ভবিষ্যদ্বাণীকারীদের বিভিন্ন সেট গুরুত্ব তুলনা


13

আমি একটি বিশেষ সমস্যা নিয়ে গবেষক ছাত্রকে পরামর্শ দিচ্ছিলাম এবং আমি এই সাইটে অন্যের ইনপুট পেতে আগ্রহী ছিলাম।

প্রসঙ্গ:

গবেষকের তিন ধরণের প্রেডিকটার ভেরিয়েবল ছিল। প্রতিটি প্রকারে ভবিষ্যদ্বাণী ভেরিয়েবলগুলির একটি পৃথক সংখ্যা রয়েছে। প্রতিটি ভবিষ্যদ্বাণীকারী একটি অবিচ্ছিন্ন পরিবর্তনশীল ছিল:

  • সামাজিক: এস 1, এস 2, এস 3, এস 4 (অর্থাত্ চারটি ভবিষ্যদ্বাণী)
  • জ্ঞানীয়: সি 1, সি 2 (অর্থাত্ দুটি ভবিষ্যদ্বাণী)
  • আচরণ: বি 1, বি 2, বি 3 (অর্থাত্ তিনটি ভবিষ্যদ্বাণী)

ফলাফল পরিবর্তনশীলও ছিল অবিচ্ছিন্ন। নমুনায় প্রায় 60 জন অংশগ্রহণকারী অন্তর্ভুক্ত ছিল।

কোন ধরণের ভবিষ্যদ্বাণীকারী ফলাফল ভেরিয়েবলটি ব্যাখ্যা করার ক্ষেত্রে আরও গুরুত্বপূর্ণ ছিল তা নিয়ে গবেষক মন্তব্য করতে চেয়েছিলেন। এটি এই ধরণের ভবিষ্যদ্বাণীকারীদের আপেক্ষিক গুরুত্ব সম্পর্কে বিস্তৃত তাত্ত্বিক উদ্বেগের সাথে সম্পর্কিত ছিল।

প্রশ্নাবলি

  • অন্য সেটের সাথে তুলনামূলকভাবে এক সেট প্রেডিক্টরের আপেক্ষিক গুরুত্ব মূল্যায়ন করার ভাল উপায় কী?
  • প্রতিটি সেটে বিভিন্ন সংখ্যক ভবিষ্যদ্বাণী রয়েছে এই বিষয়টি মোকাবেলার জন্য একটি ভাল কৌশল কী?
  • আপনার ব্যাখ্যায় কি সাবধানতা থাকতে পারে?

কৌশলগুলির উদাহরণ বা আলোচনার জন্য যে কোনও উল্লেখগুলিও সবচেয়ে স্বাগত।

উত্তর:


8

পরামর্শ

  • আপনি প্রতিটি ধরণের ভবিষ্যদ্বাণীকের জন্য পৃথক একাধিক রিগ্রেশন করতে পারেন এবং একাধিক রিগ্রেশন, অ্যাডজাস্টেড আর-স্কোয়ার, জেনারালাইজড আর-স্কোয়ার বা অন্য কিছু পার্সিমনি অ্যাডজাস্টেড পরিমাপের বৈকল্পিকের সাথে তুলনা করতে পারেন।
  • আপনি বিকল্পভাবে পরিবর্তনশীল গুরুত্বের উপর সাধারণ সাহিত্য অন্বেষণ করতে পারেন ( লিঙ্কগুলির সাথে আলোচনার জন্য এখানে দেখুন )। এটি পৃথক ভবিষ্যদ্বাণীকারীদের গুরুত্বের প্রতি মনোনিবেশ করতে উত্সাহিত করবে।
  • কিছু পরিস্থিতিতে শ্রেণিবিন্যাসিক রিগ্রেশন একটি কার্যকর কাঠামো সরবরাহ করতে পারে। আপনি একটি ব্লকে এক ধরণের ভেরিয়েবল প্রবেশ করবেন (যেমন, জ্ঞানীয় ভেরিয়েবল), এবং দ্বিতীয় ব্লকে অন্য প্রকারের (যেমন, সামাজিক ভেরিয়েবল)। এটি এক ধরণের ভেরিয়েবল অন্য প্রকারের উপরে বা তার উপরে ভবিষ্যদ্বাণী করে কিনা এই প্রশ্নের জবাব দিতে সহায়তা করবে।
  • পার্শ্ব পরীক্ষা হিসাবে, আপনি প্রডেক্টর ভেরিয়েবলগুলির মধ্যে পারস্পরিক সম্পর্কগুলি ভেরিয়েবলের টাইপগুলিতে নির্ধারণের ক্ষেত্রে মানচিত্র কিনা তা পরীক্ষা করতে ভবিষ্যদ্বাণী ভেরিয়েবলগুলির একটি ফ্যাক্টর বিশ্লেষণ চালাতে পারেন।

