Komparace predikčních schopností a interpretovatelnosti klasické ekonometrie a nástrojů machine learning při modelování vývoje nemocí v datech SHARE

Bc. Tereza Škývarová

Diplomová práce

Comparison of predictive ability and interpretability of classical econometrics and machine learning tools in modelling disease trends in SHARE data

Anotace:

Tato práce se zabývá predikčními vlastnostmi přechodového modelu vysokého krevního tlaku v rámci evropské implementace Future Elderly Modelu (EuFEM), který je založen na harmonizovaných datech z výběrového šetření SHARE. Výchozím modelem je probitový přechodový model, standardně používaný v americkém FEM modelu. Cílem práce je posoudit, zda lze tento model nahradit pokročilými modely strojového učení za účelem zvýšení predikční výkonnosti. Testovány jsou různé algoritmy klasifikace, včetně Decision tree, Random Forest, XGBoost, LightGBM a SVM. Vzhledem k nevyváženému datasetu byla aplikována metoda SMOTE pro upsampling minoritní třídy. Výsledky ukazují, že tato metoda není vhodná, neboť narušuje populační průměr. Mezi neupsamplovanými modely se překvapivě jako nejvhodnější ukazuje původní probitový model, který nejlépe zachovává populační průměr a má nejnižší MSPE.

Abstract:

This paper examines the predictive properties of a high blood pressure transition model within the European implementation of the Future Elderly Model (EuFEM), which is based on harmonised data from the SHARE sample. The baseline model is a probit transition model, standardly used in the US FEM model. The aim of this paper is to assess whether this model can be replaced by advanced machine learning models in order to improve prediction performance. Various classification algorithms are tested, including Decision tree, Random Forest, XGBoost, LightGBM and SVM. Due to the unbalanced dataset, SMOTE method was applied for upsampling the minority class. The results show that this method is unsuitable because it distorts the population mean. Surprisingly, among the unsampled models, the original probit model is found to be the best fitting model, which preserves the population mean best and has the lowest MSPE.

Klíčová slova

FEM, probit, ML, upsampling, Vysoký krevní tlak

Jazyk práce: čeština

Datum vytvoření / odevzdání či podání práce: 12. 5. 2025

Obhajoba závěrečné práce

• Obhajoba proběhla 19. 6. 2025
• Vedoucí: Ing. Michal Kvasnička, Ph.D.
• Oponent: doc. Ing. Jan Čapek, Ph.D.

Masarykova univerzita

Ekonomicko-správní fakulta

Magisterský studijní program / obor:
Matematické a statistické metody v ekonomii / Matematické a statistické metody v ekonomii