আমাদের কেন মাল্টিভায়েট রিগ্রেশন (একগুচ্ছ অবিবাহিত নিগ্রহের বিপরীতে) দরকার?

Question

আমি কেবল এই দুর্দান্ত বইয়ের মাধ্যমে ব্রাউজ করেছি: জনসন এবং উইচারনের প্রয়োগকৃত মাল্টিভারিয়েট পরিসংখ্যান বিশ্লেষণ । বিড়ম্বনাটি হ'ল, আমি এখনও পৃথক ইউনিভারিয়েট (রিগ্রেশন) মডেলের পরিবর্তে মাল্টিভিয়ারেট (রিগ্রেশন) মডেলগুলি ব্যবহার করার অনুপ্রেরণা বুঝতে সক্ষম নই। আমি স্ট্যাটাস.স্টেটএক্সচেঞ্জ পোস্টগুলি 1 এবং 2 দিয়ে গিয়েছিলাম যা ব্যাখ্যা করে (ক) একাধিক এবং মাল্টিভারিয়েট রিগ্রেশন এবং (খ) মাল্টিভারিয়েট রিগ্রেশন ফলাফলের ব্যাখ্যার মধ্যে পার্থক্য, তবে আমি সমস্ত তথ্য থেকে মাল্টিভারিয়েট স্ট্যাটিস্টিকাল মডেলগুলির ব্যবহারটি সন্ধান করতে সক্ষম নই I তাদের সম্পর্কে অনলাইন পান।

আমার প্রশ্নগুলি হ'ল:

1. কেন আমাদের মাল্টিভারিয়েট রিগ্রেশন দরকার? তথ্য আঁকার জন্য পৃথক পৃথক পরিবর্তে একসাথে ফলাফল বিবেচনা করার সুবিধা কী?
2. মাল্টিভাইয়ারেট মডেলগুলি কখন ব্যবহার করতে হবে এবং একাধিক অবিচ্ছিন্ন মডেল কখন ব্যবহার করতে হবে (একাধিক ফলাফলের জন্য)।
3. তিনটি ফলাফল সহ ইউসিএলএ সাইটে দেওয়া একটি উদাহরণ নিন : নিয়ন্ত্রণের লোকস, স্ব-ধারণা এবং প্রেরণা। ১ এবং ২ এর প্রতি শ্রদ্ধাবোধের সাথে আমরা যখন একাধিক একাধিক রিগ্রেশন বনাম তিনটি অবিবাহিত একাধিক রিগ্রেশন করি তখন কি আমরা বিশ্লেষণের তুলনা করতে পারি? একে অপরকে কীভাবে ন্যায়সঙ্গত করা যায়?
4. আমি বহু বিদ্বান সংক্রান্ত কাগজপত্রগুলি পাইনি যা বহুসংখ্যক পরিসংখ্যানের মডেলগুলি ব্যবহার করে। এটি কি বহুচরণের স্বাভাবিকতা অনুমানের কারণে, মডেল ফিটিং / ব্যাখ্যার জটিলতা বা অন্য কোনও নির্দিষ্ট কারণে?

Comments

পৃথক পৃথক মডেলগুলি পারস্পরিক সম্পর্ককে উপেক্ষা করে।

— jwimberley

হ্যাঁ পৃথিবীতে এমন অনেকগুলি ঘটনা রয়েছে যা স্বাধীন র্যান্ডম ভেরিয়েবল দ্বারা মডেল করা যায় না।

— মাইকেল আর চেরনিক

উত্তর

— জ্যাক ওয়েস্টফল

শিরোনামটিতে কেবল একটি নোট: মাত্রিকতা হ্রাস (পিসিএ, ফ্যাক্টর বিশ্লেষণ, যে কোনও ননরেখা পদ্ধতি ইত্যাদি) এবং ক্লাস্টারিংকে সাধারণত "মাল্টিভারিয়েট" পদ্ধতিও বিবেচনা করা হয়। দেখে মনে হচ্ছে আপনার প্রশ্নটি বিশেষত মাল্টিভারিয়েট রিগ্রেশনকে কেন্দ্র করে (বনাম এক ধরণের অবিচ্ছিন্ন রিগ্রেশন), তাই আমি আপনাকে এটিকে সরাসরি আপনার শিরোনামে রাখার পরামর্শ দিই। +1 বিটিডব্লিউ

