পরিবর্তনশীল অর্ডার লিনিয়ার রিগ্রেশন-এর ক্ষেত্রে গুরুত্বপূর্ণ

Question

আমি দুটি ভেরিয়েবল ( এবং ) এর মধ্যে ইন্টারপ্লে তদন্ত করছি । সাথে এই ভেরিয়েবলগুলির মধ্যে লিনিয়ার পারস্পরিক সম্পর্ক রয়েছে । সমস্যার প্রকৃতি থেকে আমি কার্যকারণ সম্পর্কে কিছুই বলতে পারি না ( কারণ বা অন্যভাবে হয়)। বিদেশী সনাক্তকারীদের সনাক্ত করতে আমি রিগ্রেশন লাইন থেকে বিচ্যুতি অধ্যয়ন করতে চাই। এটি করার জন্য আমি হয় ফাংশন হিসাবে লিনিয়ার রিগ্রেশন বা অন্য কোনও উপায়ে তৈরি করতে পারি। আমার পরিবর্তনশীল আদেশের পছন্দটি কি আমার ফলাফলকে প্রভাবিত করতে পারে?$x_1$$x_2$$r>0.9$$x_1$$x_2$$x_1$$x_2$

Comments

, আপনাকে প্রথমে এবং উভয়ের আপনার নির্ভরশীল পরিবর্তনশীলটি পুনরায় উচিত এবং সন্ধান করা উচিত। $x_{1}$$x_{2}$

— স্নেচেনডেডি

বিদেশী খুঁজে বের করা কি আপনার তদন্তের মূল বিষয়? যদি তা হয় তবে আপনার প্রথমে এবং উভয়ের আপনার নির্ভরশীল পরিবর্তনশীলটিকে পুনরায় উচিত এবং তারপরে বহিরাগত পরীক্ষা করা উচিত। যদি সম্ভাব্য কার্যকারিতা খুঁজে পাওয়া যায়, তবে আপনার একটি নকশা করা পরীক্ষা করা বিবেচনা করা উচিত। আপনার পরীক্ষার উদ্দেশ্য যদি আপনার দুটি স্বতন্ত্র ভেরিয়েবলের মধ্যে একটি সম্পর্ক সন্ধান করা হয় তবে সংগৃহীত ডেটার সংঘটিত পরিস্থিতি দেখে কৌশলটি কার্যকর হবে না। $x_{1}$$x_{2}$

— সেকেনটাডে

বিদেশী বলতে কী বোঝাতে চেয়েছেন তা আমার কাছে পরিষ্কার নয়। আপনার ডেটাতে যদি অপ্রদর্শক থাকে তবে তারা রিগ্রেশন লাইনের গণনায় প্রভাব ফেলবে। আপনি একই সাথে এবং উভয় ক্ষেত্রে কেন খুঁজছেন ? $x_1$$x_2$

— DQdlM

মন্তব্যগুলিতে LaTeX এর জন্য @ সংক্ষিপ্ত ব্যবহার করুন please

Answer 1

এটি অবশ্যই করতে পারে (প্রকৃতপক্ষে, এটি আপনার ডেটা সম্পর্কে অনুমানের ক্ষেত্রেও গুরুত্বপূর্ণ) - আপনি কেবল কোভেরিয়েট প্রদত্ত ফলাফলের বিতরণ সম্পর্কে অনুমান করে থাকেন)। এই আলোকে, আপনি "বিপরীত পূর্বাভাসের বৈকল্পিক" এর মতো একটি শব্দ দেখতে পারেন। যেভাবেই হোক, লিনিয়ার রিগ্রেশন কার্যকারণ সম্পর্কে কিছুই বলে না! সর্বোপরি, আপনি যত্নবান ডিজাইনের মাধ্যমে কার্যকারিতা সম্পর্কে কিছু বলতে পারেন।

Answer 2

কেসকে প্রতিসম করে তুলতে, কেউ তার গড় মান বনাম দুটি ভেরিয়েবলের ( ) মধ্যে পার্থক্যটি সরিয়ে ফেলতে পারে ।$\Delta x$

