সাধারণ লিনিয়ার রিগ্রেশন কার্যকারণকে বোঝায়?

17

আমি জানি পারস্পরিক সম্পর্ক কার্যকারিতা বোঝায় না বরং পরিবর্তে সম্পর্কের শক্তি এবং দিক নির্দেশ করে। সাধারণ লিনিয়ার রিগ্রেশন কার্যকারণকে বোঝায়? নাকি এর জন্য কোনও অনুমানমূলক (টি-পরীক্ষা ইত্যাদি) পরিসংখ্যানগত পরীক্ষা প্রয়োজন?

regression correlation causality

— user4572
সূত্র

3

"দিকনির্দেশ" বলতে কী বোঝ? আপনি কি একই জাতীয় প্রশ্নের উত্তরগুলি পড়েছেন ? সংক্ষিপ্ত উত্তর হলো 'না!

— এনআরএইচ

3

আপনার কোনও পরামর্শই কার্যকারণ (বা দিকনির্দেশ) বোঝায় না।

— হেনরি

2

আমি মনে করি যে ওপি মানে ধনাত্মক বনাম নেতিবাচক সম্পর্কের অর্থে "দিকনির্দেশ", এক্স এবং ওয়াইয়ের মধ্যে কোনও কার্যকরী সম্পর্কের দিক নয়

— জেএমএস

19

দ্রুত উত্তর, না। আপনি সহজেই সম্পর্কিত নন-সম্পর্কিত ডেটা নিয়ে আসতে পারেন যা পুনরায় চাপালে সমস্ত ধরণের পরিসংখ্যান পরীক্ষায় উত্তীর্ণ হবে। নীচে উইকিপিডিয়া থেকে একটি পুরানো ছবি দেওয়া হয়েছে (যা কিছু কারণে সম্প্রতি মুছে ফেলা হয়েছে) যা ডেটা-চালিত "কার্যকারিতা" চিত্রিত করার জন্য ব্যবহৃত হয়েছে।

গ্রহকে শীতল করার জন্য আমাদের আরও জলদস্যু দরকার?

enter image description here

সময়ের সিরিজের জন্য এখানে একটি শব্দ রয়েছে যার নাম "গ্রেঞ্জার কার্যকারিতা" যার খুব নির্দিষ্ট অর্থ রয়েছে।

http://en.wikipedia.org/wiki/Granger_causality

তা ছাড়া দর্শকের চোখে "কার্যকারিতা" থাকে।

— bill_080
সূত্র

আমি ইতিবাচক পারস্পরিক সম্পর্ক বা দিক দ্বারা নেতিবাচক বলতে চাইছি। আপনার প্রতিক্রিয়া এবং অনুরূপ প্রশ্নের লিঙ্কের জন্য ধন্যবাদ।

— ব্যবহারকারী 4572

1

সেই ছবিতে বেশ ক্রেজি এক্স অক্ষ! (তবে ভাল উদাহরণ!)

— অ্যান্ডি ডব্লিউ

2

আর একটি ..... বাংলাদেশে পনির, বাটার এবং শিপ, বনাম এস অ্যান্ড পি 500 (আর ^ 2 = 0.99) ...... নার্ডসনওয়ালস্ট্রিট.টিপ্প্যাড.com

— my_weblog/

5

এই গ্রাফটি স্পষ্টতই পুরানো। হয় বা সেখানে আদেন উপসাগরে

— কার্ডিনাল

2

আল গোর জলদস্যু হওয়ার আগে সেই তথ্য ছিল।

— বিল_080

10

রিগ্রেশন গণিতের মধ্যে স্পষ্ট কিছু নেই যা কার্যকারক সম্পর্কের কথা বলে এবং তাই এর জন্য oneাল (শক্তি এবং দিক) বা পি-মানগুলি স্পষ্টভাবে ব্যাখ্যা করার দরকার নেই (অর্থাত্ সম্ভাবনা যতটা শক্তিশালী বা শক্তিশালী একটি সম্পর্ক লক্ষ্য করা হত যদি জনগণের মধ্যে সম্পর্ক শূন্য ছিল) কার্যকারণে।

