গণনা ডেটা জন্য সময় সিরিজ, <20 গণনা সহ

Question

আমি সম্প্রতি একটি যক্ষ্মা ক্লিনিকের কাজ শুরু করেছি। আমরা বর্তমানে যে টিবি মামলার চিকিত্সা করছি তার সংখ্যা, পরিচালিত পরীক্ষার সংখ্যা ইত্যাদি নিয়ে আলোচনা করার জন্য আমরা পর্যায়ক্রমে দেখা করি meet আমি এই বিষয়গুলির মডেলিং শুরু করতে চাই যাতে আমরা কেবল অনুমান করি না যে কিছু অস্বাভাবিক কিনা। দুর্ভাগ্যক্রমে, আমি টাইম সিরিজের খুব সামান্য প্রশিক্ষণ পেয়েছি এবং আমার বেশিরভাগ এক্সপোজার ছিল খুব অবিচ্ছিন্ন ডেটা (স্টক মূল্য) বা খুব বড় সংখ্যক সংখ্যার (ইনফ্লুয়েঞ্জা) জন্য মডেলগুলির। তবে আমরা প্রতি মাসে 0-18 কেসগুলির সাথে ডিল করি (যার অর্থ 6.68, মিডিয়ান 7, বার 12.3), যা এইভাবে বিতরণ করা হয়:

[চিত্রটি মিস্টের কাছে হারিয়ে গেছে]

[চিত্র একটি গ্রু দ্বারা খাওয়া]

আমি এমন কয়েকটি নিবন্ধ পেয়েছি যা মডেলগুলিকে সম্বোধন করে তবে আমি আপনার কাছ থেকে শ্রবণ পরামর্শগুলি প্রশংসা করেছি - উভয় পদ্ধতির জন্য এবং আর প্যাকেজগুলির জন্য যা আমি এই পদ্ধতির প্রয়োগ করতে ব্যবহার করতে পারি।

সম্পাদনা করুন: এমবিকিউর উত্তর আমাকে এখানে যা জিজ্ঞাসা করছে সে সম্পর্কে আরও যত্ন সহকারে চিন্তা করতে বাধ্য করেছে; আমি মাসিক গণনাগুলিতে খুব ঝাপিয়ে পড়েছি এবং প্রশ্নের প্রকৃত ফোকাসটি হারিয়েছি। আমি যা জানতে চাই তা হ'ল: বলুন, ২০০৮ সাল থেকে (মোটামুটি দৃশ্যমান) হ্রাস কি পরের ক্ষেত্রে সামগ্রিক সংখ্যায় নিম্নমুখী প্রবণতা প্রতিফলিত করে? এটি আমার কাছে 2001-2007 থেকে মাসিক মামলার সংখ্যা স্থিতিশীল প্রক্রিয়ার প্রতিফলনের মতো দেখায়; সম্ভবত কিছু মরসুমতা, তবে সামগ্রিক স্থিতিশীল। ২০০৮ সাল থেকে বর্তমানের মধ্যে দেখে মনে হচ্ছে যে প্রক্রিয়াটি পরিবর্তিত হচ্ছে: মামলার সামগ্রিক সংখ্যা হ্রাস পাচ্ছে, যদিও এলোমেলোতা এবং seasonতুস্রাবের কারণে মাসিক সংখ্যাগুলি ক্রমশ কমতে থাকে। প্রক্রিয়াটিতে আসল পরিবর্তন হলে আমি কীভাবে পরীক্ষা করতে পারি? এবং যদি আমি একটি হ্রাস সনাক্ত করতে পারি,

Comments

লিঙ্কগুলি মারা গেছে। আপনি যদি চিত্রগুলি ধরে রাখতে (বা সেগুলি পুনরায় তৈরি করতে সক্ষম হন) তবে দয়া করে নতুন সিস্টেমটি ব্যবহার করুন যা সেগুলিকে ইমগারে সংরক্ষণ করে।

— গ্লেন_বি -রিনস্টেট মনিকা

দুর্ভাগ্যক্রমে, এই প্লটগুলি বেশ কয়েকটি চাকরির আগে ছিল। দুঃক্ষিত!

