মূল প্রভাবগুলি বাদ দিয়ে কোনও মডেলটিতে দ্বিমুখী ইন্টারঅ্যাকশন অন্তর্ভুক্ত করা কি কখনও বৈধ? যদি আপনার হাইপোথিসিসটি কেবল ইন্টারঅ্যাকশন সম্পর্কে হয় তবে কী আপনার এখনও প্রধান প্রভাবগুলি অন্তর্ভুক্ত করতে হবে?
মূল প্রভাবগুলি বাদ দিয়ে কোনও মডেলটিতে দ্বিমুখী ইন্টারঅ্যাকশন অন্তর্ভুক্ত করা কি কখনও বৈধ? যদি আপনার হাইপোথিসিসটি কেবল ইন্টারঅ্যাকশন সম্পর্কে হয় তবে কী আপনার এখনও প্রধান প্রভাবগুলি অন্তর্ভুক্ত করতে হবে?
উত্তর:
আমার অভিজ্ঞতায়, কেবলমাত্র উচ্চতর অর্ডার প্রভাবের সাথে সংযুক্ত থাকাকালীন কেবলমাত্র মডেলটিতে সমস্ত নিম্নতর অর্ডার এফেক্ট থাকতে হবে তা নয়, তবে এটি সঠিকভাবে মডেল করাও গুরুত্বপূর্ণ (যেমন, ননলাইনারের অনুমতি দেওয়া) মূল প্রভাবগুলি যা আপাতদৃষ্টিতে সম্পর্কিত নয় বলে মনে হচ্ছে আগ্রহের মিথস্ক্রিয়াগুলির কারণগুলি। এর কারণ হল এবং মধ্যে মিথস্ক্রিয়াগুলি এবং এর প্রধান প্রভাবগুলির জন্য স্ট্যান্ড-ইন হতে পারে । কথোপকথন কখনও কখনও প্রয়োজন বলে মনে হয় কারণ এগুলি বাদ দেওয়া ভেরিয়েবল বা বাদ দেওয়া ননলাইনার (উদাহরণস্বরূপ, স্প্লাইন) পদগুলির সাথে কোলাইনারি।x 2 x 3 x 4
আপনি জিজ্ঞাসা করুন এটি কখনও বৈধ কিনা। আমাকে একটি সাধারণ উদাহরণ প্রদান করুন, যার বর্ণনাটি আপনার জন্য অতিরিক্ত বিশ্লেষণাত্মক পদ্ধতির পরামর্শ দিতে পারে।
কথোপকথনের সহজ উদাহরণ হ'ল একটি নির্ভরশীল ভেরিয়েবল এবং দুটি স্বতন্ত্র ভেরিয়েবল X , Y আকারে একটি মডেল
সাথে এলোমেলো টার্ম ভেরিয়েবলের শূন্য প্রত্যাশা রয়েছে এবং এবং । এটি প্রায় কিনা তা যাচাই করা উপযুক্ত কারণ একই মডেলের একটি বীজগণিত সমতুল্য প্রকাশα , β ' , γ ' , δ ' δ ' β ' γ '
(যেখানে ইত্যাদি)।
যেহেতু, যদি মনে হয় যে কোনও কারণ আছে , আমরা এটি ত্রুটি শব্দ শোষন করতে পারি । এটি কেবল "খাঁটি মিথস্ক্রিয়া" দেয় না, এটি একটি ধ্রুবক শব্দ ছাড়া তা করে । এর পরিবর্তে দৃ log়ভাবে লগারিদম গ্রহণের পরামর্শ দেয়। অবশিষ্টাংশগুলিতে কিছু ভিন্নধর্মীতা - অর্থাৎ বৃহত্তর মানগুলির সাথে সম্পর্কিত রেসিডুয়ালিদের জন্য গড়ের তুলনায় নিখুঁত মানের চেয়ে বড় হওয়ার প্রবণতাও এই দিকে নির্দেশ করবে। তারপরে আমরা একটি বিকল্প সূত্রটি ঘুরে দেখতে চাইε জেড
