ML-челленджер: оставляет ли CCR систематическую ошибку, которую видно из ковариат

Структурная модель CCR (cohort-change ratio) переносит район из переписи в оценку чисто демографически — по возрастным когортам, без миграции. Мы берём её остаток относительно ОФИЦИАЛЬНОЙ оценки-2026, e = ln(факт/CCR), и спрашиваем машину: предсказуема ли эта ошибка из признаков, датированных ≤2019 (зарплаты, транспортная доступность, ночная светимость, миграционное сальдо, возрастная структура)? Ответ, загнанный под перестановочный нуль, — да: вне выборки объясняется треть дисперсии остатка (OOF R²=0.33 при p=0.005), и почти весь устойчивый сигнал несёт миграционное сальдо 2015–2019. Это значит не «CCR неверна», а что CCR систематически недо-использует миграцию, которую официальная оценка уже учла. Диагностика на одном переписном окне — не конкурирующий прогноз; гонка MAPE внизу намеренно понижена в ранге.

Загрузка данных…