Joanna successfully graduated from Warsaw School of Economics in the field of Quantitative Methods in Economics and Information Systems. She recently joined SAS as Analytical Consultant. She takes an interest in such areas as Econometrics, Data Mining and Data Analysis. Her hobby is dancing, especially kizomba and bachata. In her free time she likes also reading books.
In the fifth post in this series we discussed the issues of the use of data mining and machine learning techniques. Today, I will present other commandments related to being prepared to compromise when implementing solutions based on the theory of statistics and being mindful in the interpretation of statistical significance
In the fourth post of the 10 Commandments of Applied Econometrics series we discussed the issues of keeping the solutions sensibly simple and applying model validation. Today, I will present another commandment related to data mining techniques. Use data mining reasonably. In the econometric community, data mining is a controversial and highly emotional
In the third post of the 10 Commandments of Applied Econometrics series we discussed the issue of data exploration. Today, I will present the next commandments: keep the solutions simple and use model validation. Keep the models sensibly simple Striking the right balance between simplicity and sophistication: the models created should be neither
In the second post of the 10 Commandments of Applied Econometrics series we discussed the issue of embedding statistical tools in the context of business problems. Today, I will present another commandment related to exploration and inspecting the data.
The first post of the 10 Commandments of Applied Econometrics series discussed the importance of the use of common sense and understanding of the theory of econometrics in data analysis. Today, I will present the next two commandments related to putting the statistical tools in the business context of a problem. 2. Avoid type
It is no secret at all that there is a world of difference between theoretical and applied econometrics. Every analyst, as a practising econometrician, experiences this moment in their processional career – usually at the beginning of it – when the theory acquired during their academic time clashes with the practice. They
W piątym wpisie z serii 10 przykazań Ekonometrii Stosowanej poruszyliśmy kwestie związane z wykorzystaniem technik data mining i machine learning. Dziś przedstawię kolejne przykazania, które wiążą się z gotowością do kompromisów przy implementacji rozwiązań z zakresu teorii statystyki i rozwagą w interpretowaniu znaczenia istotności zmiennych. 8. Bądź gotowy do kompromisów.
W czwartym wpisie z serii 10 przykazań Ekonometrii Stosowanej poruszyliśmy kwestie związane z zachowaniem prostoty i jasności stosowanych rozwiązań oraz weryfikacją modeli. Dziś przedstawię kolejne przykazanie, które wiąże się z wykorzystaniem technik data mining. 7. Data mining stosuj z rozwagą. Data mining jest w środowisku ekonometrycznym pojęciem kontrowersyjnym i budzącym
W trzecim wpisie z serii 10 przykazań Ekonometrii Stosowanej poruszyliśmy kwestię eksploracji i dobrego poznania danych. Dziś przedstawię kolejne przykazania, które wiążą się z zachowaniem prostoty i jasności stosowanych rozwiązań oraz weryfikacją modeli. 5. Zachowaj rozsądną prostotę modeli. Rozsądna prostota, czyli znalezienie złotego środka między prostotą a kompleksowością, tak, by
W drugim wpisie z serii 10 przykazań Ekonometrii Stosowanej poruszyliśmy kwestię osadzenia narzędzi statystycznych w kontekście problemów biznesowych. Dziś przedstawię kolejne przykazanie, które wiąże się z eksploracją i dobrym poznaniem danych. 4. Poznaj dane. Zgłębienie kontekstu problemu jest bardzo ważnym elementem procesu analitycznego. Jednakże, przed przystąpieniem do modelowania, nie wolno