IID র্যান্ডম ত্রুটি সহ । তদ্ব্যতীত, আমরা যদি তুলনায় এবং বড় হওয়ার প্রত্যাশা করি , আমরা পরিবর্তে কেবলমাত্র মডেলটির প্রস্তাব করবβ এক্স γ ওয়াই 1
এই নতুন মডেলের চারটি প্যারামিটার ( , ইত্যাদি) এর পরিবর্তে কেবলমাত্র একটি একক প্যারামিটার যা যথেষ্ট সরলকরণ। ( ) এর সাথে সম্পর্কিত।α β ' δ ' = β ' γ '
আমি বলছি না যে এটি প্রয়োজনীয় বা এমনকি একমাত্র পদক্ষেপ নেওয়া, তবে আমি পরামর্শ দিচ্ছি যে মডেলটির এই ধরণের বীজগণিত পুনঃস্থাপন সাধারণত যখনই একা মিথস্ক্রিয়াগুলি গুরুত্বপূর্ণ বলে মনে হয় তা বিবেচনার জন্য উপযুক্ত।
13 Tukey এর - বিশেষ করে মাত্র দুই ও তিন স্বাধীন ভেরিয়েবল সঙ্গে, মিথষ্ক্রিয়া সঙ্গে মডেল এক্সপ্লোর করার কিছু চমৎকার উপায়ে, অধ্যায় 10 মধ্যে প্রদর্শিত EDA ।
যদিও এটি প্রায়শই পাঠ্যপুস্তকগুলিতে বর্ণিত হয় যে কোনওরূপে মূল প্রভাবগুলির সাথে মডেলটির সাথে কোনও ইন্টারঅ্যাকশন অন্তর্ভুক্ত করা উচিত নয়, অবশ্যই এর উদাহরণ রয়েছে যেখানে এটি নিখুঁতভাবে অনুধাবন করতে পারে। আমি কল্পনা করতে পারি এমন সহজ উদাহরণটি দেব।
ধরুন, দুটি গ্রুপকে এলোমেলোভাবে নির্ধারিত বিষয়গুলি একবার বেসলাইনে (অর্থাত্, র্যান্ডমাইজেশনের ঠিক পরে) দুবার পরিমাপ করা হয় এবং গ্রুপ টি পরে একবার একধরনের চিকিত্সা পেয়েছে, যখন গ্রুপ সি হয় নি। তারপরে এই তথ্যগুলির জন্য একটি পুনরাবৃত্ত-পরিমাপ মডেলটি পরিমাপ উপলক্ষে (ডামি ভেরিয়েবল যা বেসলাইনটির জন্য 0 এবং ফলোআপের জন্য 1 হয়) এবং গ্রুপ ডামি (0 ডিগ্রি সি এর জন্য, টি এর জন্য 1) এর মধ্যে একটি ইন্টারঅ্যাকশন শব্দ অন্তর্ভুক্ত করবে ) এবং সময় ডামি।
মডেল ইন্টারসেপ্ট তখন বেসলাইনে বিষয়গুলির গড় স্কোরের অনুমান করে (তারা যে গ্রুপে থাকুক না কেন)। পরিমাপ উপলক্ষে ডামিটির সহগগুলি বেসলাইন এবং ফলোআপের মধ্যে নিয়ন্ত্রণ গ্রুপের পরিবর্তনকে নির্দেশ করে। এবং মিথস্ক্রিয়া শব্দটির জন্য সহগ নির্দেশ করে যে নিয়ন্ত্রণ গ্রুপের তুলনায় চিকিত্সা গ্রুপে কত বড় / ছোট পরিবর্তন হয়েছিল।
এখানে, গোষ্ঠীর জন্য মূল প্রভাব অন্তর্ভুক্ত করার প্রয়োজন নেই, কারণ বেসলাইনগুলিতে, গ্রুপগুলি এলোমেলোকরণের কারণে সংজ্ঞা অনুসারে সমতুল্য।
