খুব ছোট নমুনা আকারের সাথে রিগ্রেশন


9

আমি 4 থেকে 5 ব্যাখ্যামূলক ভেরিয়েবলগুলি সহ একটি রিগ্রেশন চালাতে চাই, তবে আমার কেবল 15 টি পর্যবেক্ষণ রয়েছে। এই ভেরিয়েবলগুলি সাধারণত বিতরণ করা হয় তা ধরে নিতে সক্ষম হচ্ছেন না, কোনও প্যারাম্যাট্রিক বা অন্য কোনও বৈধ রিগ্রেশন পদ্ধতি আছে কি?


5
ব্যাখ্যামূলক ভেরিয়েবলগুলির মধ্যে যে কোনওটি স্বাভাবিক তা নিয়ে কোনও ধারণা নেই। প্রতিক্রিয়াটির প্রান্তিক বিতরণ সম্পর্কে কোনও ধারণা নেই। আপনি যদি সিআই বা হাইপোথিসিস পরীক্ষা করেন তবে সাধারণ অনুমিতি প্রতিক্রিয়ার শর্তাধীন স্বাভাবিকতা ধরে নেয়। রৈখিকতা এবং ধ্রুবক পরিবর্তনের অনুমানগুলি আরও গুরুত্বপূর্ণ। আপনার প্রতিক্রিয়াতে কী রয়েছে (/ কেন এটি স্বাভাবিক হবে না)?
গ্লেন_বি -রিনস্টেট মনিকা

3
না, আপনার কাছে পর্যাপ্ত ডেটা নেই। এটি অনুসন্ধানী বিশ্লেষণ। পরামর্শমূলক সম্পর্কগুলি আপনি ভালভাবে দেখে থাকতে পারেন। তবে আপনার পি-ভ্যালু, আত্মবিশ্বাসের ব্যবধান এবং হাইপোথিসিস টেস্টিং এড়ানো উচিত।
চার্জ

উত্তর:


10

@ গ্লেেন_বি রিগ্রেশন ১- এ স্বাভাবিকতা অনুমানের প্রকৃতি সম্পর্কে সঠিক ।

আমি মনে করি আপনার বড় সমস্যাটি হতে চলেছে যে আপনার কাছে 4 থেকে 5 ব্যাখ্যামূলক ভেরিয়েবলগুলি সমর্থন করার মতো পর্যাপ্ত ডেটা নেই। থাম্ব 2 এর স্ট্যান্ডার্ড নিয়মটি হল আপনার ব্যাখ্যামূলক পরিবর্তনশীল প্রতি কমপক্ষে 10 ডেটা থাকা উচিত, অর্থাত আপনার ক্ষেত্রে 40 বা 50 ডেটা (এবং এটি আদর্শ পরিস্থিতির ক্ষেত্রে যেখানে অনুমান সম্পর্কে কোনও প্রশ্নই আসে না)। কারণ আপনার মডেলটি পুরোপুরি স্যাচুরেটেড 3 হবে না(আপনার কাছে ফিট করার জন্য প্যারামিটারের চেয়ে আরও বেশি ডেটা রয়েছে), আপনি প্যারামিটার (opeালু ইত্যাদি) অনুমান পেতে পারেন এবং আদর্শ পরিস্থিতিতে অনুমানটি সংক্ষিপ্তভাবে পক্ষপাতহীন। তবে এটি সম্ভবত সম্ভবত আপনার অনুমানগুলি সত্যিকারের মূল্যবোধ থেকে দূরে থাকবে এবং আপনার এসই / সিআই খুব বড় হবে, সুতরাং আপনার কোনও পরিসংখ্যানিক শক্তি থাকবে না। মনে রাখবেন যে একটি ননপ্যারামেট্রিক বা অন্য বিকল্প ব্যবহার করে রিগ্রেশন বিশ্লেষণ আপনাকে এই সমস্যা থেকে বেরিয়ে আসবে না।

আপনার এখানে যা করতে হবে তা হ'ল হয় আপনার ক্ষেত্রের পূর্ববর্তী তত্ত্বগুলি বা আপনার শিকারগুলির উপর ভিত্তি করে একটি একক ব্যাখ্যামূলক পরিবর্তনশীল (আপনার ডেটা দেখার আগে!) বা আপনার বর্ণনামূলক ভেরিয়েবলগুলি একত্রিত করা উচিত। পরবর্তী বিকল্পের জন্য একটি যুক্তিসঙ্গত কৌশল হ'ল একটি মূল উপাদান বিশ্লেষণ (পিসিএ) চালানো এবং আপনার ব্যাখ্যামূলক পরিবর্তনশীল হিসাবে প্রথম নীতি উপাদানটি ব্যবহার করা।

তথ্যসূত্র:
১. অবশিষ্টাংশগুলি সাধারণত বিতরণ করা হয় তবে ওয়াই হয় না?
২. একাধিক প্রতিরোধের জন্য সর্বনিম্ন নমুনার আকারের জন্য থাম্বের বিধিগুলি
3. একাধিক রিগ্রেশন সমীকরণে সন্নিবেশ করা যায় এমন স্বাধীন ভেরিয়েবলের সর্বাধিক সংখ্যা

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.