একাধিক লিনিয়ার রিগ্রেশন পি-মান বোঝা

একাধিক লিনিয়ার রিগ্রেশন বিশ্লেষণের পি-মান সম্পর্কে, মিনিতাবের ওয়েবসাইট থেকে ভূমিকা নীচে দেখানো হয়েছে।

প্রতিটি শব্দটির পি-মান নাল অনুমানটি পরীক্ষা করে যে সহগটি শূন্যের সমান (কোনও প্রভাব নেই)। একটি কম পি-মান (<0.05) ইঙ্গিত দেয় যে আপনি নাল অনুমানটি বাতিল করতে পারেন। অন্য কথায়, কোনও ভবিষ্যদ্বাণী যার কম পি-মান রয়েছে আপনার মডেলটিতে অর্থবোধক সংযোজন হওয়ার সম্ভাবনা রয়েছে কারণ ভবিষ্যদ্বাণীকারীর মান পরিবর্তন হওয়া প্রতিক্রিয়াশীল ভেরিয়েবলের পরিবর্তনের সাথে সম্পর্কিত।

উদাহরণস্বরূপ, আমার as হিসাবে একটি ফলাফল এমএলআর মডেল । এবং আউট পুট নীচে প্রদর্শিত হবে। তারপরে এই সমীকরণটি ব্যবহার করে একটি নির্ণয় করা যেতে পারে। $y=0.46753{{X}_{1}}-0.2668{{X}_{2}}+1.6193{{X}_{3}}+4.5424{{X}_{4}}+14.48$ $y$

            Estimate      SE        tStat       pValue  
               ________    ______    _________    _________

(Intercept)      14.48     5.0127       2.8886    0.0097836
x1             0.46753     1.2824      0.36458      0.71967
x2             -0.2668     3.3352    -0.079995      0.93712
x3              1.6193     9.0581      0.17877      0.86011
x4              4.5424     2.8565       1.5902       0.1292

উপরের ভূমিকাটির ভিত্তিতে নাল অনুমানটি হ'ল সহগটি 0 সমান হয় My আমার বোধগম্যতাটি হ'ল সহগ, উদাহরণস্বরূপ 0 এর 0 হিসাবে সেট করা হবে এবং অন্য y কে হিসাবে গণনা করা হবে । তারপর একটি জোড়া টি-পরীক্ষার জন্য পরিচালিত হয় এবং , কিন্তু এই টি-পরীক্ষার P-মান 6.9e-12 যা সহগের 0.1292 (P-মান সমান নয় । $X_{4}$ $y_{2}=0.46753{{X}_{1}}-0.2668{{X}_{2}}+1.6193{{X}_{3}}+0{{X}_{4}}+14.48$ $y$ $y_{2}$ $X_{4}$

কেউ কি সঠিক বোঝার জন্য সাহায্য করতে পারে? অনেক ধন্যবাদ!

multiple-regression p-value

— user2230101
সূত্র

আপনি কি রিগ্রেশন রুটিনের আউটপুট দেখাতে পারেন?

— আকসকল

পি-মান গণনার আপনার বিবরণটি মানক নয়। আপনি যেভাবে বর্ণনা করেছেন তার গণনা করা উচিত বলে আপনি কেন মনে করেন? আউটপুটে পি-মানটি পরামিতিগুলির ভার-কোভ ম্যাট্রিক্স থেকে গণনা করা হয়। যদি আপনি ওয়াল্ডের মতো সীমাবদ্ধতা পরীক্ষা চালাতে চান তবে আপনি যেভাবে বর্ণনা করেন তা এটি নয়। আপনি 3 ভেরিয়েবল সঙ্গে মডেল পুনরায় অনুমান করার আছে চাই, পেতে loglikelihood ইত্যাদি

— Aksakal

সেই ভূমিকা অনুসারে আপনার কেবলমাত্র একটি "গুরুত্বপূর্ণ" পরিবর্তনশীল - "ইন্টারসেপ্ট" - কারণ কেবল এর পি-মানটি ছোট। উদ্ধৃতিতে নিষ্পাপ এবং বিভ্রান্তিমূলক অনুশীলনের বাইরে যেতে আপনাকে একাধিক রিগ্রেশন সম্পর্কে আরও জানতে হবে। এই বিষয়ে কী শিখতে পারে তা দেখতে, আমাদের সাইটে প্রাসঙ্গিক থ্রেডগুলি অন্বেষণের বিষয়টি বিবেচনা করুন ।

