.

Για να ξεχωρίσεις δύο έννοιες που μπερδεύεις:

Μπερδεύω [έννοια Α] με [έννοια Β]. Εξήγησέ μου τη διαφορά τους με ένα
κοινό αριθμητικό παράδειγμα στο οποίο οι δύο δίνουν διαφορετικό αριθμό,
και πες μου σε ποια ερώτηση απαντά η καθεμία.

Καλά ζευγάρια για αυτή την ερώτηση είναι το τυπικό σφάλμα της παλινδρόμησης και το τυπικό σφάλμα του συντελεστή, το κατάλοιπο και ο διαταρακτικός όρος, το διάστημα για τη μέση και για τη μεμονωμένη πρόβλεψη, το R² και το προσαρμοσμένο R².

Για να εξεταστείς:

Εξέτασέ με στην ενότητα [θέμα]. Κάνε μου μία ερώτηση τη φορά, περίμενε
την απάντησή μου, πες μου αν είναι σωστή και γιατί, και μετά προχώρησε.
Ξεκίνα από εύκολες ερωτήσεις και ανέβαινε. Μετά από πέντε ερωτήσεις
πες μου ποια σημεία πρέπει να ξαναδιαβάσω.

Για να διαβάσεις έναν πίνακα αποτελεσμάτων:

Αυτός είναι πίνακας αποτελεσμάτων από [EViews / Python / Excel]:
[επικόλληση]
Γράψε την εκτιμημένη εξίσωση, ερμήνευσε κάθε συντελεστή με τις μονάδες
του, πες μου ποιοι είναι στατιστικά σημαντικοί στο 5% και από ποιον
αριθμό του πίνακα το βλέπω, και σχολίασε το R² και το F.

Για να ελέγξεις τις υποθέσεις ενός υποδείγματος:

Εκτίμησα το υπόδειγμα [εξίσωση] με n = [πλήθος] παρατηρήσεις
[διαστρωματικά / χρονολογικά] δεδομένα. Ποιους ελέγχους παραβίασης
των υποθέσεων πρέπει να κάνω και με ποια σειρά; Για κάθε έλεγχο γράψε
τη μηδενική υπόθεση, το στατιστικό, την κατανομή του με τους βαθμούς
ελευθερίας, και τι κάνω αν απορριφθεί.

Για να μετατρέψεις ένα αποτέλεσμα σε πρόταση:

Ο έλεγχος [όνομα] έδωσε στατιστικό [τιμή] με p = [τιμή]. Δείξε μου πώς
διατυπώνεται σωστά το συμπέρασμα σε μία πρόταση και δώσε μου δύο
συνηθισμένες λανθασμένες διατυπώσεις για να τις αποφεύγω.

Για να ελέγξεις τη δική σου λύση χωρίς να πάρεις την απάντηση, χρησιμοποίησε την ερώτηση του κεφαλαίου 9. Για κώδικα και μηνύματα σφάλματος, τις ερωτήσεις του κεφαλαίου 7.

Ασκήσεις

Οι ασκήσεις έχουν διπλό σκοπό: εξασκείσαι στην οικονομετρία και ταυτόχρονα στο πώς ρωτάς και πώς ελέγχεις. Σε όλες υπάρχει αριθμός αναφοράς, ώστε να ξέρεις αν η απάντηση που πήρες είναι σωστή.

Τις ασκήσεις μπορείς να τις κάνεις μέσα στο Εργαστήριο Οικονομετρίας. Διάλεξε την ενότητα στην οποία αναφέρεται η άσκηση, απάντησε πρώτα στις ερωτήσεις αυτοαξιολόγησης της ενότητας χωρίς βοήθεια, και μετά γράψε την ερώτηση της άσκησης στο «Ρώτα τον Claude». Ο βοηθός γνωρίζει σε ποια ενότητα βρίσκεσαι, οπότε δεν χρειάζεται να του εξηγήσεις το πλαίσιο από την αρχή. Οι αριθμοί αναφοράς που δίνονται σε κάθε άσκηση ισχύουν και εκεί, αφού και το εργαστήριο δουλεύει με τον ίδιο Πίνακα 2.4.