— অ্যামিবা বলছেন মনিকা পুনরায়

আনোভা'র বিপরীতে মানোভা কীভাবে উপকারী হতে পারে তার একটি সহজ উদাহরণ: stats.stackexchange.com/questions/129123 । একটি বিপরীত পরিস্থিতি যেখানে মানোভা এখনও উপকারী তবে একটি ভিন্ন কারণে: stats.stackexchange.com/questions/61921 । সুতরাং মানোভা পারেন: (i) আরও শক্তি দিতে, (ii) সামগ্রিক ত্রুটির হার নিয়ন্ত্রণ করে।

— অ্যামিবা বলেছেন মনিকা

Answer 1

আপনি যে UCLA সাইটে লিঙ্ক করেছেন তার পুরো উদাহরণটি পড়েছেন?

1 সম্পর্কিত:
একটি মাল্টিভিয়ারেট মডেল ব্যবহার আপনাকে ফলাফলের জুড়ে সহগের তুলনা করতে (আনুষ্ঠানিকভাবে, আনুষ্ঠানিকভাবে) সহায়তা করে।
সেই সংযুক্ত উদাহরণে, ফলাফলটি ফলাফলের জন্য বনাম ফলাফলের writeজন্য সহগ উল্লেখযোগ্যভাবে পৃথক কিনা তা পরীক্ষা করার জন্য তারা মাল্টিভারিয়েট মডেল ব্যবহার করে । আমি কোনও মনোবিজ্ঞানী নই, তবে সম্ভবত আপনার লেখার ক্ষমতা একইভাবে দুটি পৃথক মনস্তাত্ত্বিক পরিবর্তনকে প্রভাবিত করে / ভবিষ্যদ্বাণী করে কিনা তা জিজ্ঞাসা করা আকর্ষণীয়। (অথবা, যদি আমরা নালাকে বিশ্বাস করি না, তবে প্রভাবগুলি সত্যই পৃথক হতে পারে তা দৃ demonst়ভাবে প্রমাণ করার জন্য আপনি পর্যাপ্ত তথ্য সংগ্রহ করেছেন কিনা তা জিজ্ঞাসা করা আকর্ষণীয় ivlocus_of_controlself_concept
writeদুটি মডেল জুড়ে সহগ। উভয় অনুমান একই ডেটাসেট থেকে আসবে, তাই তারা পরস্পর সম্পর্কযুক্ত হবে। মাল্টিভারিয়েট মডেল এই পারস্পরিক সম্পর্কের জন্য অ্যাকাউন্ট করে।

এছাড়াও, 4 সংক্রান্ত:
আছে আছে যেমন কিছু খুব সাধারণভাবে ব্যবহৃত বহুচলকীয় মডেল, বার বার ব্যবস্থা ANOVA । উপযুক্ত অধ্যয়নের নকশা সহ, কল্পনা করুন যে আপনি প্রতিটি রোগীকে বিভিন্ন ওষুধ দিয়েছেন এবং প্রতিটি ওষুধের পরে প্রতিটি রোগীর স্বাস্থ্য পরিমাপ করেন। বা অনুমান করুন যে আপনি সময়ের সাথে একই ফলাফল পরিমাপ করছেন, দ্রাঘিমাংশ তথ্য হিসাবে, সময়ের সাথে শিশুদের উচ্চতা বলুন। তারপরে আপনার প্রতিটি ইউনিটের একাধিক ফলাফল রয়েছে (এমনকি যখন তারা কেবল "একই" ধরণের পরিমাপের পুনরাবৃত্তি করেন)। আপনি সম্ভবত কমপক্ষে কিছু সাধারণ বৈপরীত্য করতে চাইবেন: ড্রাগ এ বনাম ড্রাগ বি এর প্রভাবগুলির তুলনা, বা ড্রাগ ও এ বি বি প্লাসেবো ড্রাগের গড় প্রভাবগুলির তুলনা করুন effects এর জন্য, পুনরাবৃত্তি ব্যবস্থা আনোভা একটি উপযুক্ত মাল্টিভারিয়েট স্ট্যাটিস্টিকাল মডেল / বিশ্লেষণ।