একজন অবশ্যই তর্ক করতে পারে যে গ্রুপের জন্য মূল প্রভাবটি এখনও অন্তর্ভুক্ত করা উচিত, যাতে যদি এলোমেলোকরণ ব্যর্থ হয় তবে এটি বিশ্লেষণ দ্বারা প্রকাশিত হবে। যাইহোক, এটি একে অপরের বিরুদ্ধে দুটি গ্রুপের বেসলাইন উপায়গুলি পরীক্ষা করার সমতুল্য। এবং প্রচুর লোক রয়েছে যারা এলোমেলোভাবে পড়াশুনায় বেসলাইন পার্থক্যের জন্য পরীক্ষার বিষয়ে ভ্রান্ত হয়েছিলেন (অবশ্যই, এখানে প্রচুর পরিমাণে রয়েছে যারা এটি দরকারী বলে মনে করেন, তবে এটি অন্য একটি বিষয়)।
মডেলটিতে প্রধান প্রভাবগুলি রাখার কারণটি শনাক্তকরণের জন্য। অতএব, যদি উদ্দেশ্যটির প্রতিটি প্রভাব সম্পর্কে পরিসংখ্যানগত অনুমান হয় তবে আপনার উচিত মডেলগুলিতে প্রধান প্রভাবগুলি। তবে, যদি আপনার মডেলিংয়ের উদ্দেশ্যটি কেবলমাত্র নতুন মানগুলির পূর্বাভাস দেওয়া হয়, তবে এটি যদি ভবিষ্যদ্বাণীমূলক নির্ভুলতার উন্নতি করে তবে কেবল ইন্টারঅ্যাকশন অন্তর্ভুক্ত করা পুরোপুরি বৈধ।
এটি অন্যদের দেওয়া অনেক জবাবের মধ্যে অন্তর্ভুক্ত তবে সাধারণ বিষয়টি হ'ল মডেলগুলি ডাব্লু / একটি পণ্য পদ তবে ডাব্লু / ও ডাব্লু / ও মডারেটর এবং ভবিষ্যদ্বাণীকারী কেবল ভিন্ন মডেল। আপনি মডেলিংয়ের যে প্রক্রিয়া দেওয়া হয়েছে তার প্রতিটি কী বোঝায় এবং আপনার তত্ত্ব বা অনুমানটি বিবেচনা করে একজন মডেল ডাব্লু / ও মডারেটর এবং প্রেডিকটর আরও বোধগম্য কিনা তা নির্ধারণ করুন। পণ্যের পরিভাষাটি গুরুত্বপূর্ণ তা পর্যবেক্ষণ করলেও কেবল যখন মডারেটর এবং ভবিষ্যদ্বাণীকারীকে অন্তর্ভুক্ত করা হয় না তখন আপনাকে কিছুই বলে না (সম্ভবত আপনি "তাত্পর্য" হিসাবে মাছ ধরছেন) ডাব্লু / ওএ কেন তাদের ছেড়ে চলে যাওয়ার ইচ্ছাকৃত ব্যাখ্যা রয়েছে তার বিশদ বিবরণ ।
যুক্তিযুক্তভাবে, আপনি কীসের জন্য আপনার মডেলটি ব্যবহার করছেন তা নির্ভর করে। তবে হাইপোথিসিস কেবল ইন্টারঅ্যাকশন সম্পর্কিত এমন ক্ষেত্রে এমনকি মূল প্রভাবগুলির সাথে মডেলগুলি চালনা এবং বর্ণনা না করার কারণ আমি কখনও দেখিনি।
আমি বই থেকে একটি অনুচ্ছেদ ধার করবে Stata ব্যবহার বেঁচে থাকা বিশ্লেষণ একটি উপস্থাপনা দ্বারা M.Cleves, R.Gutierrez, W.Gould, Y.Marchenko সম্পাদিত Stata প্রেস আপনার প্রশ্নের উত্তর দিতে।
