预测对信息系统研究的挑战-研究论文

【文件属性】：
文件名称：预测对信息系统研究的挑战-研究论文
文件大小：504KB
文件格式：PDF
更新时间：2021-05-20 07:26:33
predictive models inference information systems 信息系统（IS）的实证研究主要是使用解释性统计模型来检验因果假设，并着重于解释力。 旨在高度准确地预测样本外观测值的预测统计模型很少见，因此对预测能力的关注也很少。 解释性和预测性统计模型之间的区别是关键，因为这两种类型的模型在推进科学研究中都发挥着不同但必不可少的作用。 类似地，解释力和预测准确性是统计模型的两个截然不同的品质，并且以不同的方式进行衡量。 MISQ和ISR的文献综述表明，主流的经验主义IS研究缺乏预测目标，预测主张和预测统计模型。 此外，我们发现三种可疑的常规做法：首先，即使模型的既定目标是可预测的，也经常采用解释性统计模型。 其次，模型的预测能力通常是根据其解释能力来推断的。 第三，绝大多数解释性统计模型缺乏适当的预测评估，这是一项关键的科学要求。 鉴于解释性和预测性统计建模与能力之间的区别以及IS中的当前实践，我们着重说明了它们之间的主要区别，着眼于数据分析过程中经验研究人员面临的实际问题。