আমি জিএলএম বা ওএলএস ব্যবহার করে জটিল, একাধিক অ-রৈখিক সম্পর্ককে মডেল করার প্রয়োজনীয় পদক্ষেপগুলি চিত্রিত করে একটি উন্নত লিনিয়ার রিগ্রেশন কেস স্টাডি খুঁজছি। প্রাথমিক বিদ্যালয়ের উদাহরণগুলির বাইরে যে সম্পদগুলি পাওয়া যায় তা অবাক করা কঠিন: আমি যে বইগুলি পড়েছি সেগুলির বেশিরভাগই কোনও ভবিষ্যদ্বাণীকারীর বক্সকক্সের সাথে মিলিত প্রতিক্রিয়াটির লগ রূপান্তর বা সেরা ক্ষেত্রে একটি প্রাকৃতিক স্প্লাইন ছাড়া আর যায় না। এছাড়াও সমস্ত উদাহরণ আমি এ পর্যন্ত দেখেছি প্রতিটি ডেটা ট্রান্সফর্মেশন সমস্যাটি একটি পৃথক মডেলের সাথে প্রায়শই একক পূর্বাভাসকারী মডেলের কাছে পৌঁছায়।
আমি জানি একটি বক্সকক্স বা ইয়েও জনসন রূপান্তর কী। আমি যা সন্ধান করছি তা হল একটি বাস্তব, বাস্তব জীবনের কেস স্টাডি যেখানে প্রতিক্রিয়া / সম্পর্ক পরিষ্কার নয়। উদাহরণস্বরূপ, প্রতিক্রিয়াটি কঠোরভাবে ইতিবাচক নয় (সুতরাং আপনি লগ বা বক্সকক্স ব্যবহার করতে পারবেন না), ভবিষ্যদ্বাণীকারীদের নিজেদের মধ্যে এবং প্রতিক্রিয়ার বিপরীতে অ-রৈখিক সম্পর্ক রয়েছে এবং সর্বাধিক সম্ভাবনার ডেটা ট্রান্সফর্মেশনগুলি স্ট্যান্ডার্ড 0.33 বলে বোঝায় না বা 0.5 এক্সপোনেন্ট। এছাড়াও অবশিষ্ট রুপটি অবিচ্ছিন্ন বলে প্রমাণিত হয় (এটি কখনই হয় না), সুতরাং প্রতিক্রিয়াটিও পাশাপাশি রূপান্তর করতে হবে এবং একটি অ-মানক GLM পরিবারের রিগ্রেশন বা প্রতিক্রিয়া রূপান্তরকরণের মধ্যে নির্বাচন করতে হবে। গবেষক সম্ভবত ডেটা অত্যধিক মান্য এড়ানোর জন্য পছন্দগুলি করবেন।
সম্পাদনা
এখন পর্যন্ত আমি নিম্নলিখিত সংস্থানগুলি সংগ্রহ করেছি:
- রিগ্রেশন মডেলিং কৌশলগুলি, এফ। হ্যারেল
- ফলিত একনোমেট্রিক সময় সিরিজ, ডাব্লু। এন্ডারস
- আর, জি পেট্রিস সহ গতিময় রৈখিক মডেল
- ফলিত রিগ্রেশন অ্যানালাইসিস, ডি ক্লিনবাউম
- পরিসংখ্যান শিক্ষার একটি ভূমিকা, জি জেমস / ডি। Witten
আমি কেবলমাত্র সর্বশেষ (আইএসএলআর) পড়েছি এবং এটি খুব ভাল পাঠ্য (আমার ঘড়ির পাঁচ পাঁচ তারা), যদিও উন্নততর রিগ্রেশন মডেলিংয়ের চেয়ে এমএল-এর দিকে বেশি মনোনিবেশিত।
রয়েছে এই সিভি যে উপহার একটি চ্যালেঞ্জিং রিগ্রেশন মামলা ভাল পোস্ট।