— ম্যাট পার্কার

প্রদত্ত এই পোস্টটি (# 173) সাইটটি যখন বিটাতে ছিল তখন ফিরে আসবে, এটি আশ্চর্যের কিছু নয় - খুব কম লোক এই পোস্টে পোস্ট থেকে প্লটটি আবারও করতে পারে। যাই হোক ধন্যবাদ.

— গ্লেন_বি -রিনস্টেট মনিকা

এখন আপনার চিত্রগুলি বিজ্ঞাপনের ব্যানারগুলিতে পরিণত হয়েছে।

— ইলমারি করোনেন

Answer 1

Trendতিহাসিক প্রবণতাটি মূল্যায়ন করতে, আমি ট্রেন্ড এবং seasonতু উপাদানগুলির সাথে একটি গ্যাম ব্যবহার করব। উদাহরণ স্বরূপ

require(mgcv)
require(forecast)
x <- ts(rpois(100,1+sin(seq(0,3*pi,l=100))),f=12)
tt <- 1:100
season <- seasonaldummy(x)
fit <- gam(x ~ s(tt,k=5) + season, family="poisson")
plot(fit)

তারপরে summary(fit)আপনাকে প্রবণতা পরিবর্তনের তাৎপর্যের একটি পরীক্ষা দেবে এবং প্লটটি আপনাকে কিছুটা আত্মবিশ্বাসের ব্যবধান দেয়। এখানে অনুমানগুলি হ'ল পর্যবেক্ষণগুলি স্বতন্ত্র এবং শর্তসাপেক্ষ বিতরণ পোইসন। সময়ের সাথে সাথে গড় পরিবর্তন করার অনুমতি দেওয়া হওয়ায় এগুলি বিশেষভাবে দৃ strong় অনুমান নয় ump

ভবিষ্যতে প্রবণতাটি আপনার যেমন প্রজেক্ট করতে হবে তেমন পূর্বাভাস দেওয়া আরও কঠিন। আপনি যদি ডেটার শেষে প্রবণতার লিনিয়ার এক্সট্রোপোলেশন গ্রহণ করতে ইচ্ছুক হন (যা অবশ্যই অদ্ভুত তবে সম্ভবত কয়েক মাসের জন্য ঠিক আছে)

fcast <- predict(fit,se.fit=TRUE,
               newdata=list(tt=101:112,season=seasonaldummyf(x,h=12)))

একই গ্রাফে পূর্বাভাস দেখতে:

plot(x,xlim=c(0,10.5))
lines(ts(exp(fcast$fit),f=12,s=112/12),col=2)
lines(ts(exp(fcast$fit-2*fcast$se),f=12,s=112/12),col=2,lty=2)
lines(ts(exp(fcast$fit+2*fcast$se),f=12,s=112/12),col=2,lty=2)

আপনি ফিটের (বিচ্যুতি) অবশিষ্টাংশগুলিতে বিদেশিদের সন্ধান করে অস্বাভাবিক মাসগুলি চিহ্নিত করতে পারেন।

Answer 2

আপনি স্ট্রোকচেঞ্জ এ একবার দেখতে চান :

(লিনিয়ার) রিগ্রেশন মডেলগুলিতে কাঠামোগত পরিবর্তনগুলি পরীক্ষা, নিরীক্ষণ এবং ডেটিং। স্ট্র্যাচচেঞ্চ সাধারণ পরীক্ষা-নিরীক্ষার পরীক্ষার কাঠামোর পাশাপাশি এফ টেস্ট (চৌ পরীক্ষা) ফ্রেমওয়ার্ক থেকে পরীক্ষা / পদ্ধতি বৈশিষ্ট্যযুক্ত করে। এর মধ্যে যথাযথভাবে ফিট, প্লট এবং টেস্ট ওঠানামা প্রক্রিয়াগুলি (যেমন, CUSUM, MOSUM, পুনরাবৃত্ত / চলমান অনুমান) এবং এফ পরিসংখ্যান অন্তর্ভুক্ত রয়েছে। ওঠানামা প্রক্রিয়াগুলি ব্যবহার করে অনলাইনে আগত ডেটা পর্যবেক্ষণ করা সম্ভব। অবশেষে, কাঠামোগত পরিবর্তনের সাথে রিগ্রেশন মডেলগুলির ব্রেকপয়েন্টগুলি আত্মবিশ্বাসের ব্যবধানগুলির সাথে একত্রে অনুমান করা যায়। ডেটা ভিজ্যুয়ালাইজ করার পদ্ধতিগুলিতে সর্বদা জোর দেওয়া হয় "।