এটি সাধারণভাবে পড়তে পারা যায় যে ইন্টারঅ্যাকশন ইফেক্টগুলি কেবলমাত্র মডেলটিতে অন্তর্ভুক্ত করা উচিত যখন সংশ্লিষ্ট মূল প্রভাবগুলিও অন্তর্ভুক্ত থাকে তবে নিজের দ্বারা মিথস্ক্রিয়া প্রভাবগুলি অন্তর্ভুক্ত করার সাথে কোনও ভুল নেই। [...] একজন গবেষকের লক্ষ্য হ'ল সমস্যাটি বিবেচনা করে এবং কেবলমাত্র একটি প্রেসক্রিপশন অনুসরণ না করে ডেটাগুলির পক্ষে যথাযথভাবে সত্য হওয়ার সম্ভাবনা রয়েছে বলে প্যারামিট্রাইজ করা।
এক্স এবং y উভয়ই xy এর সাথে সম্পর্কিত হবে (যদি না আপনি কেন্দ্রীকরণ ব্যবহার করে এটি প্রতিরোধের জন্য একটি নির্দিষ্ট ব্যবস্থা গ্রহণ না করেন)। সুতরাং আপনি যদি আপনার পদ্ধতির সাথে উল্লেখযোগ্য ইন্টারঅ্যাকশন প্রভাব অর্জন করেন তবে এটি ইন্টারঅ্যাকশন হিসাবে ছড়িয়ে পড়া এক বা একাধিক প্রধান প্রভাবের পরিমাণ হয়ে দাঁড়াবে। এটি পরিষ্কার, ব্যাখ্যাযোগ্য ফলাফল আনতে যাচ্ছে না। এক্স , ওয়াই এবং (পরবর্তী পর্যায়ে পরবর্তী পর্যায়ে ) এক্সকে অন্তর্ভুক্ত করে মূল প্রভাবগুলি কী কী এবং এর উপরে কীভাবে ইন্টারঅ্যাকশনটি ব্যাখ্যা করতে পারে তা দেখার পরিবর্তে কাঙ্ক্ষিত ।
পরিভাষা হিসাবে: হ্যাঁ, β 0 কে "ধ্রুবক" বলা হয়। অন্যদিকে, "আংশিক" প্রতিরোধের নির্দিষ্ট অর্থ রয়েছে এবং তাই আমি এখানে আপনার কৌশলটি বর্ণনা করতে সেই শব্দটি ব্যবহার করব না।
নীল চাঁদে একবার উত্থিত কিছু আকর্ষণীয় উদাহরণ এই থ্রেডে বর্ণিত হয়েছে ।
আমি এটি কেবল মডেল অনিশ্চয়তার একটি বিশেষ ক্ষেত্রে পরামর্শ দেব। বায়েশীয় দৃষ্টিকোণ থেকে আপনি অন্যভাবে যে কোনও ধরনের অনিশ্চয়তার আচরণ করবেন, ঠিক তেমনভাবে আপনি এটিকে ব্যবহার করেন:
সাধারণ কোয়ান্টাইলের পরিবর্তে টি-কোয়ান্টাইল ব্যবহার করে "উল্লেখযোগ্য প্রভাবগুলি" পরীক্ষা করার সময় লোকেরা ঠিক এটি করে। কারণ "সত্যিকারের শব্দ স্তর" সম্পর্কে আপনার অনিশ্চয়তা রয়েছে কারণ আপনি পরীক্ষায় আরও ছড়িয়ে পড়া বিতরণ ব্যবহার করে এটিকে বিবেচনায় রাখেন। সুতরাং আপনার দৃষ্টিকোণ থেকে "মূল প্রভাব" আসলে আপনি যে প্রশ্নটি জিজ্ঞাসা করছেন সে সম্পর্কে একটি "উপদ্রব পরামিতি"। সুতরাং আপনি কেবল দু'টি কেসটি গড়ুন (বা আরও সাধারণভাবে, আপনি যে মডেলগুলি বিবেচনা করছেন তার উপরে)। সুতরাং আমার কাছে (অস্পষ্ট) হাইপোথিসিস হবে:
