উদাহরণের জন্য আমি কম জটিল রিগ্রেশন মডেল নেব Y=β1+β2X2+β3X3+ϵ যেখানে ভবিষ্যদ্বাণী ভেরিয়েবল X2 এবং X3 হতে পারে। এর sayালু β2 এবং β3 উভয়ই ধনাত্মক তাই আমরা বলতে পারি যে (i) এক্স 2 বৃদ্ধি পাওয়ার সাথে Y বৃদ্ধি পায়, যদি এক্স 3 ধ্রুবক ধরে থাকে, যেহেতু β 2 ইতিবাচক; (ii) ওয়াইX2X3β2Yযেমন বাড়ে X3 বেড়ে যায়, যদি X2 , অনুষ্ঠিত ধ্রুবক যেহেতু β3 ইতিবাচক হয়।
নোট করুন যে যখন অন্যান্য ভেরিয়েবলগুলি ধ্রুবকভাবে অনুষ্ঠিত হয় তখন কী ঘটে যায় তা বিবেচনা করে একাধিক রিগ্রেশন সহগের ব্যাখ্যা করা গুরুত্বপূর্ণ ("সেটারিস পেরিবাস")। ধরুন আমি শুধু regressed Y বিরুদ্ধে X2 একটি মডেল সঙ্গে Y=β′1+β′2X2+ϵ′ । ঢাল সহগ জন্য আমার অনুমান β′2 , যা থেকে কার্যকর পরিমাপ Y একটি এক ইউনিট বৃদ্ধির X2 ছাড়া অধিষ্ঠিত X3ধ্রুবক, একাধিক রিগ্রেশন থেকে আমার β2 অনুমানের থেকে আলাদা হতে পারে - এটি এক্স 2 এর একক Y উপর প্রভাবও পরিমাপ করে , তবে এটি এক্স 3 ধ্রুবক ধারণ করে । আমার অনুমান সঙ্গে সমস্যা ^ β ' 2 এটি ভুগছেন হয় বাদ দেওয়া-পরিবর্তনশীল পক্ষপাত যদি এক্স 2 এবং এক্স 3 সম্পর্কিত করা হয়।X2X3β′2^X2X3
কেন তা বুঝতে, X2 এবং X3 কল্পনা করুন ly ণাত্মকভাবে সম্পর্কিত। এখন যখন আমি বৃদ্ধি X2 এক ইউনিট দ্বারা, আমি জানি গড় মান Y যেহেতু বৃদ্ধি করা উচিত β2>0 । তবে X2 বাড়ার সাথে সাথে আমরা যদি X3 ধ্রুবক ধরে না রাখি তবে X3 হ্রাস পেতে থাকে এবং β3>0 যেহেতু এটি Y গড় মান হ্রাস করবে । সুতরাং X2 এ এক ইউনিট বৃদ্ধির সামগ্রিক প্রভাবটি যদি আমি এক্সকে অনুমতি দিই তবে কম প্রদর্শিত হবেX3 এছাড়াও পৃথক, তাইβ′2<β2 । থিংস খারাপ আরও জোরালোভাবে পেতেX2 এবংX3 সম্পর্কিত করা হয়, এবং বৃহত্তর প্রভাবX3 মাধ্যমেβ3 - একটি সত্যিই তীব্র ক্ষেত্রে আমরা এমনকি খুঁজে পেতে পারেনβ′2<0 যদিও আমরা জানি যে, paribus ceteris,X2 এরY উপর ইতিবাচক প্রভাব রয়েছে!
আশা করি আপনি এখন দেখতে পাচ্ছেন যে এক্স 2 এর বিরুদ্ধে Y গ্রাফ আঁকাই আপনার মডেলের ওয়াই এবং এক্স 2 এর মধ্যে সম্পর্কটি কল্পনা করার জন্য একটি দুর্বল উপায় । আমার উদাহরণে, আপনার চোখ ঢাল সঙ্গে ভাল হইয়া একটি লাইন প্রতি আকৃষ্ট হবেন ^ β ' 2 যে প্রতিফলিত না ^ β 2 আপনার রিগ্রেশন মডেল থেকে। সবচেয়ে খারাপ ক্ষেত্রে, আপনার মডেলটি অনুমান করতে পারে যে এক্স 2 বৃদ্ধি পাওয়ার সাথে সাথে ওয়াই বৃদ্ধি পায় (অন্যান্য ভেরিয়েবলগুলি ধ্রুবক হিসাবে ধরে থাকে) এবং গ্রাফের পয়েন্টগুলি নির্দেশ করে যে এক্স 2 বৃদ্ধি পাওয়ার সাথে সাথে ওয়াই হ্রাস পাবে।X2YX2β′2^β2^YX2YX2