গীত। চমৎকার গ্রাফিক্স;)

Comments

আমাকে পরে আরও পুস্তকটি পড়তে হবে, তবে হ্যাঁ, এই প্যাকেজটি অবশ্যই এখানে আমি যে ধরণের সমস্যার মুখোমুখি হচ্ছি তা মোকাবেলা করছে। ধন্যবাদ! এবং এছাড়াও, প্লটগুলি সম্পর্কে ধরণের কথার জন্য ধন্যবাদ; পি

— ম্যাট পার্কার

Answer 3

এটির জন্য কি কিছু উন্নত মডেল দরকার? টিবি সম্পর্কে আমি যা জানি তার উপর ভিত্তি করে, কোনও মহামারী না থাকলে সংক্রমণগুলি স্টোকাস্টাস্টিক কাজ এবং তাই গণনা ফর্ম মাস এন -২ থেকে N-1 মাসের গণনার সাথে সম্পর্কযুক্ত করা উচিত নয়। (আপনি স্বতঃসংশ্লিষ্টতার সাথে এই অনুমানটি যাচাই করতে পারেন)। যদি তা হয় তবে, মাসিক গণনাগুলির বিতরণ বিশ্লেষণ করা যদি কিছু গণনা স্বাভাবিকের তুলনায় উল্লেখযোগ্য পরিমাণে বেশি হয় তবে এটি পর্যাপ্ত সিদ্ধান্ত নিতে পারে।
অন্যদিকে আপনি কিছু অন্যান্য ভেরিয়েবলের সাথে পারস্পরিক সম্পর্ক সন্ধান করতে পারেন, যেমন seasonতু, ট্রাফিক ট্র্যাফিক, বা এমন কোনও কিছু যা আপনি কল্পনা করতে পারেন যা পারস্পরিক সম্পর্কযুক্ত হতে পারে। যদি আপনি এর মতো কিছু খুঁজে পান তবে এটি কিছু ডেটা স্বাভাবিকের জন্য ব্যবহৃত হতে পারে।

Comments

আপনার মাসের মাসের N সম্পর্কে গণনাটি অবশ্যই N-1 এর সাথে সম্পর্কিত হওয়া উচিত নয়। টিবির মতো ধীরে ধীরে ক্রমবর্ধমান রোগের সাথে এটি আমাকে মনোযোগ সহকারে দেখতে হবে তবে আমি উত্সাহিত যে আমরা উত্স কেস রিপোর্ট করার সময় এবং যে কোনও মাধ্যমিকের রিপোর্ট করার সময়কালের মধ্যে কতটা পিছিয়ে আছে তা সম্পর্কে আমি সনাক্ত করতে পারি মামলা।

