এটি কি আমার প্রচারের পছন্দটিকে বৈধতা দেয় তা জানার জন্য খুব বেশি দূরে চলে যাবে?
এটি একধরণের 'বৈধতা' বলতে যা বোঝায় তার উপর নির্ভর করে তবে আমি 'হ্যাঁ, এটি খুব বেশি দূরে চলে' এমনভাবে বলা যায় যে আপনি সত্যিই "নালটি সত্য বলে দেখানো হয়েছে" বলতে পারবেন না, (বিশেষত পয়েন্ট নালগুলি সহ, তবে কমপক্ষে কিছুটা হলেও সাধারণভাবে) আপনি কেবল সত্যই বলতে পারেন "ভাল, আমাদের কাছে এটির ভুল বলে প্রমাণিত প্রমাণ নেই"। তবে যে কোনও ক্ষেত্রে আমরা আমাদের মডেলগুলি নিখুঁত হতে আশা করি না, তারা মডেল । বক্স অ্যান্ড ড্রাগার যেমন বলেছে, " কীভাবে তারা কার্যকর না হতে পারে তাদের ভুল কী? "
এই দুটি পূর্ববর্তী বাক্যগুলির মধ্যে একটি:
এটি মনে হয় (আমার কাছে) মনে হয় যে গাউসীয় বিতরণের পছন্দটি বেশ যুক্তিসঙ্গত ছিল। বা, অন্ততপক্ষে, অবশিষ্টাংশগুলি আমার মডেলটিতে যে বিতরণটি ব্যবহার করেছি তার সাথে সামঞ্জস্যপূর্ণ।
আপনার ডায়াগনস্টিকস কী নির্দেশ করে তা আরও বেশি নির্ভুলভাবে বর্ণনা করে - লগ লিঙ্ক সহ কোনও গাউসিয়ান মডেল সঠিক ছিল না - তবে এটি যুক্তিসঙ্গত বা ডেটার সাথে সামঞ্জস্যপূর্ণ ছিল।
আমি একটি লগ লিঙ্ক ফাংশনটি বেছে নিয়েছিলাম কারণ আমার প্রতিক্রিয়া পরিবর্তনশীল সবসময় ইতিবাচক থাকে তবে আমি কোনও ধরণের নিশ্চিতকরণ চাই যে এটি একটি ভাল পছন্দ।
যদি আপনি জানেন তবে এটি অবশ্যই ইতিবাচক হতে হবে তবে এর অর্থ অবশ্যই ইতিবাচক হতে হবে। এমন একটি মডেল চয়ন করা বুদ্ধিমানের সাথে অন্তত সামঞ্জস্যপূর্ণ। আমি জানি না এটি একটি ভাল পছন্দ (আরও ভাল পছন্দ আরও ভাল হতে পারে), তবে এটি করা যুক্তিসঙ্গত জিনিস; এটা আমার সূচনা পয়েন্ট হতে পারে। [তবে ভেরিয়েবলটি যদি ইতিবাচকভাবে ইতিবাচক হয় তবে আমার প্রথম চিন্তাটি গাউসির পরিবর্তে লগ-লিংক দিয়ে গামা হতে পারে। "প্রয়োজনীয় ইতিবাচক" এর ফলে স্কিউনেস এবং বৈচিত্র উভয়ই বোঝায় যা মধ্য দিয়ে পরিবর্তিত হয়।]
প্রশ্নোত্তর: বিতরণের পছন্দের জন্য অবশিষ্টাংশগুলি পরীক্ষা করার মতো কোনও পরীক্ষা আছে, যা আমার পছন্দের লিঙ্ক ফাংশনটিকে সমর্থন করতে পারে?
