의사결정에서 불완전 선형모델의 강력한 아름다움.

초록: 적절한 선형 모델은 예측 변수에 가중치를 부여하여 결과적으로 선형 합성이 특정 관심 기준을 최적으로 예측하는 모델이다; 적절한 선형 모델의 예로는 표준 회귀 분석, 판별 함수 분석, 능선 회귀 분석이 있다. Clinical versus statistical prediction에 관한 Paul Meehl의 저서에서 요약된 연구와 그 책에 의해 자극받은 수많은 연구들은 수치적 기준 변수(예: 대학원 평점)를 수치적 예측 변수로부터 예측할 때, 적절한 선형 모델이 임상 직관보다 더 우수함을 보여준다. 불완전 선형 모델은 예측 변수의 가중치가 특정 비최적 방법에 의해 획득된 모델이다; 예를 들어, 이들은 직관에 근거하여 얻거나, 임상 판사 예측을 시뮬레이션하여 도출하거나, 동일하게 설정될 수 있다. 이 기사는 이러한 불완전 선형 모델조차도 수치적 예측 변수로부터 수치적 기준을 예측할 때 임상 직관보다 우수하다는 증거를 제시한다. 사실, 단일(즉, 동일) 가중치는 이러한 예측을 수행하는 데 매우 강력하다. 이 기사는 덴버 경찰서가 사용할 총기를 결정하기 위해 단일 가중치를 적용하는 것에 대해 다소 자세히 논의한다. 마지막으로, 이 기사는 중요한 사회적 결정을 내리기 위해 선형 모델을 사용하는 것에 대한 일반적으로 제기되는 기술적, 심리적, 윤리적 저항을 고려하고 이러한 저항을 약화시킬 수 있는 주장을 제시한다.