Answer 3

স্ট্যান্ডার্ড রিগ্রেশন পয়েন্ট এবং লাইনের মধ্যবর্তী উল্লম্ব দূরত্বকে হ্রাস করে, সুতরাং 2 ভেরিয়েবলগুলি স্যুইচ করা এখন অনুভূমিক দূরত্বকে হ্রাস করবে (একই স্ক্র্যাটারপ্লট দেওয়া হয়)। আরেকটি বিকল্প (যা বেশ কয়েকটি নাম দিয়ে যায়) হ'ল লম্ব দূরত্ব হ্রাস করা, এটি নীতি উপাদানগুলি ব্যবহার করে করা যেতে পারে।

এখানে কিছু আর কোড যা পার্থক্যগুলি দেখায়:

library(MASS)

tmp <- mvrnorm(100, c(0,0), rbind( c(1,.9),c(.9,1)) )

plot(tmp, asp=1)

fit1 <- lm(tmp[,1] ~ tmp[,2])  # horizontal residuals
segments( tmp[,1], tmp[,2], fitted(fit1),tmp[,2], col='blue' )
o <- order(tmp[,2])
lines( fitted(fit1)[o], tmp[o,2], col='blue' )

fit2 <- lm(tmp[,2] ~ tmp[,1])  # vertical residuals
segments( tmp[,1], tmp[,2], tmp[,1], fitted(fit2), col='green' )
o <- order(tmp[,1])
lines( tmp[o,1], fitted(fit2)[o], col='green' )

fit3 <- prcomp(tmp)
b <- -fit3$rotation[1,2]/fit3$rotation[2,2]
a <- fit3$center[2] - b*fit3$center[1]
abline(a,b, col='red')
segments(tmp[,1], tmp[,2], tmp[,1]-fit3$x[,2]*fit3$rotation[1,2], tmp[,2]-fit3$x[,2]*fit3$rotation[2,2], col='red')

legend('bottomright', legend=c('Horizontal','Vertical','Perpendicular'), lty=1, col=c('blue','green','red'))

বহিরাগতদের সন্ধানের জন্য আপনি কেবলমাত্র মূল উপাদানগুলির বিশ্লেষণের ফলাফলগুলি প্লট করতে পারেন।

আপনি এটি দেখতে চাইতে পারেন:

ব্ল্যান্ড এবং অল্টম্যান (1986), ক্লিনিকাল পরিমাপের দুটি পদ্ধতির মধ্যে চুক্তির মূল্যায়ন করার পরিসংখ্যানগত পদ্ধতি। ল্যানসেট, পিপি 307-310

Answer 4

আপনার এক্স 1 এবং এক্স 2 ভেরিয়েবলগুলি কলিনারি। বহুবিশ্লেষের উপস্থিতিতে, আপনার প্যারামিটারের অনুমানগুলি এখনও পক্ষপাতহীন, তবে তাদের বৈকল্পিকতা বড়, অর্থাত্, প্যারামিটারের অনুমানের তাত্পর্য সম্পর্কে আপনার অনুমান বৈধ নয়, এবং আপনার ভবিষ্যদ্বাণীটিতে বড় আত্মবিশ্বাসের অন্তর থাকবে।

প্যারামিটার অনুমানের ব্যাখ্যা করাও বেশ কঠিন। লিনিয়ার রিগ্রেশন ফ্রেমওয়ার্কে, এক্স 1-এর পরামিতি অনুমানটি হ'ল এক্স 1 এর একক পরিবর্তনের জন্য মডেলটির প্রতিটি বহিরাগত ভেরিয়েবলকে ধ্রুবক হিসাবে ধরে রাখা হয়। আপনার ক্ষেত্রে, x1 এবং x2 অত্যন্ত পরস্পর সম্পর্কিত, এবং যখন এক্স 1 পরিবর্তন হচ্ছে আপনি এক্স 2 ধ্রুবকটি ধরে রাখতে পারবেন না।