দেখে মনে হচ্ছে আপনার "টেস্ট" মানে "ফর্মাল হাইপোথিসিস টেস্ট" হিসাবে নয় বরং 'ডায়াগোনস্টিক চেক' হিসাবে।
উভয় ক্ষেত্রেই উত্তরটি হ্যাঁ, আছে।
একটি আনুষ্ঠানিক হাইপোথিসিস পরীক্ষা হ'ল প্রিজিবনের লিঙ্ক টেস্টের গুডনেস [1]।
বক্স-কক্স প্যারামিটারের হাইপোথিসিস টেস্ট করার জন্য এটি বক্স-কক্স পরিবারে লিঙ্ক ফাংশন এম্বেড করার উপর ভিত্তি করে।
ব্রেসলোতে (১৯৯)) প্রেগিবনের পরীক্ষার সংক্ষিপ্ত আলোচনাও দেখুন [২] ( পৃষ্ঠা ১৪ দেখুন )।
η= জি( μ )এক্স
Rওয়াটআমি=( y)আমি-μ^আমি) ( ∂η∂μ)
(যা আমি এই মূল্যায়নের দিকে ঝুঁকছি) বা আংশিক অবশিষ্টাংশগুলিতে রৈখিকতা থেকে বিচ্যুতি দেখে প্রতিটি ভবিষ্যদ্বাণীকের জন্য একটি প্লট রয়েছে (উদাহরণস্বরূপ, হার্ডিন এবং হিলবে, জেনারালাইজড লিনিয়ার মডেল এবং এক্সটেনশান, ২ য় সংস্করণ 4.5.৪) .4 p54, সংজ্ঞার জন্য),
Rটিk i= ( y)আমি- μ^আমি) ( ∂η∂μ) + এক্সi কেβ^ট
= আরওয়াটআমি+ এক্সi কেβ^ট
লিঙ্ক ফাংশন দ্বারা ডেটা রূপান্তরকে স্বীকার করে এমন ক্ষেত্রে, আপনি রৈখিক প্রতিরোধের মতো একই ফ্যাশনে লিনিয়ারিটির সন্ধান করতে পারেন (যদিও আপনি আমার স্নিগ্ধতা এবং সম্ভবত হিটরোস্কেস্টাস্টিটি রেখে গেছেন)।
শ্রেণিবদ্ধ ভবিষ্যদ্বাণীকারীদের ক্ষেত্রে লিঙ্ক ফাংশনের পছন্দটি আরও সুবিধা বা ব্যাখ্যাযোগ্যতার বিষয়, ফিটটি একই হওয়া উচিত (সুতরাং তাদের জন্য মূল্যায়ন করার প্রয়োজন নেই)।
আপনি প্রেগিবনের পদ্ধতির বাইরে ডায়াগনস্টিকও স্থাপন করতে পারেন।
এগুলি সম্পূর্ণ তালিকা তৈরি করে না; আপনি আলোচিত অন্যান্য ডায়াগনস্টিকগুলি দেখতে পারেন।
[এটি বলেছিল, আমি গুংয়ের এই মূল্যায়ণের সাথে একমত যে লিঙ্ক ফাংশনের পছন্দটি প্রাথমিকভাবে তাত্ত্বিক বিবেচনার মতো বিষয়ের উপর ভিত্তি করে করা উচিত, যেখানে সম্ভব।]
অন্তত আংশিক প্রাসঙ্গিক এই পোস্টে কিছু আলোচনা দেখুন See
[1]: প্রেগিবন, ডি। (1980),
"জেনারেলাইজড লিনিয়ার মডেলগুলির জন্য লিঙ্ক টেস্টের গুডনেস,"
রয়্যাল স্ট্যাটিস্টিকাল সোসাইটির জার্নাল। সিরিজ সি (প্রয়োগ পরিসংখ্যান) ,
খণ্ড। 29, নং 1, পৃষ্ঠা 15-23।
[২]: ব্রেসলো এনই (১৯৯।),
"সাধারণ রৈখিক মডেল: অনুমানগুলি পরীক্ষা করা এবং সিদ্ধান্তগুলি শক্তিশালী করা,"
স্ট্যাটিস্টিকাল অ্যাপ্লিকেশন 8 , 23-41 -4
পিডিএফ