সমস্যাটি হ'ল এক্স 2 এর বিপরীতে Y এর সহজ গ্রাফের মধ্যে অন্যান্য ভেরিয়েবলগুলি ধ্রুবক হিসাবে ধরে রাখা হয় না। এটি একটি যুক্ত ভেরিয়েবল প্লটের (যেটিকে একটি আংশিক রিগ্রেশন প্লটও বলা হয়) সুবিধার জন্য গুরুত্বপূর্ণ অন্তর্দৃষ্টি - এটি অন্যান্য ভবিষ্যদ্বাণীকারীদের প্রভাবকে "আংশিকভাবে আউট" করার জন্য ফ্রিসচ-ওয়া-লাভল উপপাদ্যকে ব্যবহার করে। চক্রান্ত উপর horizonal এবং উল্লম্ব অক্ষ সম্ভবত হয় সবচেয়ে সহজে "হিসাবে * বোধগম্য এক্স 2 এবং পরে অন্যান্য ভবিষ্যতবক্তা জন্য দায়ী করা হয়" " ওয়াই পর অন্যান্য ভবিষ্যতবক্তা জন্য দায়ী করা হয়"। আপনি এখন ওয়াই এবং এক্স 2 এর মধ্যে সম্পর্কের দিকে একবার অন্য সমস্ত ভবিষ্যদ্বাণীকারী হিসাবে বিবেচিত হয়ে যেতে পারেনX2X2YYX2 । উদাহরণস্বরূপ, প্রতিটি প্লটে আপনি যে slাল দেখতে পাচ্ছেন তা এখন আপনার মূল একাধিক রিগ্রেশন মডেল থেকে আংশিক রিগ্রেশন সহগকে প্রতিফলিত করে।
অ্যাডিশনড ভেরিয়েবল প্লটের বেশিরভাগ মান রিগ্রেশন ডায়াগোনস্টিক পর্যায়ে আসে, বিশেষত যেহেতু যুক্ত ভেরিয়েবল প্লটের অবশিষ্টাংশগুলি মূল একাধিক রিগ্রেশন থেকে অবিকল থাকে। এর অর্থ বহিরাগত এবং হেটেরোসকেস্টাস্টিটি একাধিক রিগ্রেশন মডেলের চেয়ে সাধারণের প্লটটি দেখার সময় একইভাবে চিহ্নিত করা যেতে পারে। প্রভাবশালী পয়েন্টগুলিও দেখা যায় - এটি একাধিক প্রতিরোধে কার্যকর কারণ কিছু অন্যান্য প্রভাবশালী পয়েন্টগুলি অন্যান্য ভেরিয়েবলগুলিকে বিবেচনায় নেওয়ার আগে মূল তথ্যটিতে সুস্পষ্ট নয়। আমার উদাহরণস্বরূপ, একটি মাঝারি আকারের বড় X2 মান তথ্যের টেবিলের জায়গার বাইরে দেখতে না পারে তবে এক্স 3 এবং এক্স সত্ত্বেও যদি X3 মানটি বড় হয়X2X3 নেতিবাচকভাবে সংযুক্ত হচ্ছে তবে সংমিশ্রণটি বিরল। "অন্যান্য ভবিষ্যদ্বাণীকারীদের জন্য অ্যাকাউন্টিং", যেX2 মানটি অস্বাভাবিক আকারে বড় এবং আপনার যুক্ত ভেরিয়েবল প্লটটির উপরে আরও স্পষ্টভাবে আঁকড়ে থাকবে।
∗ আরো টেকনিক্যালি তারা অপর দুই একাধিক রিগ্রেশন চালু করা থেকে অবশিষ্টাংশ হবে: regressing থেকে অবশিষ্টাংশY ছাড়া অন্য সব ভবিষ্যতবক্তা বিরুদ্ধেX2 উল্লম্ব অক্ষ নেভিগেশন এড়িয়ে যান, যখন রিগ্রেশনের থেকে অবশিষ্টাংশX2 সব অন্যান্য ভবিষ্যতবক্তা বিরুদ্ধে অনুভূমিক অক্ষের উপর যান। "Y অন্যকে দিয়েছেন" এবং "X2 অন্যকে দেওয়া হয়েছে" এরকিংবদন্তিগুলিআপনাকে এটি বলছে। যেহেতু এই উভয় পদক্ষেপের মধ্য থেকে গড় অবশিষ্টটি শূন্য, এর বিন্দু (X2 অন্যকে প্রদত্ত,Yঅন্যদের দেওয়া) ঠিক (0, 0) হবে যা ব্যাখ্যা করে যে কেন যুক্ত ভেরিয়েবল প্লটের রিগ্রেশন লাইন সর্বদা উত্সের মধ্য দিয়ে যায়। তবে আমি প্রায়শই দেখতে পাই যে অক্ষগুলি উল্লেখ করা অন্য সংবেদনগুলির কেবলমাত্র অবশিষ্টাংশই মানুষকে বিভ্রান্ত করে (অবাক করা সম্ভবত যেহেতু আমরা এখন চারটি ভিন্ন ভিন্ন প্রকারের কথা বলছি!) তাই আমি বিষয়টি নিয়ে মনোযোগ না দেওয়ার চেষ্টা করেছি। এগুলি " অন্যদের প্রদত্ত X2 " এবং " Y অন্যকে দিয়েছেন " হিসাবে তুলনা করুন এবং আপনার ভাল হওয়া উচিত।