回帰モデルの左側と右側の命名法

上記で指定された非常に単純な線形回帰など、回帰モデルを記述するための言語はしばしば変動し、そのような変動はしばしば意味の微妙な変化をもたらします。たとえば、方程式の左辺のモデルの部分は、（特に私が無知である）括弧内の意味と意味で呼ばれることがあります。

• 従属変数（因果関係のヒント）
• 予測変数（モデルの予測を意味する/予測を行う）
• 応答変数（因果関係、または少なくとも時間的順序付けを意味します）
• 結果変数（因果関係を意味します）

命名法のバリエーションは、方程式の右辺にも当てはまります（私が他の用語について無視しているのと同じ免責事項）。

• 独立変数（因果関係の優先順位を意味し、実験計画のヒント）
• 予測変数（予測を意味し、変数にゼロ以外のパラメーター推定値が関連付けられていることを意味します）

調査の提案、または研究の伝達の過程で、私は、ある用語の使用についてだけでなく、その後、私がそれを置き換えることを選択した用語について呼ばれる機会がありました。もちろん、電話をかけている人々は知識を深めていましたが（NB：私はプロの知識を身につけているので、私は共感しています）、もちろん私たち全員が伝えられていることを理解していたので、今でも疑問に思います：

（a）モデルの外部使用、（b）変数間の因果関係、および（c）研究の側面に関して不可知である回帰モデルの左側と右側の変数に一般的に使用される用語はありますか変数自体を生成するために使用されるデザイン？

注意：私は適切なモデリングと適切な解釈の重要な問題については質問していません（つまり、因果関係、研究デザインなどに非常に関心があります）、そのようなモデルについて一般的に話す言語に興味があります。

（「左側の変数」と「右側の変数」は信頼できる答えと解釈されるかもしれませんが、これらの用語は不格好に見えます...多分これは不格好な質問です。:)

これは素晴らしい質問です。実はいいので答えがない。私の知る限りでは、Yを説明するための真の「不可知論的」な用語はありません。

私の経験とリーディングで、セマンティックはドメイン固有であり、モデル目的固有でもあることがわかりました。

計量経済学者は、説明的なモデルを構築するときに従属変数項を使用します。理論的説明力よりも正確な推定/予測に重点を置いた予測モデルを構築する場合、予測変数、適合変数、推定変数という用語を使用することがあります。

ビッグデータ/ディープラーニングの群衆は、まったく異なる言語を使用しています。また、通常、応答変数またはターゲット変数という用語を使用します。彼らのモデルはブラックボックスであり、通常、現象を予測して正確に推定するのではなく、現象を説明しようとはしません。しかし、どういうわけか彼らは予測という言葉を使って捕まらないでしょう。彼らははるかにレスポンスまたはターゲットという言葉を好みます。

「結果変数」という用語についてはあまり詳しくありません。それは、心理学、医学、臨床試験、疫学を含む社会科学など、私があまりさらされていない他の分野で流行しているかもしれません。

上記の観点から、Yを説明するための「不可知論的」なセマンティクスを提供することはできませんでした。代わりに、さまざまな対象ユーザーに対応するときに使用するセマンティクスと、モデルの目的を反映するための情報を少し提供しました。まとめると、計量経済学者との依存変数とディープラーニングタイプの応答またはターゲット変数について話しても、誰も傷つかないと思います。うまくいけば、あなたはそれらの群衆を分離することができます。さもなければ、あなたはあなたの手で口頭の食べ物の戦いを持つことができます。