Comments

আপনি একটি দুর্দান্ত উত্তর দিয়েছেন। আমি নিশ্চিতভাবেই অবগত ছিলাম যে অন্যান্য উদাহরণ এবং যুক্তিগুলির একটি জগৎ তৈরি করা যেতে পারে। আমি পছন্দ করি আপনি ওপিটি প্রদর্শন করতে UCLA লিঙ্ক থেকে তথ্য নিয়েছিলেন। সত্যি বলতে গেলে আমি প্রথমে প্রশ্নটিতে বিরক্ত হয়েছিলাম কিন্তু যখন আমি বুঝতে পারি যে ওপি আন্তরিকভাবে এখানে ভাল যুক্তি দিতে চেয়েছিল এবং বহুবিধ পদ্ধতিগুলি উপেক্ষা করার ধারণাটি চাপছে না তখন আমি একটি উত্তর দেওয়ার সিদ্ধান্ত নিয়েছি। আমার পছন্দটি উদাহরণগুলি দেখানো ছিল যেখানে পারস্পরিক সম্পর্কের বিষয়টি উপেক্ষা করে সত্যিকারের ধ্বংসাত্মক এবং মারাত্মক ফলাফল হয়েছিল।

— মাইকেল আর। চেরনিক

আমি আপনার উত্তরটিকে স্বাগত জানাই এবং আশা করি আরও ভালভাবে চিন্তাভাবনা করা উত্তরগুলি এটি এটিকে একটি মূল্যবান থ্রেড করে তুলবে।

— মাইকেল আর চেরনিক

দুর্দান্ত উত্তরের জন্য ধন্যবাদ, @ সিভিলস্ট্যাট। পয়েন্ট 1-এ, আমরা যদি দুটি স্বতন্ত্র অদ্বিতীয় মডেল চালাই তবে আপনি উল্লেখ করেছেন যে ইনপুট ভেরিয়েবল সহগ ( writeউদাহরণস্বরূপ সহগের জন্য) পারস্পরিক সম্পর্কযুক্ত হবে এবং বহুভিত্তিক মডেলগুলির জন্য এটির অ্যাকাউন্ট রয়েছে। এখানে আমি আরও বোঝা অর্জন করতে চাই is লোকাস_অফ_কন্ট্রোল এবং স্ব-কনসেপ্টকে ফ্যাক্টর বিশ্লেষণ বা অন্যান্য কৌশলগুলি ব্যবহার করে একক পরিমাপে একত্রীকরণ করা যেতে পারে এবং উপযুক্ত অনুপ্রেরণা থাকলে ফলাফলটি পরিমাপ করা যায়। যদি উভয় দুটি পৃথক সাইককে পরিমাপ করে। ঘটনা, তাদের একযোগে মডেলিং করে আমরা কী অর্জন করব?

— কার্তিকস

@ ম্যানুয়েলফাজিও ইউসিএলএ এর পরবর্তী বাক্যটি দেখুন: "তাহলে কেন বহুবিধ সংক্ষিপ্তসার পরিচালনা করা? যেমন আমরা আগেই উল্লেখ করেছি, এমভিগ্রিগ ব্যবহারের একটি সুবিধা হ'ল আপনি বিভিন্ন ফলাফলের পরিবর্তনশীলগুলিতে সহগের পরীক্ষা চালিয়ে যেতে পারেন।" আপনি যদি পৃথক প্রতিক্রিয়াগুলি চালিয়ে যান তবে প্রতিটি ফলাফলের জন্য আপনি একই গুণাগুণ এবং এসই পেয়েছেন তবে ফলাফলের মধ্যে সহগের মধ্যে পারস্পরিক সম্পর্কের কোনও প্রাক্কলন আপনি পাবেন না । আপনার এই পারস্পরিক সম্পর্ক প্রয়োজন যদি, উদাহরণস্বরূপ, স্ব-কনসেপ্ট ফলাফল বনাম প্রেরণার ফলাফলের জন্য পড়ার সহগের মধ্যে পার্থক্যের জন্য আপনি সিআই পেতে চেয়েছিলেন।

— সিভিলস্ট্যাট

@ সিভিলস্ট্যাট আহ, আমার জন্য লজ্জা, স্বাধীনতা অনুমানটি আমার মনে এতটাই আবদ্ধ ছিল যে আমি এই বাক্যটি পড়ার পরেও এটি ক্লিক করেনি। বর্ধিত ব্যাখ্যার জন্য ধন্যবাদ!