আদেশ সহকারে

  • জ্ঞানীয়, সামাজিক এবং আচরণগত হিসাবে ভেরিয়েবলের প্রকারগুলি ভেরিয়েবলের বিস্তৃত শ্রেণি। প্রদত্ত অধ্যয়ন সর্বদা সম্ভাব্য ভেরিয়েবলগুলির কেবলমাত্র একটি উপসেট অন্তর্ভুক্ত করবে এবং সাধারণত এ জাতীয় একটি সাবসেট সম্ভাব্য ভেরিয়েবলের তুলনায় ছোট relative তদুপরি, পরিমাপ করা ভেরিয়েবলগুলি নির্ধারিত নির্মাণটি পরিমাপের সবচেয়ে নির্ভরযোগ্য বা বৈধ উপায় নাও হতে পারে। সুতরাং, প্রদত্ত ধরণের পরিবর্তনশীলের আপেক্ষিক গুরুত্ব সম্পর্কে প্রকৃত অনুমানের অঙ্কন করার সময় আপনাকে অবশ্যই সতর্কতা অবলম্বন করা উচিত যা আসলে পরিমাপ করা হয়েছিল beyond
  • নির্ভরশীল ভেরিয়েবলটি যেভাবে পরিমাপ করা হয়েছিল সেদিকেও আপনাকে কোনও পক্ষপাত বিবেচনা করতে হবে। বিশেষত মনস্তাত্ত্বিক স্টাডিতে স্ব-প্রতিবেদনের সাথে দক্ষতার সাথে দক্ষতার সাথে দক্ষতা, অন্যান্য প্রতিবেদনের সাথে অন্যান্য প্রতিবেদন ইত্যাদির সাথে ভাল সম্পর্ক রাখতে স্ব-প্রতিবেদন ব্যবস্থা গ্রহণের প্রবণতা রয়েছে। বিষয়টি হ'ল পরিমাপের মোডটি সুদের প্রকৃত নির্মাণের ওপরে এবং তার বাইরেও একটি বিশাল প্রভাব ফেলে। সুতরাং, যদি নির্ভরশীল পরিবর্তনশীলটি নির্দিষ্ট উপায়ে পরিমাপ করা হয় (উদাঃ, স্ব-প্রতিবেদন), তবে সেই ধরণের স্ব-প্রতিবেদন ব্যবহার করা হয় তবে কোনও ধরণের ভবিষ্যদ্বাণীকারীর সাথে বৃহত্তর পারস্পরিক সম্পর্ককে অতিরিক্ত ব্যাখ্যা করবেন না।

আমি এই পরিষ্কার, সহায়ক প্রতিক্রিয়াটি উপভোগ করেছি এবং এটি সহকর্মীর সাথে ভাগ করতে চলেছি।
রোল্যান্ডো 2

7

গুরুত্ব

প্রথম কাজটি হ'ল 'ভবিষ্যদ্বাণীকারীদের গুরুত্ব' operational আমি ধরে নেব যে এর অর্থ 'ভবিষ্যদ্বাণীকের মানগুলিতে পরিবর্তিত হওয়া গড় ফলাফলের সংবেদনশীলতা' এর মতো কিছু। যেহেতু আপনার ভবিষ্যদ্বাণীকে গোষ্ঠীভূত করা হয়েছে ততক্ষণ ভবিষ্যদ্বাণীকারীদের গোষ্ঠীগুলির গড় ফলাফলের সংবেদনশীলতা পরিবর্তনশীল বিশ্লেষণের দ্বারা পরিবর্তনশীলের চেয়ে আকর্ষণীয়। সংবেদনশীলতা কার্যত বোঝা যায় কিনা তা আমি ছেড়ে দিয়েছি। এই বিষয়টি পরে নেওয়া হয়।