যা বলা হচ্ছে, আমি বলব যে রিগ্রেশনটির আরও শক্তিশালী ধারণা রয়েছে যে দুটি স্বরূপের মধ্যে পারস্পরিক সম্পর্ককে অনুমান করার চেয়ে একজন সুস্পষ্ট দিকনির্দেশক সম্পর্কের অনুমান করে। পারস্পরিক সম্পর্ক অনুসারে ধরে নিলে আপনার অর্থ পিয়ারসনের আর , এটির সাধারণত স্পষ্ট কার্যকারণ ব্যাখ্যা নেই কারণ মেট্রিকটি প্রতিসম হয় (যেমন আপনি পরিবর্তন করতে পারেন কোনটি পরিবর্তনশীল এক্স এবং কোনটি y এবং আপনার এখনও একই পরিমাপ থাকবে)। এছাড়াও "কথা বলা" সহবাসের কারণ "কার্যকারিতা বোঝায় না" আমি সন্দেহ করি যে এতটা সুপরিচিত যে দুটি ভেরিয়েবলের সাথে সম্পর্কিত হয় এই ধারণাটি যে একটি কার্যকারণীয় বক্তব্য দিচ্ছে না তার সাথে সম্পর্কযুক্ত।

রিগ্রেশন বিশ্লেষণের আনুমানিক প্রভাবগুলি যদিও প্রতিসাম্যিক নয়, এবং তাই ডানদিকে বনাম বাম দিকের বিপরীতে কোনটি পরিবর্তনশীল তা বেছে নিয়ে পারস্পরিক সম্পর্কের তুলনায় পৃথক একটি বক্তব্য দিচ্ছেন। আমার সন্দেহ হয় যে বিপুল সংখ্যাগরিষ্ঠ পরিস্থিতিতে রিগ্রেশন ব্যবহার করা হচ্ছে (অনুমান বনাম পূর্বাভাস একদিকে রেখে) কিছুটা কার্যকারণীয় বক্তব্য দেওয়ার ইচ্ছা রয়েছে। এমনকি সহজভাবে উল্লেখযোগ্য পারস্পরিক সম্পর্কের ক্ষেত্রেও আমি সন্দেহ করি যে লোকেরা ঘন ঘন কার্যকারণমূলক অনুক্রমের কিছু অন্তর্নিহিত লক্ষ্য রাখে। কিছু প্রতিবন্ধকতা মিলেছে পারস্পরিক সম্পর্ক কার্যকারণ বোঝাতে পারে !

— অ্যান্ডি ডাব্লু
সূত্র

7

পারস্পরিক সম্পর্ক বা রিগ্রেশন উভয়ই কার্যকারণকে নির্দেশ করতে পারে না (যেমন @ বিলে ৮০৮০ এর উত্তর দ্বারা চিত্রিত হয়েছে) তবে @ অ্যান্ডি ডাব্লু নির্দেশ করে যে প্রতিরোধটি প্রায়শই একটি স্পষ্টভাবে স্থির (যেমন, স্বতন্ত্র) ভেরিয়েবল এবং একটি সুস্পষ্ট (অর্থাৎ, এলোমেলো) নির্ভরশীল ভেরিয়েবলের উপর নির্ভর করে। পারস্পরিক সম্পর্ক বিশ্লেষণে এই পদবিগুলি উপযুক্ত নয়।

সোকাল এবং রোহল্ফের উদ্ধৃতি দিতে, 1969, পি। 496

"রিগ্রেশন আমরা একটি পরিবর্তনশীল নির্ভরতা বর্ণনা করতে মনস্থ করা ওয়াই একটি স্বাধীন পরিবর্তনশীল উপর এক্স ... সম্ভব পরিবর্তনের করণ সংক্রান্ত অনুমানের সমর্থন ধার ওয়াই পরিবর্তন দ্বারা এক্স ..."

