সময় অনুমোদিত; এটির প্রয়োজন কিনা আপনি মডেল করার চেষ্টা করছেন তার উপর নির্ভর করবে? আপনার সমস্যাটি হ'ল আপনার কাছে এমন কোভেরিয়েট রয়েছে যা একসাথে ডেটাগুলিতে প্রবণতার সাথে খাপ খায়, যা সময় ঠিক তেমনি করতে পারে তবে স্বাধীনতার কম ডিগ্রি ব্যবহার করে - তাই তারা সময়ের পরিবর্তে বাদ পড়ে যায় dropped
যদি আগ্রহটি সিস্টেমটির মডেল করা হয়, সময়ের সাথে সাথে প্রতিক্রিয়া এবং সমবায়ুদের মধ্যে সম্পর্ক সময়ের পরিবর্তে প্রতিক্রিয়া কীভাবে পরিবর্তিত হয় তার মডেল না করে সময়কে কোভারিয়েট হিসাবে অন্তর্ভুক্ত করবেন না। যদি উদ্দেশ্যটির প্রতিক্রিয়াটির গড় স্তরের পরিবর্তনটি মডেল করা হয় তবে সময় অন্তর্ভুক্ত করুন তবে কোভারিয়েট অন্তর্ভুক্ত করবেন না। আপনি যা বলছেন তা থেকে এটি প্রদর্শিত হবে যে আপনি পূর্বেরটি চান, তবে আধুনিক নয় এবং সময়টিকে আপনার মডেলটিতে অন্তর্ভুক্ত করা উচিত নয় । (তবে নীচে অতিরিক্ত তথ্য বিবেচনা করুন))
যদিও বেশ কয়েকটা সতর্কীকরণ রয়েছে। তত্ত্বটি ধরে রাখার জন্য, অবশিষ্টাংশগুলি আইআইডি হওয়া উচিত (বা আইডি আপনি স্বাবলম্ব কাঠামো ব্যবহার করে স্বতন্ত্র অনুমানকে শিথিল করলে)। যদি আপনি প্রতিক্রিয়াটিকে কোভারিয়েটগুলির ফাংশন হিসাবে মডেলিং করে থাকেন এবং তারা তথ্যগুলিতে কোনও প্রবণতা পর্যাপ্তরূপে মডেল না করে থাকেন, তবে অবশিষ্টাংশগুলির একটি প্রবণতা থাকবে, যা তত্ত্বের অনুমানগুলি লঙ্ঘন করে, যদি না সম্পর্কিত সম্পর্কযুক্ত কাঠামো এই প্রবণতাটি মোকাবেলা করতে পারে।
বিপরীতভাবে, যদি আপনি একমাত্র প্রতিক্রিয়াতে প্রবণতাটির মডেলিং করেন (কেবলমাত্র সময় সহ), অবশিষ্টাংশগুলিতে (লাগানো প্রবণতা সম্পর্কে) পদ্ধতিগত ভিন্নতা থাকতে পারে যা ট্রেন্ড (সময়) দ্বারা ব্যাখ্যা করা হয়নি, এবং এটি অনুমানগুলি লঙ্ঘনও করতে পারে অবশিষ্টাংশের জন্য। এই জাতীয় ক্ষেত্রে আপনার অন্যান্য সহকারীগুলি আইডির রেন্ডার করতে অন্তর্ভুক্ত থাকতে পারে
কেন এই একটি বিষয়? ঠিক আছে আপনি যখন পরীক্ষা করছেন যে প্রবণতা উপাদানটি উদাহরণস্বরূপ তাৎপর্যপূর্ণ, বা কোভারিয়েটগুলির প্রভাবগুলি উল্লেখযোগ্য কিনা, ব্যবহৃত তত্ত্বটি যদি ধারণা করা হয় যে তারা যদি iid না হয় তবে অনুমানগুলি পূরণ হবে না এবং পি-মানগুলি পক্ষপাতদুষ্ট হবে।
এই সমস্ত বিষয় হ'ল আপনাকে অবশ্যই তথ্যের সমস্ত বিবিধ উপাদান মডেল করতে হবে যা আপনার ব্যবহৃত তত্ত্বের জন্য অবশিষ্টাংশগুলি আইড হয়, লাগানো উপাদানগুলি কার্যকর হয় কিনা তা পরীক্ষা করতে।
উদাহরণস্বরূপ, মৌসুমী ডেটা বিবেচনা করুন এবং আমরা এমন একটি মডেল ফিট করতে চাই যা ডেটাতে দীর্ঘমেয়াদী প্রকরণ, প্রবণতা বর্ণনা করে। আমরা যদি কেবলমাত্র প্রবণতাটিই মডেল করি এবং cyতুচক্রীয় প্রকরণ নয়, আমরা এটি লাগাতে পারছি না যে লাগানো প্রবণতাটি উল্লেখযোগ্য কিনা কারণ অবশিষ্টাংশগুলি আইড হবে না এই জাতীয় তথ্যের জন্য, আমাদের একটি seasonতু উপাদান এবং একটি ট্রেন্ড উভয়ই একটি মডেল ফিট করতে হবে would উপাদান এবং একটি নাল মডেল যা কেবলমাত্র alতু উপাদান অন্তর্ভুক্ত। তারপরে আমরা লাগানো প্রবণতার তাত্পর্যটি মূল্যায়ন করতে সাধারণ সম্ভাবনা অনুপাত পরীক্ষার সাহায্যে দুটি মডেলের তুলনা করব। এই ব্যবহার করা যাবে anova()উপর $lmeব্যবহার লাগানো দুই মডেলের উপাদান gamm()।