— ম্যাট পার্কার 0

তবে এটি আমার প্রশ্নের কেন্দ্রস্থলে মাসিক গণনাগুলির বিতরণ বিশ্লেষণ করার বিষয়ে আপনার বক্তব্য। টিবিতে সুনির্দিষ্টভাবে হ্রাস হচ্ছে, উভয়ই মার্কিন যুক্তরাষ্ট্র এবং আমার জেলাতে। উদাহরণস্বরূপ, আমি যখন আগের বছরগুলির সাথে 2009 এর তুলনা করি, সেখানে খুব কম ক্ষেত্রেই ঘটে থাকে। 2010 আরও কম এখনও ট্র্যাক হয়। আমি যে বিষয়টি সনাক্ত করার চেষ্টা করছি (যা আমি প্রশ্নে ব্যাখ্যা করার একটি দুর্বল কাজ করেছি) তা হ'ল এই হ্রাসগুলি চলমান নিম্নমুখী প্রবণতার অংশ কিনা, বা কেবল একটি নিম্নগামী ডুবে গেছে। ধন্যবাদ - আপনি সমস্যা সম্পর্কে আরও মনোযোগ সহকারে আমাকে ভাবতে পেরেছেন।

— ম্যাট পার্কার 0

Answer 4

প্রায়শই, এর মতো রোগের ডেটা একটি সাধারণীভূত রৈখিক মডেল দিয়ে সঞ্চালিত হয়, কারণ এটি সময় সিরিজের বিশ্লেষণের দুর্দান্ত প্রয়োগ নয় - মাসগুলি প্রায়শই একে অপরের সাথে সম্পর্কিত হয় না।

যদি আমাকে এই ডেটা দেওয়া হয়, তবে আমি এখানে কী করব (এবং প্রকৃতপক্ষে এটির মতো ডেটা দিয়েছি):

যদি আমি আপনার ডেটাটি সঠিকভাবে চোখের পলকে দেখছি তবে "1/1/2000 সাল থেকে মাস" হিসাবে আরও সঠিকভাবে বর্ণিত একটি "সময়" পরিবর্তনশীল তৈরি করুন। তারপরে আমি পোয়সন বিতরণ (বা নেতিবাচক দ্বিপদী) এবং মোটামুটি নিম্নলিখিত ফর্মের সাথে একটি লগ লিঙ্ক ব্যবহার করে আরে একটি সাধারণ লিনিয়ার মডেল চালাতাম:

log(Counts) = b0 + b1*t + b2*(t^2) + b3*cos(2pi*w*t) + b4*sin(2pi*w*t)

যেখানে t উপরে বর্ণিত সময়টি উল্লেখ করা হয়, এবং ডাব্লু ফ্লু জাতীয় বার্ষিক রোগের জন্য 1/365। সাধারণত এটির 1 / n, যেখানে n হ'ল আপনার রোগের চক্রের দৈর্ঘ্য। টিবি এর জন্য কী তা আমি জানি না।

দুটি সময়ের ট্রেন্ডস আপনাকে দেখাবে - সাধারণ মৌসুমী প্রকরণের বাইরে - যদি আপনার সময়ের সাথে অর্থবহ প্রকরণ থাকে।

Answer 5

আপনি ডেটাতে একটি টকি কন্ট্রোল চার্ট প্রয়োগ করার বিষয়টি বিবেচনা করতে পারেন।

Comments

হি - এটি আসলে আমার তৈরি একটি প্লট যা পোস্টে তৈরি করে নি। আমার যে সমস্যাটি হয়েছিল তা কীভাবে সীমানা গণনা করতে হবে - আমার প্রাথমিক চেষ্টাটি ছিল পয়সন সীমানা নিয়ে, ল্যাম্বডা আমার ডেটাটির গড় হিসাবে নির্ধারণ করা হয়েছিল, তবে ভিন্নতা সঠিক পোইসন হওয়ার পক্ষে খুব বেশি নয় (অনুশীলনে যথেষ্ট পরিমাণে উচ্চতর? আমি ডোন না জানি না)।

— ম্যাট পার্কার

আরও একটি সমস্যা হ'ল সময়ের সাথে সাথে বিতরণের কেন্দ্রটি পরিবর্তিত হতে পারে - উদাহরণস্বরূপ, ১৯০০ এর দশকের গোড়ার দিকে কলোরাডো টিবি রোগীদের আবাসস্থল হওয়ার সময় থেকে ডেটা ব্যবহার করে এই সীমানা নির্ধারণ করার কোনও অর্থ হবে না। প্রসেসটি দীর্ঘমেয়াদী পরিবর্তনগুলির সাথে লাইনগুলি আপ টু ডেট রাখার উপযুক্ত উপায় কী, এখনও বিচ্যুতি সনাক্ত করতে সক্ষম হয়ে?