"পারস্পরিক বিপরীতে পারস্পরিক সম্পর্কের ক্ষেত্রে, আমরা দুটি ভেরিয়েবল পরস্পর নির্ভরশীল বা কোভারি কিনা তা মূলত উদ্বিগ্ন - তা একসাথে পরিবর্তিত হয় । আমরা ক্রিয়া হিসাবে প্রকাশ করি না।"

সোকাল, আরআর এবং এফজে রোহল্ফ, 1969. বায়োমেট্রি। ফ্রিম্যান এবং কো।

— DQdlM
সূত্র

4

শব্দার্থ দৃষ্টিকোণ থেকে, একটি বিকল্প লক্ষ্য কার্যকারিতা প্রমাণের পরিবর্তে একটি ভাল ভবিষ্যদ্বাণীমূলক মডেলের পক্ষে প্রমাণ তৈরি করা। কোনও রিগ্রেশন মডেলের ভবিষ্যদ্বাণীমূলক মানের জন্য প্রমাণ তৈরির একটি সহজ পদ্ধতি হ'ল আপনার ডেটাটিকে 2 ভাগে ভাগ করে নেওয়া এবং আপনার রিগ্রেশনকে ডেটার একটি অংশের সাথে এবং ডেটা পরীক্ষার অন্য অংশের সাথে এটি কতটা ভাল ভবিষ্যদ্বাণী করে তা ফিট করে।

গ্রেঞ্জার কার্যকারিতা ধারণা আকর্ষণীয়।

— b_dev
সূত্র

2

\hat{β} = \frac{C o v (x, y)}{V a r (x)}

$\hat{\beta} = \frac{Cov(x,y)}{Var(x)}$

\hat{α} = \bar{y} - \hat{β} \bar{x},

$\hat{\alpha}= \bar{y}-\hat{\beta}\bar{x} ,$

যেখানে ভার (।) এবং কোভ (।) নমুনা (ডেটা) থেকে অনুমান।

ফলস্বরূপ, এই প্যারামিটারগুলি নিজেরাই x এবং y এর মধ্যে পারস্পরিক সম্পর্কের কিছু ফাংশন ছাড়া আর কিছুই নয়। বিশেষত, বিটা কেবলমাত্র একটি "সাধারণীকরণ" সম্পর্কিত সহগ। সুতরাং, রিলেশনশনের ক্ষেত্রে পারস্পরিক সম্পর্কের চেয়ে আর কোনও কার্যকর কারণ নেই। একনোমেট্রিক্সে কার্যকারণ রিগ্রেশন একটি বিশেষ কৌশল যেখানে কোনও নির্দিষ্ট রিগ্রেশন মডেলের কার্যকারণ ব্যাখ্যাকে অস্পষ্ট করে দেয় এমন বিস্মৃত হওয়ার মতো ঘটনা ঘটার জন্য যেমন উদাহরণস্বরূপ যন্ত্রের ভেরিয়েবলগুলির উপর নির্ভর করতে হবে।

আমার বক্তব্যটি হল: রিগ্রেশনকে কার্যকারণ তৈরি করা যায় তবে তা হয় না Y ডিফল্ট কার্যকারণ।

আরও এই ভিডিওগুলি দেখুন: https://www.youtube.com/watch?v=Sqy_b5OSiXw&list=PLwJRxp3blEvaxmHgI2iOzNP6KGLSyd4dz&index=55&t=0s

রুবিন নিজেই লিখেছেন "রুবিন মডেল": http://www.stat.columbia.edu/~cook/qr33.pdf

কার্যকারিতা সম্পর্কে দুর্দান্ত সূচনা কোর্স (যদিও এখনও কোনও রিগ্রেশন নেই): https://www.coursera.org/learn/crash-course-in-causality

— আলফ্রেড বিট
সূত্র

ভাল দিক. সিভিতে আপনাকে স্বাগতম।

— নীল জি

0

আমার বোঝাপড়া (আমি একটি কার্যকারিতা সূচনা) নীচে:

লিনিয়ার রিগ্রেশন কার্যকারিতা বোঝায় যদি আপনার সহকারীরা কোনও নিয়ন্ত্রিত পরীক্ষা থেকে থাকে এবং আপনার পরীক্ষা অনুমানযুক্ত কার্যকারককে ভালভাবে বিচ্ছিন্ন করে তোলে ( একটি এলোমেলোভাবে নিয়ন্ত্রিত পরীক্ষায় লিনিয়ার রিগ্রেশন এবং কার্যকারিতা দেখুন )।
$E(\epsilon|X)\neq 0$ $E(\epsilon|X)\neq 0$ $E(\epsilon|X)=0$

$E(\epsilon|X)=0$

— mlstudent
সূত্র

2

আপনি কিভাবে ব্যাখ্যা করতে পারেন

E (ϵ | X) = 0

$E(\epsilon | X ) = 0$ কার্যকারণ বোঝায়?