এবং আপনি এ থেকে দেখতে পাচ্ছেন যে মডেলের অধীনে অনুমানের "শর্তসাপেক্ষ উপসংহার" (এটি সাধারণত নির্বাচিত "সেরা" মডেলের জন্য বিবেচিত হয়) )। মনে রাখবেন যে এই স্ট্যান্ডার্ড বিশ্লেষণ যখনই - একটি "স্পষ্টতই সেরা" মডেল - বা যখনই - সমস্ত মডেল একই / অনুরূপ উপসংহার দেয়। তবে যদি উভয়কেই পূরণ না করা হয়, তবে বেয়েসের উপপাদ্য বলেছেন যে ফলাফলগুলি নির্ধারণের সর্বোত্তম পদ্ধতি হ'ল মডেলগুলির উপর উচ্চতর ওজন রাখা যা ডেটা এবং পূর্বের তথ্য দ্বারা সর্বাধিক সমর্থিত।পি ( এম এম | ডি আমি ) ≈ 1 পি ( এইচ আমি এন টি | ডি এম ঞ আমি ) ≈ পি ( এইচ আমি এন t | ডি এম ট আমি )
এর সাথে জড়িত মূল প্রভাব ব্যতীত কোনও ইন্টারঅ্যাকশন শব্দটিকে অন্তর্ভুক্ত করা খুব কমই একটি ভাল ধারণা। সিসিএনওয়াইয়ের ডেভিড রিন্ডস্কোফ এই বিরল দৃষ্টান্তগুলি সম্পর্কে কিছু কাগজ লিখেছেন।
প্রকৃতিতে এমন বিভিন্ন প্রক্রিয়া রয়েছে যা কেবলমাত্র একটি মিথস্ক্রিয়া প্রভাব এবং আইনগুলি তাদের ডিক্রিবিযুক্ত করে। উদাহরণস্বরূপ ওহমের আইন। মনোবিজ্ঞানে আপনার উদাহরণস্বরূপ ভর্মের পারফরম্যান্সের মডেল রয়েছে (1964): পারফরম্যান্স = দক্ষতা x মোটিভেশন ow এখন, এই আইনটি সত্য হলে আপনি একটি গুরুত্বপূর্ণ ইন্টারঅ্যাকশন প্রভাব খুঁজে পেতে আশা করতে পারেন। আফসোস, এই ক্ষেত্রে হয় না। আপনি সহজেই দুটি প্রধান প্রভাব এবং একটি তাত্পর্যপূর্ণ মিথস্ক্রিয়া প্রভাব খুঁজে পেতে শেষ করতে পারেন (একটি বিক্ষোভ এবং আরও ব্যাখ্যা জন্য ল্যান্ডশিয়ার, ভ্যান ডেন উইটেনবোয়ার এবং ম্যাসেন (2006), সামাজিক বিজ্ঞান গবেষণা 35, 274-294) দেখুন। লিনিয়ার মডেল ইন্টারঅ্যাকশন প্রভাবগুলি সনাক্ত করার জন্য খুব ভাল উপযুক্ত নয়; যখন তিনি লিনিয়ার মডেলগুলি ব্যবহার করতেন তখন ওহম তার আইন খুঁজে পেতে পারেন নি।
ফলস্বরূপ, রৈখিক মডেলগুলিতে মিথস্ক্রিয়া প্রভাবগুলি ব্যাখ্যা করা শক্ত। আপনার যদি এমন কোনও তত্ত্ব থাকে যা একটি মিথস্ক্রিয়া প্রভাবের পূর্বাভাস দেয় তবে তা তুচ্ছ হলেও আপনাকে অন্তর্ভুক্ত করা উচিত। আপনার তত্ত্বটি যদি এগুলি বাদ দেয় তবে আপনি প্রধান প্রভাবগুলি উপেক্ষা করতে চাইতে পারেন, তবে আপনি সেই কঠিনটি দেখতে পাবেন, কারণ একটি মূল গুণগুলি প্রায়শই একটি সত্যিকারের ডেটা উত্পাদনকারী ব্যবস্থার ক্ষেত্রে পাওয়া যায় যা কেবলমাত্র একটি গুণগত প্রভাব রাখে।