— ম্যাট পার্কার 15

Answer 6

আপনি ডায়নামিক জেনারেলাইজড লিনিয়ার মডেল (ডিজিএলএম) ব্যবহার করে আপনার ডেটা মডেল করার চেষ্টা করতে পারেন। আর-তে, আপনি এই জাতীয় মডেলগুলিতে প্যাকেজ এসএসপিআর এবং কেএফএএস ব্যবহার করে ফিট করতে পারেন। এক অর্থে, এটি রবের প্রস্তাবিত গ্যাম পদ্ধতির অনুরূপ, পোইসন পর্যবেক্ষণের লগের অর্থ সময়ের একটি মসৃণ ফাংশন বলে ধরে নেওয়ার পরিবর্তে, ধরে নেওয়া হয় যে এটি স্টোকাস্টিক গতিশীলতা অনুসরণ করে।

Comments

দুর্দান্ত - আমি কেএফএএস প্যাকেজ সম্পর্কে জানতাম না। : এছাড়া Dlm এবং রাষ্ট্র স্থান পর পন্থা জন্য ডিএসই ও আর ব্যবহারকারীরা এখানে একটি সাধারণ ওভারভিউ এর cran.r-project.org/web/views/TimeSeries.html

— conjugateprior

আমি খুব সুপারিশ করব dlm । ডিএলএমগুলি অন্যান্য সমাধানগুলির মতো ব্যবহার করা তত সহজ নয়, তবে dlmএটি যথাসম্ভব সহজ করে তোলে এবং প্রক্রিয়াটির মধ্য দিয়ে আপনাকে চলার জন্য একটি দুর্দান্ত চিত্র রয়েছে।

— ওয়েইন

Answer 7

আমি মূল প্রশ্নটি একা রেখে যাচ্ছি, কারণ আমি মনে করি আমি এটি ভুল হয়ে যাব (যদিও আমিও একজন স্বাস্থ্যসেবা সরবরাহকারীর জন্য ডেটা বিশ্লেষণ করেছি, এবং সত্যই বলতে পারি, যদি আমার এই ডেটাগুলি থাকে, আমি কেবল স্ট্যান্ডার্ড কৌশলগুলি ব্যবহার করে তাদের বিশ্লেষণ করব এবং সেরা আশা করি, তারা আমার কাছে বেশ ঠিক দেখাচ্ছে) look

আর প্যাকেজ হিসাবে, আমি টিএসএ গ্রন্থাগার খুঁজে পেয়েছি এবং এটি সহ বইটি সত্যিই খুব দরকারী। armasubsetsকমান্ড, বিশেষ করে, আমি মনে করি একটি মহান সময় বাঁচায় হয়।

Answer 8

Mingতিহ্যবাহী গণনা পরিসংখ্যান থেকে অব্যাহতি হিসাবে ডেমিং পরামর্শ দেয় এবং traditionalতিহ্যগত বিশ্লেষণী পরিসংখ্যানগুলিতে উত্সাহ দেয় - এই ক্ষেত্রে, নিয়ন্ত্রণ চার্ট। ডোনাল্ড হুইলারের পিএইচডি-র কোনও বই দেখুন, বিশেষত তাঁর "এসপিসিতে উন্নত বিষয়" আরও তথ্যের জন্য।

Comments

কেউ সবেমাত্র স্ট্যাটাস.স্ট্যাকেক্সেঞ্জঞ্জ / প্রশ্নস / 15809/… তে আরপিতে এসপিসি (ওরফে কিউসি) চার্ট সম্পর্কে একটি প্রশ্ন জিজ্ঞাসা করেছেন যেখানে আমি কিছু প্যাকেজ ইঙ্গিত সরবরাহ করি। আমি নিজে এসপিসি / কিউসি সম্পর্কে নিশ্চিত নই: আমি আশ্চর্য হয়েছি যে কম্পিউটারের প্রাক যুগে এবং দোকানের মেঝেতে শ্রমিকদের জন্য এটি আরও কার্যকর ছিল তবে এটি বিবেচনা করার মতো।

— ওয়েইন

আসলে, এই উত্তরটি কি @ বাবেলপ্রুডের সাথে রিলান্ড্ট?

