Последняя таблица позволяет малым трудом проверить любой сдвиг на эффективность. Да, сдвиги - вспомогательный вариант, однако и они дают понимание; именно в этой таблице я нашел еще несколько нестандартных 14-летних псевдосдвигов, - это разница между этапами двух разных линий кредитования. Сейчас можно разыскать их оптом - все теоретически возможные. А, пронумеровав строки базы данных, можно малым трудом превратить всю буквенную индексацию таблицы в конкретный исторический материал из базы данных. Еще вчера подобные операции давались в несколько сотен раз большим трудом, и это не преувеличение: десятки часов нудной работы отныне равны 2-3 кликам мышкой.
На очереди - межиндексные связи. Общая таблица плотности совпадений основных индексов уже есть, и ее несложно расширить и охватить все возможные варианты, однако сама по себе таблица второстепенна. Требуется скрестить две выборки разной направленности, что-то вроде перекрестного опроса. Цель: вытащить доказуемые причинно-следственные связи. Математических препятствий быть не может; все препятствия у нас в головах - вросшие в мясо привычные идеологические шоры.
Наткнулся на логическое подтверждение гипотезы о том, что Древняя Греция это наше Причерноморье. Сейчас этой выборки не повторю, - устал, отходняк жуткий, ни рук, ни ног. Впрочем, такого еще будет чрезвычайно много.
Теперь запланированная книга будет заметно качественнее. Оно того стоило.
про шоры
Так оно и есть.
Бороться с шорами можно только развернув альтернативный набор взглядов.
Вот такую задачу я себе сейчас ставлю:
1. рассказать о существующих взглядах на историю и их подоплеку с разных сторон:
-- генезис
-- механизм существования
-- факторы его изменения
2. Подробнее по последним двум пунктам
3. Новую картину мира в его динамике
Re: про шоры
- т.к. используются коэффициенты корреляции требуется доказать, что связь между переменными линейная. Пример, как выглядят графики данных с одинаковым высоким коэффициентом корреляции и нелинейной или вообще отсутствующей (!) связью (или с выбросами):
- определиться, какой собственно коэффициент корреляции использовать. Их несколько, увы, и для параметрических требуется нормальное распределение данных. Для непараметрических не требуется, но зато требуется больше данных. Тут плавно возникает следующий пункт.
- определить значимость коэффициента корреляции. Большое значение коэффициента может означать, что у вас банально данных не хватает, чтобы уверенно о чем-то говорить, так что без оценки значимости никак.
Edited at 2018-10-10 07:44 (UTC)