এআইসির মানদণ্ডের উপর ভিত্তি করে পদক্ষেপের বাছাইয়ের পরে, প্রতিটি সত্যিকারের রিগ্রেশন সহগ শূন্য হ'ল নাল অনুমানটি পরীক্ষা করার জন্য পি-মানগুলির দিকে নজর দেওয়া বিভ্রান্তিকর।
প্রকৃতপক্ষে, পি-মানগুলি কোনও পরীক্ষার পরিসংখ্যান দেখার সম্ভাবনা প্রতিনিধিত্ব করে যতটা আপনার কাছে রয়েছে ততটা চূড়ান্ত, যখন নাল অনুমানটি সত্য হয়। যদি সত্য হয়, পি-মানটির অভিন্ন বিতরণ হওয়া উচিত।H0
তবে পদক্ষেপের বাছাইয়ের পরে (বা প্রকৃতপক্ষে, মডেল নির্বাচনের বিভিন্ন পদ্ধতির পরে), মডেলগুলিতে থাকা পদগুলির পি-মানগুলির সেই সম্পত্তি নেই, এমনকি যখন আমরা জানি যে নাল অনুমানটি সত্য।
এটি হ'ল কারণ আমরা ভেরিয়েবলগুলি বেছে নিয়েছি যাগুলির মধ্যে ছোট পি-মান রয়েছে বা থাকে (আমাদের ব্যবহৃত সঠিক মানদণ্ডের উপর নির্ভর করে)। এর অর্থ হ'ল মডেলের বামে থাকা ভেরিয়েবলগুলির পি-মানগুলি সাধারণত তাদের চেয়ে অনেক ছোট হয় যদি আমরা একটি একক মডেল ফিট করি। মনে রাখবেন যে বাছাই করা গড় বাছাই করা মডেলগুলি সত্য মডেলের তুলনায় আরও ভাল ফিট করে বলে মনে হয়, যদি মডেলগুলির শ্রেণিতে সত্যিকারের মডেল অন্তর্ভুক্ত থাকে, বা যদি মডেলগুলির শ্রেণি সত্যিকারের মডেলটিকে ঘনিষ্ঠভাবে নির্ধারণ করতে যথেষ্ট নমনীয় হয়।
[তদতিরিক্ত এবং মূলত একই কারণে, গুণাগুণগুলি যা শূন্য থেকে দূরে থাকে এবং তাদের মানক ত্রুটিগুলি পক্ষপাতদুষ্ট কম হয়; ফলস্বরূপ এটি আত্মবিশ্বাসের ব্যবধান এবং ভবিষ্যদ্বাণীগুলিকেও প্রভাবিত করে - উদাহরণস্বরূপ আমাদের ভবিষ্যদ্বাণীগুলি খুব সংকীর্ণ হবে]]
এই প্রভাবগুলি দেখতে, আমরা একাধিক রিগ্রেশন নিতে পারি যেখানে কিছু সহগুণ 0 হয় এবং কিছু না হয়, একটি ধাপে ধাপে ধাপে ধাপে ধাপে ধাপে ধাপে ধাপে ধাপে ধাপে ধাপে ধাপে ধাপে ধাপে ধাপে ধাপে ধাপে ধাপে ধাপে ধাপে ধাপে ধাপে ধাপে ধাপে ধাপে ধাপে ধাপে ধাপে ধাপে ধাপে ধাপে ধাপে ধাপে ধাপে ধাপে ধাপে ধাপে ধাপে ধাপে ধাপে ধাপে ধাপে ধাপে ধাপে ধাপে ধাপে ধাপে ধাপে ধাপে ধাপে ধাপে ধাপে ধাপে ধাপে ধাপে ধাপে ধাপে ধাপে ধাপে ধাপে ধাপে ধাপে ধাপে ধাপে ধাপে ধাপে ধাপে ধাপে ধাপে ধাপে ধাপে ধাপে দেওয়ার জন্য এই প্রক্রিয়াগুলি চালিত হতে পারে result
(একই সিমুলেশনে, আপনি গুণাগুণগুলির জন্য অনুমানগুলি এবং স্ট্যান্ডার্ড বিচ্যুতিগুলি দেখতে পারেন এবং শূন্য-সহগের সাথে মিলে এমনটি আবিষ্কার করতে পারেন যা প্রভাবিত হয়))
সংক্ষেপে, সাধারণ পি-মানগুলি অর্থবহ হিসাবে বিবেচনা করা উপযুক্ত নয়।
আমি শুনেছি মডেলটিতে থাকা সমস্ত ভেরিয়েবলগুলির পরিবর্তে উল্লেখযোগ্য হিসাবে বিবেচনা করা উচিত।
পদক্ষেপের পরে মডেলের সমস্ত মানগুলি 'তাৎপর্যপূর্ণ হিসাবে বিবেচিত হওয়া উচিত' কিনা তা সম্পর্কে আমি নিশ্চিত নই যে এটি কতটা কার্যকর তা এটিকে দেখার উপায়। "তাত্পর্য" বলতে কী বোঝায় তখন?
stepAICএন = 100, এবং দশ প্রার্থী ভেরিয়েবলের সাথে 1000 সিমুলেটেড নমুনাগুলিতে ডিফল্ট সেটিংস সহ আর-এর চালনার ফলাফল এখানে রয়েছে (এর মধ্যে কোনওটি প্রতিক্রিয়া সম্পর্কিত নয়)। প্রতিটি ক্ষেত্রে মডেলটিতে থাকা পদগুলির সংখ্যা গণনা করা হয়েছিল:
সময়টির মাত্র 15.5% সঠিক মডেলটি বেছে নেওয়া হয়েছিল; বাকি সময় মডেল শর্তাবলী যে শূন্য থেকে আলাদা ছিল না। প্রার্থী ভেরিয়েবলের সেটে যদি শূন্য-সহগের ভেরিয়েবলগুলি প্রকৃত পক্ষে সম্ভব হয় তবে আমাদের বেশ কয়েকটি শর্ত থাকতে পারে যেখানে আমাদের মডেলের আসল সহগটি শূন্য হয়। ফলস্বরূপ, এটি পরিষ্কার নয় যে তাদের সকলকে শূন্য হিসাবে বিবেচনা করা ভাল ধারণা।