গুরুত্বের তিনটি সংস্করণ

প্রচুর বৈকল্পিকতা ব্যাখ্যা করা হয়েছে : আমি অনুমান করছি যে মনোবিজ্ঞানীদের প্রথম কলটির পোর্টটি সম্ভবত একটি ভিন্নতা পচন যা ভবিষ্যদ্বাণীকারীদের প্রতিটি গোষ্ঠীর ভেরিয়েন্স-কোভারেন্স কাঠামোর মাধ্যমে কতটা ফলাফলের বৈকল্পিকতা ব্যাখ্যা করা হয়েছিল তা পরিমাপের দিকে নিয়ে যায়। পরীক্ষামূলকবাদী না হয়ে আমি এখানে খুব বেশি পরামর্শ দিতে পারছি না, পুরো 'বৈচিত্র্য ব্যাখ্যা করা' ধারণাটি আমার স্বাদের জন্য কিছুটা উদারগ্রাহী, এমনকি 'কোন স্কোয়ারের যোগফল' ইস্যু ছাড়াই। অন্যরা দ্বিমত পোষণ করে এবং এটি আরও বিকাশ করতে স্বাগত।

বৃহত্তর মানসম্মত সহগ : এসপিএসএস (পরিবর্তনশীল) বিটাটি এমনভাবে প্রভাব পরিমাপ করতে দেয় যা ভেরিয়েবলের তুলনায় তুলনীয়। এখানে এবং অন্য কোথাও ফক্সের রিগ্রেশন পাঠ্যপুস্তকে আলোচিত, এটি ব্যবহার না করার বেশ কয়েকটি কারণ রয়েছে । সমস্ত এখানে আবেদন। এটি গ্রুপ কাঠামোও উপেক্ষা করে।

অন্যদিকে, আমি কল্পনা করি যে কেউ দলবদ্ধভাবে ভবিষ্যদ্বাণীকারীদের মানক করতে পারে এবং সেগুলির মধ্যে একটিতে একটি স্ট্যান্ডার্ড বিচ্যুতি আন্দোলনের প্রভাব বিচার করার জন্য কোভারিয়েন্স তথ্য ব্যবহার করতে পারে । ব্যক্তিগতভাবে নীতিবাক্য: "কোনও জিনিস যদি মূল্যহীন না হয় তবে এটি ভাল করা ভাল নয়" এটি করার ক্ষেত্রে আমার আগ্রহ কমিয়ে দেয়।

বৃহত্তর প্রান্তিক প্রভাব : অন্য পদ্ধতিটি পরিমাপের স্কেলে থাকা এবং সাবধানতার সাথে নির্বাচিত নমুনা পয়েন্টগুলির মধ্যে প্রান্তিক প্রভাব গণনা করা। যেহেতু আপনি গোষ্ঠীগুলির প্রতি আগ্রহী সেগুলি একক পরিবর্তে পরিবর্তকের বিভিন্ন গ্রুপের পয়েন্টগুলি বেছে নেওয়া দরকারী, উদাহরণস্বরূপ উভয় জ্ঞানীয় ভেরিয়েবল একবারে ম্যানিপুলেট করা। (এখানে শীতল প্লটের জন্য প্রচুর সুযোগ)। বেসিক কাগজ এখানে । আর এর effectsপ্যাকেজটি দুর্দান্তভাবে এটি করবে।

এখানে দুটি ক্যাভেট রয়েছে:

  1. যদি আপনি এটি করেন তবে আপনি এটি পর্যবেক্ষণ করতে চাইবেন যে আপনি দুটি জ্ঞানীয় পরিবর্তনশীল নির্বাচন করছেন না যা পৃথকভাবে প্রশংসনীয়, যেমন মিডিয়ানরা যৌথভাবে কোনও বিষয় পর্যবেক্ষণ থেকে দূরে।

  2. কিছু পরিবর্তনশীল তাত্ত্বিকভাবে ম্যানিপুলেবলও নয়, তাই কার্যকারণ হিসাবে প্রান্তিক প্রভাবগুলির ব্যাখ্যা আরও নাজুক, যদিও এটি দরকারী।

ভবিষ্যদ্বাণীকারীদের বিভিন্ন সংখ্যা

গোষ্ঠীভুক্ত ভেরিয়েবল কোভারিয়েন্স কাঠামোর কারণে সমস্যাগুলি দেখা দেয়, যা আমরা সাধারণত উদ্বিগ্ন হওয়ার জন্য নয় তবে এই কাজের জন্য হওয়া উচিত।

