2021
DOI: 10.37394/23207.2021.18.22
|View full text |Cite
|
Sign up to set email alerts
|

Classical Machine Learning Methods in Economics Research: Macro and Micro Level Examples

Abstract: Paper reviews the classical methods of machine learning (supervised and unsupervised learning),gives examples of the application of different methods and discusses approaches that will be useful for empiricaleconomics research (on data from Ukrainian firms, banks and official state statistics). The different sectors ofeconomics are investigated: the multiple linear regression is used on macrolevel for macro production functionof Ukraine specification; logistic regression is used in bank sector for credit risk … Show more

Help me understand this report

Search citation statements

Order By: Relevance

Paper Sections

Select...
2
2
1

Citation Types

0
5
0
3

Year Published

2021
2021
2024
2024

Publication Types

Select...
4
3
1

Relationship

0
8

Authors

Journals

citations
Cited by 27 publications
(8 citation statements)
references
References 17 publications
0
5
0
3
Order By: Relevance
“…Por otro lado, se conoce que para el entrenamiento del modelo se requieren datos previos y etapas de selección de variables, análisis descriptivos, estimación de parámetros y selección del modelo adecuado (Babenko et al, 2021), lo cual es realizado por algún analista y esto podría caer en sesgos al seleccionar los datos (Leo et al, 2020), asimismo puede haber una falta de equidad, ya que existen estos sesgos externos que pueden instigar a los modelos de calificación crediticia (Mashrur et al, 2020). Por ejemplo, en esta misma investigación de Babenko et al, se consideraron a las variables independientes edad, sexo, estado civil, número de dependientes, ingreso mensual, residencia, tipo de apartamento, garantes, número de préstamos devueltos, y otros datos más del prestatario; la variable dependiente o "target" fue "creditability", pero esto no indica que sean las variables que siempre se deban considerar en cualquier modelo, ya que es muy dependiente de los datos con los que se pueda contar.…”
Section: ¿Qué Retos Presenta El Machine Learning Frente a Los Métodos...unclassified
See 2 more Smart Citations
“…Por otro lado, se conoce que para el entrenamiento del modelo se requieren datos previos y etapas de selección de variables, análisis descriptivos, estimación de parámetros y selección del modelo adecuado (Babenko et al, 2021), lo cual es realizado por algún analista y esto podría caer en sesgos al seleccionar los datos (Leo et al, 2020), asimismo puede haber una falta de equidad, ya que existen estos sesgos externos que pueden instigar a los modelos de calificación crediticia (Mashrur et al, 2020). Por ejemplo, en esta misma investigación de Babenko et al, se consideraron a las variables independientes edad, sexo, estado civil, número de dependientes, ingreso mensual, residencia, tipo de apartamento, garantes, número de préstamos devueltos, y otros datos más del prestatario; la variable dependiente o "target" fue "creditability", pero esto no indica que sean las variables que siempre se deban considerar en cualquier modelo, ya que es muy dependiente de los datos con los que se pueda contar.…”
Section: ¿Qué Retos Presenta El Machine Learning Frente a Los Métodos...unclassified
“…Si el AUC resulta de 1,0, representa una prueba con discriminación perfecta (Hui Hoo et al, 2017). Por ejemplo, en el artículo científico de Babenko et al (2021) emplearon un modelo clásico de regresión lineal cuyas variables independientes fueron edad, sexo, estado civil, número de dependientes, ingreso mensual, residencia, tipo de apartamento, garantes, número de préstamos devueltos, y otros datos más del prestatario; la variable dependiente o "target" fue "creditability". La sensibilidad entregada del modelo fue de 91 % y la especificidad del 80 %, lo cual significa que el 91 % de prestatarios confiables recibirán el préstamo (verdaderos positivos) y el 9 % restante son prestatarios no confiables que recibirán el préstamo (falsos positivos).…”
Section: Riesgo De Crédito Financiero?unclassified
See 1 more Smart Citation
“…To investigate the behavior impact of economic variables in response to different shocks scientists often used econometrics vector autoregressive models as well as machine learning approaches (Babenko et al, 2021) that include supervised and unsupervised learning, fuzzy logic approach (Matviychuk, 2006) and predictive analytics . Oduyemi and Owoeye (2020) explored the fluctuation of oil prices and health outcomes in Nigeria.…”
Section: Introductionmentioning
confidence: 99%
“…Education innovation in digital era is studied in (Abad-Segura et al, 2020;Hashim, 2018;Haywood, 2018;Salem and Voskoglou, 2020;Yuliati and Lelawati, 2019). Some directions of use of innovative approaches in education are covered in (Abdel-Basset et al, 2019;Babenko et al, 2021;Dimitrov et al, 2019;Hariharasudan and Kot, 2018;Salem, 2019;Sousa et al, 2019;Syvyi et al, 2020;Volkova et al, 2019). Discussion on the analysis of the impact of innovations on the educational process is presented in (Kholiavko et al, 2020;Kuzminska et al, 2020;Savchenko et al, 2018;Zhilenkova et al, 2019).…”
Section: Introductionmentioning
confidence: 99%