— ওয়েইন

Answer 9

আপনার সরাসরি প্রশ্নের জবাবে "প্রক্রিয়ায় সত্যিকারের পরিবর্তন হলে আমি কীভাবে পরীক্ষা করতে পারি? এবং যদি আমি একটি হ্রাস সনাক্ত করতে পারি, তবে আমি কীভাবে সেই প্রবণতাটি ব্যবহার করতে পারি এবং সেখানে যে পরিস্থিতি দেখা যায় তা আমরা কীভাবে দেখতে পাব তা অনুমান করার জন্য? আসন্ন মাস? " একটি স্থানান্তর ফাংশন মডেল (এআরএমএক্স) বিকাশ করুন যা পর্যায়ক্রমে পিরিয়ড টু পিরিয়ড নির্ভরতা সহ মৌসুমী আরিমা কাঠামো ব্যাখ্যা করে explains হস্তক্ষেপ সনাক্তকরণের মতো অভিজ্ঞতাগত / বিশ্লেষণমূলক পদ্ধতি দ্বারা পরামর্শ দেওয়া হতে পারে এমন কোনও সনাক্তকরণযোগ্য স্তর শিফট, মৌসুমী ডাল, স্থানীয় সময় প্রবণতা এবং পুলগুলি অন্তর্ভুক্ত করুন। যদি এই রাউস্ট মডেলটি "অস্বীকার" এর সাথে মিলে একটি ফ্যাক্টর / সিরিজ অন্তর্ভুক্ত করে থাকে তবে আপনার প্রার্থনার উত্তর দেওয়া হবে। বিকল্পে কেবল একটি অনুমানযুক্ত কাঠামো যুক্ত করুন উদাহরণস্বরূপ, টি 1 এ টাইম ট্রেন্ড পরিবর্তনের পরীক্ষা করতে এক্স 1 = 1,1,2,3, দুটি ডামি নির্মাণ করুন ,,,,,,, টি এবং এক্স 2 = 0,0,0,0,0,0,0,1,2,3,4,5, .... পেরিওড টি 1-1-এ জিরোজের সমাপ্তি কোথায়। টি পি 1 সময়কালীন একটি উল্লেখযোগ্য প্রবণতা পরিবর্তনের অনুমানের পরীক্ষাটি এক্স 2 এর জন্য "টি মান" ব্যবহার করে মূল্যায়ন করা হবে।

9/22/11 সম্পাদিত

প্রায়শই, এর মতো রোগের ডেটাতে মাসিক প্রভাব থাকে কারণ আবহাওয়া / তাপমাত্রা প্রায়শই একটি অনির্দিষ্ট কারণ হয়ে থাকে। সত্য শৈশব সিরিজের বাদে আরিমা মডেলগুলি সারোগেট হিসাবে মেমরি বা মরসুমের ডামি ব্যবহার করে। অতিরিক্ত এই জাতীয় সিরিজের স্তরের শিফট এবং / অথবা স্থানীয় সময়ের ট্রেন্ডগুলি সময়ের সাথে কাঠামোগত পরিবর্তন প্রতিবিম্বিত করতে পারে। সময় এবং সময় বর্গক্ষেত্র এবং সময় ঘনক ইত্যাদির মতো বিভিন্ন শিল্পকর্ম আরোপ করার পরিবর্তে ডেটাতে অটোরিগ্রেসিভ কাঠামোটি অনুসন্ধান করা বেশ কার্যকর এবং কম অনুমানমূলক এবং অ্যাডহক হিসাবে প্রমাণিত হয়েছে। "অস্বাভাবিক মানগুলি" চিহ্নিত করার জন্যও যত্ন নেওয়া উচিত কারণ তারা প্রায়শই অতিরিক্ত কারণগুলির পরিবর্তনগুলি প্রস্তাব করতে এবং অন্যান্য মডেলের প্যারামিটারগুলির দৃ estima় প্রাক্কলনের জন্য সর্বনিম্ন নেতৃত্বে কার্যকর হতে পারে। পরিশেষে আমরা খুঁজে পেয়েছি যে পরিবর্তনশীলতা / পরামিতিগুলি সময়ের সাথে বিভিন্নভাবে পরিবর্তিত হতে পারে এইভাবে এই মডেলগুলি পরিমার্জনগুলি যথাযথ হতে পারে।