বিশেষত যখন একক ভেরিয়েবলের পরিবর্তে গ্রুপগুলিতে প্রান্তিক প্রভাবগুলি (বা সেই বিষয়ে মানক সহগ) গণনা করা হয় তখন মাত্রিকতার অভিশাপ বৃহত্তর গ্রুপগুলির জন্য এমন অঞ্চলগুলিতে বিভ্রান্ত হওয়া তুলনাকে আরও সহজ করে তোলে যেখানে কোনও মামলা নেই। একটি গোষ্ঠীর আরও ভবিষ্যদ্বাণীকারী আরও একটি বিচ্ছিন্ন জনবহুল স্থানের দিকে নিয়ে যায়, সুতরাং যে কোনও গুরুত্ব পরিমাপ মডেল অনুমানের উপর বেশি নির্ভর করবে এবং পর্যবেক্ষণের উপর কম হবে (তবে আপনাকে তা বলবে না ...) তবে মডেল ফিটিং পর্বে যেমন একই সমস্যা রয়েছে তেমনি সত্যিই। একটি মডেল ভিত্তিক কার্যকারণ প্রভাব মূল্যায়নে অবশ্যই উত্পন্ন হবে।


7

χ2এল1,এল2,এল3χ2এল1-একটি,এল2-,এল3-χ2


নিশ্চিত করার জন্য, আপনার দৃষ্টিভঙ্গিটি এই চারটি ভেরিয়েবলের ডিএফ দ্বারা সমন্বিত চারটি সামাজিক ভেরিয়েবলের অন্তর্ভুক্তির ফলে বিচ্যুতির হ্রাস (-2 *) হ্রাস হিসাবে L1 গণনা করা? এবং একইভাবে L2 এবং L3 এর পরিবর্তে?
বি_মিনার

χ2

আপনি কি এমন একটি ঝুঁকি মঞ্জুর করবেন যে একটি নির্ভুল পরিসংখ্যানগত সমাধান তৈরি করার ক্ষেত্রে, সম্ভাব্য ওভারচারিং সমস্যাটি হারিয়ে যাওয়ার সম্ভাবনা রয়েছে যার মাধ্যমে ভবিষ্যদ্বাণীকারীদের সমস্ত 3 টি গ্রুপ একই সাথে সংঘটিত বৈশিষ্ট্য / আচরণগুলি পরিমাপ করতে পারে। কার্যকারণ শৃঙ্খলার জন্য পূর্বের কারণগুলি-পরবর্তী ধরণের ভিত্তি ব্যতীত, এই পরিস্থিতিতে কার্যত সম্পর্কগুলি স্পষ্টভাবে বিচ্ছিন্ন করা কি অসম্ভব - আমাদের গণনা যাই হোক না কেন? (আমি জেমস ডেভিস যেভাবে লজিকের কার্যকারণ আদেশে কীভাবে ভাবছেন তা চেষ্টা করার চেষ্টা করছি))
রোল্যান্ডো 2

অবশ্যই। মডেলিং এমনকি শুরুর আগে কার্যকারণ চেইনটি বুঝতে হবে।
ফ্রাঙ্ক হ্যারেল

@ ফ্র্যাঙ্কহারেল এই ফলাফলগুলিও শাস্তিযুক্ত সম্ভাবনার ক্ষেত্রেও প্রযোজ্য? শাস্তিযুক্ত সম্ভাবনার কি এমন কোনও বৈশিষ্ট্য রয়েছে যা এই পরিবর্তনশীল-গুরুত্ব পরিমাপের ক্ষেত্রে এটি সম্ভাবনার থেকে পৃথক করে তোলে? আপনি কি এমন কোনও কাগজপত্রের পরামর্শ দিতে পারেন যা আরও বিস্তারিতভাবে এটি বর্ণনা করে? ধন্যবাদ।
জুলাইথ

2

একটি পদ্ধতি হ'ল ভেরিয়েবলের সেটগুলিকে শেফ ভেরিয়েবলগুলিতে একত্রিত করা। এই পদ্ধতিগুলি সমাজবিজ্ঞান এবং সম্পর্কিত ক্ষেত্রে ব্যাপকভাবে ব্যবহৃত হয়েছে।

refs:

হুইট, হিউ পি। 1986. "দ্য শেফ কোপিলিটি: একটি সরলীকৃত এবং প্রসারিত পদ্ধতি"। সামাজিক বিজ্ঞান গবেষণা 15: 174-189।

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.