আমরা কেন বেশিরভাগ দ্বি-লেজযুক্ত শিক্ষার্থীর টি-স্ট্যাটিস্টিকাকে ব্যবহার করতে পারি যে কোনও রিগ্রেশনটিতে ব্যাখ্যামূলক পরিবর্তনশীল উল্লেখযোগ্য কিনা?


4

আসুন আমরা একটি স্ট্যান্ডার্ড রিগ্রেশন মডেল ধরে নিই: আমরা যদি ভেরিয়েবল মডেলের ক্ষেত্রে প্রাসঙ্গিক হয় তবে আমরা তা পরীক্ষা করতে চাই ।

y=βx+u
xj

t- পরিসংখ্যান:

t=βj^bSE(βj^)

বেশিরভাগ সময়, আমরা নিম্নলিখিত দুটি লেজযুক্ত হাইপোথিসিস অনুমান করি:

H0:βj=b, H1:βjb

আমার প্রশ্ন হ'ল কেন আমরা ভেরিয়েবল এর তাত্পর্য পরীক্ষা করার জন্য প্রায়শই এক-লেজযুক্ত অনুমান ব্যবহার করি না ? আমি যখন কাগজপত্র পড়ি এবং অ্যাসাইনমেন্ট লিখি তখন রিগ্রেশন মডেলগুলির ক্ষেত্রে আমি খুব কমই এক-লেজযুক্ত টি-টেস্টগুলি পাই। কেন?xj

উত্তর:


4

আমরা যদি পরীক্ষা করতে চাই যে কোনও ভেরিয়েবল মডেলের ক্ষেত্রেxj

এর অর্থ হ'ল আমরা এর "পরিসংখ্যানগত তাত্পর্য" পরীক্ষা করতে চাই, সুতরাং নাল অনুমানটি হ'ল

H0:β=0

(যাইহোক, historতিহাসিকভাবে, এ কারণেই এটিকে "নাল" অনুমান বলা হয়: "নাল" -জারো-প্রভাবের একটি অনুমান)।

এই পরীক্ষার জন্য -statistic হয়t

t=βj^SE(βj^)

দ্বি-পুচ্ছ পরীক্ষা ব্যবহার করে আমাদের সহগের চিহ্ন (প্রভাবের দিকটি যদি বিদ্যমান থাকে তবে) এর প্রতি শ্রদ্ধা জানায় না। এটি ইতিবাচক বা নেতিবাচক হতে পারে। যদি এটি ইতিবাচক হয় তবে তা বাতিল হলে বাতিল হয়ে যাবে, কারণ স্ট্যাটিকবাদী একটি বড় ধনাত্মক মান নেয়। তবে যদি প্রভাবটি নেতিবাচক হয় তবে স্ট্যাটাস্টিক একটি উচ্চ নেতিবাচক মান নেবে। সুতরাং আমরা উভয় মামলার বিরুদ্ধে পরীক্ষা করতে চাই এবং এই কারণেই আমরা একটি "দ্বি-পুচ্ছ" পরীক্ষাটি ব্যবহার করি।tt


@ ÜbelYildmar আপনাকে স্বাগত জানাই।
অ্যালেকোস পাপাদোপল্লোস
আমাদের সাইট ব্যবহার করে, আপনি স্বীকার করেছেন যে আপনি আমাদের কুকি নীতি এবং গোপনীয়তা নীতিটি পড়েছেন এবং বুঝতে পেরেছেন ।
Licensed under cc by-sa 3.0 with attribution required.