Comments

কীভাবে একজন টি 1 পোস্ট হকের সনাক্তকরণের জন্য অ্যাকাউন্টে পি-মানটি সামঞ্জস্য করে ( যেমন , ডেটা পর্যালোচনা করার পরে এটি লক্ষ্য করা)?

— whuber

সমস্ত পরিশোধনসমূহ যেমন ডায়াগনস্টিক চেক বৃদ্ধির দিকে পরিচালিত করে ডেটা ড্রয়ারে থাকাকালীন প্রস্তাবিত কাঠামোর মতোই ব্যবহার করা হয়। ডায়াগনস্টিক চেকিংয়ের উপর ভিত্তি করে ভবিষ্যদ্বাণী ভেরিয়েবলের একটি ল্যাগ যোগ করা তালিকায় কেবল আরও নাল অনুমান যুক্ত করে adds এটি কোনও অ-উল্লেখযোগ্য সহগকে মুছে ফেলার থেকে পৃথক নয়।

— আইরিশস্ট্যাট

@ আইরিশ আমি এটি অনুসরণ করি না টি 1 ল্যাগ বলে মনে হচ্ছে না: এটি একটি পরিবর্তন পয়েন্টকে স্থির করে। যদি আপনাকে প্রথমে পরিবর্তন পয়েন্টটি বাছাই করার জন্য ডেটা পরিদর্শন করার অনুমতি দেওয়া হয় তবে "উল্লেখযোগ্য" পরিবর্তনগুলি পাওয়া কি সহজ নয়?

— whuber

@ হু হ্যাঁ আপনি ঠিক বলেছেন। তবে রিগ্রেশনের স্টেপওয়াইস ফরওয়ার্ড প্রক্রিয়াটি ভাবুন যেখানে আপনি "সম্ভাব্য সংযোজন" এর বিকল্প (বাদ দেওয়া) ভেরিয়েবল পরীক্ষা করেন। ফলাফলটি ত্রুটি প্রক্রিয়া গাউসিয়ানাকে রেন্ডার করতে মডেলটিতে কোন "বাদ দেওয়া প্রবণতা" যুক্ত করা উচিত তা আপনি সিদ্ধান্ত নিচ্ছেন যে এই অর্থে এটি আলাদা নয়।

— আইরিশস্ট্যাট

@ আইরিশ এটি একটি আলোকিত উপমা। যদি আমি বুঝতে পারি, বাস্তবে আপনি প্রতিটি পিরিয়ডের জন্য একটি সম্ভাব্য পরিবর্তনশীল থাকার বিষয়ে চিন্তাভাবনা করেন (সেই সময়ের মধ্যে একটি সম্ভাব্য পরিবর্তন নির্ধারণ করে) এবং এর মধ্যে কোনটি মডেলটিতে অন্তর্ভুক্ত করা উচিত তা নির্ধারণ করার জন্য একটি পদ্ধতিগত প্রক্রিয়া শুরু করছেন। এটি পরামর্শ দেয় যে কিছু মানক পি-স্তরের সামঞ্জস্য পদ্ধতি যেমন বনফেরোনি যুক্তিসঙ্গতভাবে প্রয়োগ করা যেতে পারে। এটা কি বৈধ হবে?

— whuber