আমার উত্তরটি হ'ল: হ্যাঁ, প্রধান প্রভাবগুলি অন্তর্ভুক্ত না করে কোনও মডেলটিতে দ্বি-মুখী ইন্টারঅ্যাকশন অন্তর্ভুক্ত করা বৈধ হতে পারে। লিনিয়ার মডেলগুলি বিপুল পরিমাণে ডেটা উত্পাদনকারী প্রক্রিয়াগুলির ফলাফলগুলি অনুমান করার জন্য দুর্দান্ত সরঞ্জাম, তবে তাদের সূত্রটি সহজেই ডেটা উত্পন্নকরণের ব্যবস্থার বৈধ বিবরণ হিসাবে ব্যাখ্যা করা যায় না।
এটি আমার পক্ষে অত্যন্ত জটিল এবং আমার শেষ প্রকল্পে ঘটেছিল। আমি এটি এইভাবে ব্যাখ্যা করব: আসুন আপনাকে বলতে পারি যে আপনার এবং ভেরিয়েবলগুলি স্বতন্ত্রভাবে উল্লেখযোগ্যভাবে বেরিয়ে এসেছিল এবং ব্যবসায়িক অর্থে আপনি ভেবেছিলেন যে এ এবং বি এর মিথস্ক্রিয়াটি ভাল বলে মনে হচ্ছে। আপনি ইন্টারঅ্যাকশনটি অন্তর্ভুক্ত করেছিলেন যা তাৎপর্যপূর্ণ বলে প্রমাণিত হয়েছিল তবে বি এর তাত্পর্য হারাতে বসেছে। আপনি দুটি ফলাফল দেখিয়ে প্রাথমিকভাবে আপনার মডেলটি ব্যাখ্যা করবেন। ফলাফলগুলি দেখায় যে প্রাথমিকভাবে বি তাৎপর্যপূর্ণ ছিল তবে এ এর আলোকে দেখা গেলে এটি তার চকচকে ক্ষতিগ্রস্ত হয়। সুতরাং বি একটি ভাল পরিবর্তনশীল তবে কেবলমাত্র এ এর বিভিন্ন স্তরের আলোতে দেখা গেলে (যদি এটি শ্রেণিবদ্ধ পরিবর্তনশীল হয়)। এর সিল আর্মির আলোকে দেখা গিয়ে ওবামাকে বলা ভাল নেতা। সুতরাং ওবামা * সিল একটি উল্লেখযোগ্য পরিবর্তনশীল হবে। তবে ওবামাকে যখন একা দেখা যায় ততটা গুরুত্বপূর্ণ হতে পারে না। (ওবামার কোনও অপরাধ নয়, এটি একটি উদাহরণ।)
এফ = মি * এ, শক্তি ভর বারের ত্বরণের সমান।
এটি F = m + a + ma, বা those পরামিতিগুলির কিছু অন্যান্য রৈখিক সংমিশ্রণ হিসাবে প্রতিনিধিত্ব করা হয় না। প্রকৃতপক্ষে, ভর এবং ত্বরণের মধ্যে কেবল ইন্টারঅ্যাকশন শারীরিকভাবে অর্থবোধ করবে।
মূল প্রভাব ছাড়াই দ্বি-মুখী মিথস্ক্রিয়াটি অন্তর্ভুক্ত করা কি কখনও বৈধ?
হ্যাঁ এটি বৈধ এবং এমনকি প্রয়োজনীয় হতে পারে। উদাহরণস্বরূপ যদি ২। আপনি প্রধান প্রভাবের জন্য একটি কারণকে অন্তর্ভুক্ত করবেন (নীল বনাম লাল অবস্থার গড় পার্থক্য) এটি মডেলটিকে আরও খারাপ করে দেবে।
যদি আপনার হাইপোথিসিসটি কেবল ইন্টারঅ্যাকশন সম্পর্কে হয় তবে কী আপনার এখনও প্রধান প্রভাবগুলি অন্তর্ভুক্ত করতে হবে?