— whuber

এই দুটি প্রশ্নের উত্তর চেক করুন: - stats.stackexchange.com/questions/5135/… এবং - stats.stackexchange.com/questions/126179/… তারা পি-মানগুলি কীভাবে গণনা করা হয় তা বুঝতে আমাকে সহায়তা করেছিল, আশা করি আপনি সেগুলি খুঁজে পাবেন সহায়ক হিসাবে।

— গিয়াকোমো

উত্তর:

এটি বেশ কয়েকটি কারণে ভুল:

"এক্স 4 ছাড়াই" মডেলটির অন্যান্য মানগুলির জন্য অগত্যা একই গুণমানের অনুমান হবে না। হ্রাস মডেল ফিট করুন এবং নিজের জন্য দেখুন।
গুণফলের জন্য পরিসংখ্যানগত পরীক্ষা 2 পূর্বাভাস থেকে প্রাপ্ত Y এর "গড়" মানগুলি নিয়ে উদ্বেগ প্রকাশ করে না। ভবিষ্যদ্বাণী করা সর্বদা একই গ্র্যান্ড মিডিয়া থাকবে, এইভাবে টি-টেস্ট থেকে 0.5-এর সমান পি-মান হবে। অবশিষ্টগুলি জন্য একই জিনিস holds আপনার টি-পরীক্ষার উপরের পয়েন্ট অনুযায়ী ভুল মান ছিল। $Y$
সহগের পরিসংখ্যানগত তাৎপর্যের জন্য যে পরিসংখ্যান পরীক্ষা করা হয় তা হ'ল একটি নমুনা টি-পরীক্ষা। এটি বিভ্রান্তিকর কারণ যেহেতু এক্স 4 এর জন্য আমাদের একাধিক সহগের "নমুনা" নেই, তবে কেন্দ্রীয় সীমাবদ্ধতা তত্ত্বটি ব্যবহার করে আমাদের যেমন একটি নমুনার বন্টনমূলক বৈশিষ্ট্যের একটি অনুমান আছে। গড় এবং মান ত্রুটি যেমন সীমাবদ্ধ বিতরণের অবস্থান এবং আকার বর্ণনা করে। যদি আপনি "এস্ট" কলামটি নেন এবং "এসই" দ্বারা ভাগ করেন এবং একটি আদর্শ সাধারণ বিতরণের সাথে তুলনা করেন, এটি আপনাকে চতুর্থ কলামে পি-মান দেয়।
চতুর্থ বিষয়: মিনিতাবের সহায়তা পৃষ্ঠার সমালোচনা। এই জাতীয় সহায়তা ফাইল কোনও অনুচ্ছেদে বছরের পরের পরিসংখ্যান প্রশিক্ষণের সংক্ষিপ্তসার করতে পারে না, তাই আমার পুরো জিনিসটির সাথে লড়াই করার দরকার নেই। তবে, একটি "ভবিষ্যদ্বাণীকারী" "একটি গুরুত্বপূর্ণ অবদান" তা বলা অস্পষ্ট এবং সম্ভবত ভুল। মাল্টিভারিয়েট মডেলটিতে কোন ভেরিয়েবলগুলি অন্তর্ভুক্ত করা উচিত তা নির্বাচনের যৌক্তিকতা সূক্ষ্ম এবং বৈজ্ঞানিক যুক্তির উপর নির্ভর করে, পরিসংখ্যানগত অনুমানের উপর নয়।

— Adamo
সূত্র

আপনার পি-মানগুলির প্রাথমিক ব্যাখ্যাটি সঠিক বলে মনে হচ্ছে, যা কেবলমাত্র ইন্টারসেপ্টের একটি সহগ রয়েছে যা 0 এর থেকে উল্লেখযোগ্যভাবে পৃথক You 0 থেকে পৃথক।

আপনার y1 এবং y2 এর যুক্ত জোড় পরীক্ষাটি পরামর্শ দেয় যে মডেলগুলি একে অপরের থেকে আলাদা। এটি প্রত্যাশিত হতে হবে, একটি মডেলটিতে আপনি একটি বৃহত তবে অসম্পূর্ণ সহগকে অন্তর্ভুক্ত করেছেন যা আপনার মডেলটিতে বেশ কিছুটা অবদান রাখছে। এই মডেলগুলির পি-ভ্যালু একে অপরের থেকে পৃথক হওয়া x4 এর সহগের পি-মান 0 থেকে পৃথক হওয়া উচিত বলে মনে করার কোনও কারণ নেই।

— পারমাণবিক ওয়াং
সূত্র