Άσκηση 1. Δώσε στον Claude τα δεδομένα του Πίνακα 2.4 και ζήτησε τον συντελεστή προσδιορισμού, πρώτα με τη φράση «υπολόγισέ το» και μετά με τη φράση «γράψε κώδικα Python που το υπολογίζει». Σύγκρινε τις δύο απαντήσεις με την τιμή αναφοράς 0,9621 και σημείωσε αν διέφεραν μεταξύ τους.

Άσκηση 2. Ζήτησε διάστημα εμπιστοσύνης 95% για την κλίση. Έλεγξε τρία πράγματα στην απάντηση: ότι χρησιμοποίησε 8 βαθμούς ελευθερίας, ότι η κρίσιμη τιμή είναι 2,306, και ότι το διάστημα είναι 0,4267 έως 0,5915. Μετά ζήτησε να ερμηνεύσει το διάστημα και κρίνε αν η ερμηνεία μιλά σωστά για επαναλαμβανόμενα δείγματα ή λέει λανθασμένα ότι «η πιθανότητα να βρίσκεται το β₂ μέσα είναι 95%».

Άσκηση 3. Πες στον Claude, χωρίς να δώσεις δεδομένα, ότι σε παλινδρόμηση με δύο ερμηνευτικές μεταβλητές βρήκες R² = 0,9635, F = 92,40 και κανέναν σημαντικό συντελεστή κλίσης. Ζήτησε διάγνωση. Η σωστή απάντηση είναι η πολυσυγγραμμικότητα και ο έλεγχος που πρέπει να σου προτείνει είναι η συσχέτιση των ερμηνευτικών και ο VIF, που στο παράδειγμά μας είναι 0,9990 και περίπου 482.

Άσκηση 4. Γράψε σκόπιμα μια λανθασμένη λύση, υπολογίζοντας το σ̂² ως RSS/n αντί για RSS/(n − 2), δηλαδή 33,727 αντί για 42,159. Δώσε τη στον Claude με την ερώτηση του κεφαλαίου 9 και δες αν εντοπίζει το βήμα και το είδος του λάθους χωρίς να σου δώσει ολόκληρη τη λύση.

Άσκηση 5. Ζήτησε τον έλεγχο White για την απλή παλινδρόμηση του Πίνακα 2.4 σε Python. Τρέξε τον κώδικα και σύγκρινε με n·R² = 2,255 και p = 0,324. Μετά ζήτησε την ίδια διαδικασία σε EViews και έλεγξε στο πρόγραμμά σου αν η διαδρομή του μενού που σου έδωσε υπάρχει όπως την περιέγραψε.

Άσκηση 6. Διάλεξε μια έννοια από την ύλη που νομίζεις ότι ξέρεις καλά και ζήτησε να σε εξετάσει με πέντε ερωτήσεις αυξανόμενης δυσκολίας. Κράτησε την ερώτηση στην οποία δυσκολεύτηκες και ξαναδιάβασε το αντίστοιχο σημείο στις διαφάνειες πριν ζητήσεις εξήγηση.

Άσκηση 7. Ζήτησε από τον Claude μια βιβλιογραφική παραπομπή για τον έλεγχο Jarque–Bera με συγγραφείς, έτος, περιοδικό και σελίδες. Αναζήτησε την παραπομπή στη βιβλιοθήκη ή σε μια μηχανή αναζήτησης επιστημονικών άρθρων και επιβεβαίωσε κάθε στοιχείο της χωριστά. Η άσκηση αυτή δεν έχει αριθμό αναφοράς, γιατί το ζητούμενο είναι ακριβώς να μη δεχτείς την παραπομπή χωρίς να την ανοίξεις.