— zipzapboing

Answer 2

সমস্ত মিথ্যা এবং কখনও কখনও বিপজ্জনক সিদ্ধান্তে ভাবুন যা কেবলমাত্র সম্ভাবনার গুণাগুণ থেকে আসে, চিন্তাভাবনার ইভেন্টগুলি স্বাধীন। অপ্রয়োজনীয় সুরক্ষার জন্য নির্মিত সমস্ত কারণে, আমরা আমাদের পারমাণবিক বিদ্যুৎ কেন্দ্রগুলিতে রেখেছি স্বাধীনতা অনুমানটি ব্যবহার করে আমাদের বলেছিল যে একটি বড় পারমাণবিক দুর্ঘটনার সম্ভাবনা অপ্রতিরোধ্য। তবে যেমনটি আমরা থ্রি মাইল দ্বীপে দেখেছি, মানুষ একটি প্রাথমিক ত্রুটির কারণে আতঙ্কে রয়েছে বিশেষত যখন তারা নিজেকে সংশ্লেষ করতে পারে বিশেষত ত্রুটিযুক্ত ত্রুটি করে। এমন একটি বাস্তবসম্মত মাল্টিভিয়ারেট মডেল তৈরি করা কঠিন হতে পারে যা মানুষের আচরণকে চিহ্নিত করে তবে একটি ভয়াবহ মডেলটির প্রভাব বুঝতে পেরে (স্বতন্ত্র ত্রুটিগুলি) স্পষ্ট।

আরও অনেক উদাহরণ সম্ভব। আমি চ্যালেঞ্জার শাটল বিপর্যয়কে অন্য সম্ভাব্য উদাহরণ হিসাবে গ্রহণ করব । প্রশ্নটি ছিল নিম্ন তাপমাত্রার অবস্থার অধীনে আরম্ভ করা হবে কি না। ও-রিংগুলি কম তাপমাত্রায় ব্যর্থ হতে পারে এমন পরামর্শ দেওয়ার জন্য কিছু তথ্য ছিল। তবে ঝুঁকিটি কতটা উচ্চ ছিল তা পরিষ্কার করে দেওয়ার জন্য পাস করা মিশনগুলি থেকে প্রচুর ডেটা পাওয়া যায়নি। নাসা সবসময়ই নভোচারীদের সুরক্ষার জন্য উদ্বিগ্ন ছিল এবং অনেকগুলি অতিরিক্ত কাজকে মহাকাশ নৈপুণ্যে ইঞ্জিনিয়ার করা হয়েছিল এবং মিশনগুলি নিরাপদ করতে যানবাহন চালাচ্ছিল।

তবুও 1986 এর পূর্বে কিছু সিস্টেম ব্যর্থতা এবং নিকটতম ব্যর্থতা সম্ভবত সমস্ত সম্ভাব্য ব্যর্থতা মোড (একটি কঠিন কাজ) সনাক্ত না করার কারণে ঘটেছিল। নির্ভরযোগ্যতা মডেলিং একটি কঠিন ব্যবসা। তবে তা অন্য গল্প। শাটলের ক্ষেত্রে ও-রিংগুলির নির্মাতা (মর্টন থিয়োকল) ও-রিংগুলির কিছু পরীক্ষা করেছিলেন যা কম তাপমাত্রায় ব্যর্থতার সম্ভাবনা নির্দেশ করে।

তবে সীমিত সংখ্যক মিশনের তথ্যগুলি তাপমাত্রা এবং ব্যর্থতার মধ্যে কিছু সম্পর্ক দেখিয়েছিল কিন্তু অতিরিক্ত কাজকর্মকে একাধিক ও-রিং ব্যর্থতা ঘটবে না বলে ভাবাতে নেতৃত্বকে পরিচালিত করার কারণে তারা নাসাকে প্রবর্তনের জন্য চাপ দেয়।