আপনার অনুমানটি সত্যিকারের সত্য হতে পারে সেখানে প্রধান প্রভাব রয়েছে। অন্তর্নিহিত প্রক্রিয়াটি সর্বোত্তমভাবে বর্ণনা করার জন্য মডেলটির এটির প্রয়োজন হতে পারে। সুতরাং হ্যাঁ, আপনার সাথে এবং বাইরে চেষ্টা করা উচিত।
দ্রষ্টব্য: আপনাকে "অবিচ্ছিন্ন" স্বতন্ত্র ভেরিয়েবলের জন্য কোডটি কেন্দ্রের প্রয়োজন (উদাহরণে পরিমাপ)। অন্যথায় মডেলের ইন্টারঅ্যাকশন সহগগুলি প্রতিসাম্যভাবে বিতরণ করা হবে না (উদাহরণে প্রথম পরিমাপের জন্য সহগ নেই)।
যদি প্রশ্নের ভেরিয়েবলগুলি শ্রেণিবদ্ধ হয়, তবে প্রধান প্রভাবগুলি ছাড়াই ইন্টারঅ্যাকশন অন্তর্ভুক্ত করা কেবলমাত্র মডেলটির পুনঃনির্মাণ এবং আপনার পরামিতিটি কীভাবে অর্জন করতে চাইছেন তার উপর প্যারামিটারাইজেশন চয়ন করা নির্ভর করে। শ্রেণিবদ্ধ ভেরিয়েবলগুলির সাথে অন্যান্য ধারাবাহিক ভেরিয়েবল আকরের সাথে অবিচ্ছিন্ন ভেরিয়েবলের সাথে যোগাযোগ করা সম্পূর্ণ ভিন্ন গল্প। দেখুন: ইউসিএলএর ইনস্টিটিউট ফর ডিজিটাল গবেষণা এবং শিক্ষা থেকে এই প্রশ্নটি দেখুন
হ্যাঁ এটি বৈধ হতে পারে, যদিও এটি বিরল। তবে এই ক্ষেত্রে আপনাকে এখনও প্রধান প্রভাবগুলির মডেল করতে হবে যা আপনি পরে পুনরায় প্রকাশ করতে পারবেন।
আসলে, কিছু মডেলগুলিতে কেবল ইন্টারঅ্যাকশন আকর্ষণীয়, যেমন ড্রাগ টেস্টিং / ক্লিনিকাল মডেল। এটি উদাহরণস্বরূপ জেনারেলাইজড সাইকো ফিজিওলজিকাল ইন্টারঅ্যাকশনস (জিপিপিআই) মডেলের ভিত্তি: y = ax + bxh + ch
যেখানে ভক্সেল x/y
/ আগ্রহের অঞ্চল এবং h
ব্লক / ইভেন্ট ডিজাইন রয়েছে।
এই মডেলটিতে, উভয়ই a
এবং পুনরায় চাপ দেওয়া c
হবে, কেবল অনুক্রমের b
জন্য রাখা হবে (বিটা সহগ)। প্রকৃতপক্ষে, উভয় a
এবং c
আমাদের ক্ষেত্রে উত্সাহী ক্রিয়াকলাপ প্রতিনিধিত্ব করে, এবং শুধুমাত্র b
উত্সাহব্যঞ্জক ক্রিয়াকলাপ, টাস্কের সাথে মিথস্ক্রিয়া দ্বারা যা ব্যাখ্যা করা যায় না তা উপস্থাপন করে।
সংক্ষিপ্ত উত্তর: আপনি যদি স্থির প্রভাবগুলিতে মিথস্ক্রিয়াটি অন্তর্ভুক্ত করেন তবে মূল প্রভাবগুলি আপনি নিজের কোডটিতে সুনির্দিষ্টভাবে অন্তর্ভুক্ত করবেন কিনা তা স্বয়ংক্রিয়ভাবে অন্তর্ভুক্ত । একমাত্র পার্থক্য হ'ল আপনার প্যারামিট্রাইজেশন, অর্থাত্, আপনার মডেলের প্যারামিটারগুলি কী বোঝায় (উদাহরণস্বরূপ, তারা কি গ্রুপের অর্থ হয় বা তারা রেফারেন্স স্তর থেকে পৃথক হয়)।
আমি কেবল দেখেছি যে ডেভিড বিদি একটি খুব অনুরূপ উত্তর দিয়েছেন (ক্ষমা প্রার্থনা), তবে আমি ভেবেছিলাম যে আমি তাদের জন্য এটি ছেড়ে দেব যারা একটি লিনিয়ার বীজগণিতের দৃষ্টিকোণে ভাল সাড়া দেয়।