— সেক্সটাস এম্পেরিকাস

বিশদ আলোচনার জন্য এটি দেখুন stats.stackexchange.com/questions/59588/… , কিছু সুন্দর পয়েন্ট তৈরি করা হয়েছে।

— mlstudent

আপনি কিছুটা আরও সরাসরি হতে পারে আমি কীভাবে বা কেন কোনও প্রফুল বা ব্যাখ্যা দেখছি না

E (ϵ | X) = 0

$E(\epsilon|X)=0$ কার্যকারণ বোঝায়।

— সেক্সটাস এম্পেরিকাস

আমি কার্যকারণে কিছুটা নতুন, তবে আমি এটি বুঝতে পেরে তিনটি বড় উদ্বেগ তৈরি হতে পারে

y = α + β x + ϵ

$y=\alpha+\beta x+\epsilon$ কার্যকারিতা বোঝায় না। একটি অন্য যদি কিছু বাদ দেওয়া ভেরিয়েবল কারণ হয়

y

$y$ , অন্যটি হ'ল যদি বাদ দেওয়া ভেরিয়েবল কারণ হয়

x

$x$ , এবং অবশেষে তৃতীয়টি হ'ল

y

$y$ হতে পারে

x

$x$ । সকলেই বহিরাগত শর্ত লঙ্ঘনের দিকে পরিচালিত করবে। আমার কাছে ঠিক কেন এটির জন্য গণিত নেই তবে প্রকৃতপক্ষে এটি সন্ধান করা হবে / এটিকে আবিষ্কার করার চেষ্টা করব।

— mlstudent

একটি সহজ পাল্টা উদাহরণ। আপনি যখন ডেটা তৈরি করেন

Y \sim N (μ_{Y}, σ_{Y})

$Y \sim N(\mu_Y,\sigma_Y)$ এবং

X | Y \sim N (a + b Y, σ_{X})

$X|Y \sim N(a+bY,\sigma_X)$ তাহলে আপনার এখনও আছে

E (ϵ | X) = 0

$E(\epsilon|X) = 0$ (এক্স এবং ওয়াই যৌথভাবে সাধারণ বিতরণ করা হয়)।

— সেক্সটাস এম্পেরিকাস

-6

রিগ্রেশন একটি কার্যকরী সম্পর্ককে সুনিশ্চিত করে .... যদি সমস্যাটির শারীরিক / বৌদ্ধিক / বৈজ্ঞানিক বিশ্লেষণের ফলে কার্যকারণের কোনও ভিত্তি না থাকে তবে কার্যকারণ বিশ্লেষণের কোনও ভিত্তি নেই এবং কোনও প্রতিরোধের ভিত্তি নেই। এ কারণেই এফডিএ এবং অনুরূপ সরকারী সংস্থা সর্বদা ঘোষণা করে চলেছে "এটি এর কারণ!" কেবল বছরগুলিতে এবং বিলিয়ন বিলিয়ন ডলারের ক্ষতি করতে, পরে এটি প্রত্যাহার করতে। উদাহরণস্বরূপ লিজিয়ান: কফি, চকোলেট, ক্যাফিন, বেকন, ডিম ইত্যাদি ....

Worse yet is when two variable have a feedback loop. One may cause the other at one point; only for the other to cause the one, later. This always happens in my field, economics: which is why most economic analysis isn't worth the paper it is printed on.

— Gary Jakacky
সূত্র

6

This is completely wrong. Regression just finds a relationship between two sets of numbers. Whether that relationship exists because of a direct causal connection or not is a completely different issue.

— gung - Reinstate Monica