অবশ্যই আরও অনেক কারণ ছিল যা সিদ্ধান্ত নিয়েছিল। মনে রাখবেন রাষ্ট্রপতি রেগান কীভাবে একজন শিক্ষককে মহাশূন্যে রাখার জন্য এতটা উদ্বিগ্ন ছিলেন যাতে দেখাতে পারে যে এটি এখন যথেষ্ট নিরাপদ যে সাধারণ মানুষ যারা নভোচারী ছিলেন না তারা নিরাপদে শাটলে ভ্রমণ করতে পারেন । সুতরাং সিদ্ধান্তকে প্রভাবিত করার জন্য রাজনৈতিক চাপ ছিল আরও একটি বড় কারণ। এক্ষেত্রে পর্যাপ্ত ডেটা এবং মাল্টিভারিয়েট মডেল সহ ঝুঁকিটি আরও ভালভাবে প্রদর্শিত হতে পারে। সতর্কতার দিক থেকে ভুল করার চেষ্টা করতে নাসা ব্যবহার করুন। এক্ষেত্রে ফ্লোরিডায় আবহাওয়া উষ্ণ হওয়ার আগ পর্যন্ত কয়েকদিনের জন্য লঞ্চটি বন্ধ করে দেওয়া বুদ্ধিমানের কাজ হত।

দুর্যোগ পরবর্তী কমিশন, ইঞ্জিনিয়ার, বিজ্ঞানী এবং পরিসংখ্যানবিদরা বিশ্লেষণের একটি দুর্দান্ত কাজ করেছিলেন এবং কাগজপত্র প্রকাশিত হয়েছিল। তাদের মতামত আমার থেকে পৃথক হতে পারে। এডওয়ার্ড টুফ্ট গ্রাফিক্স সম্পর্কিত তাঁর একটি সিরিজের বইতে দেখিয়েছিলেন যে ভাল গ্রাফিকগুলি আরও দৃ conv়প্রত্যয়ী হতে পারে। তবে শেষ পর্যন্ত যদিও এই বিশ্লেষণগুলির সকলেরই যোগ্যতা রয়েছে বলে আমি মনে করি রাজনীতিটি এখনও জিততে পারত।

এই গল্পগুলির নৈতিকতা এই নয় যে এই বিপর্যয়গুলি বহুবিধ পদ্ধতি ব্যবহারের জন্য অনুপ্রেরণা জাগিয়ে তোলে, বরং নির্ভরতা অবলম্বন করে এমন দুর্বল বিশ্লেষণ কখনও কখনও ঝুঁকির একদম নিখুঁত অবস্থার দিকে পরিচালিত করে। এটি অত্যধিক আত্মবিশ্বাসের দিকে পরিচালিত করতে পারে যা বিপজ্জনক হতে পারে। যেহেতু জুইমবারলি এই থ্রেডটিতে প্রথম মন্তব্যে ইঙ্গিত করেছেন "পৃথক ইউনিভারিট মডেল পারস্পরিক সম্পর্ককে উপেক্ষা করেন।"

Comments

আপনার দুর্দান্ত উদাহরণের জন্য ধন্যবাদ, @ মিশেল চেরনিক। স্বাধীনতার অনুমান উদ্বেগের বিষয়, আমি বুঝতে পেরেছি। ফলাফলগুলির মধ্যে আন্তঃসম্পর্ক এবং একই সাথে তাদের মডেল করার প্রয়োজনীয়তার বিষয়ে আমি আরও অনুসন্ধানী।

— কার্তিকস

আসুন আমরা চ্যালেঞ্জার শাটল বিপর্যয়ের উদাহরণটি গ্রহণ করি। এখানে অবিচ্ছিন্ন ফলাফল বাইনারি - স্পেস শাটলটি চালু করা নিরাপদ হোক বা না হোক। সুরক্ষা পূর্বাভাস, ট্র্যাজেক্টোরির বিচ্যুতিগুলি পরিমাপ করা এবং শাটলের অভ্যন্তরীণ চাপের পূর্বাভাস দেওয়ার মতো অনেক কিছুই করার চেষ্টা করা মডেলটি বিবেচনা করুন। একটি পদ্ধতির মধ্যে তাদের প্রত্যেকের জন্য পৃথক মডেল তৈরি করা হতে পারে এবং অন্যটি সর্বজনীন মডেলের জন্য বিবেচনা করা যেতে পারে যা কেবল ইনপুটগুলির প্রভাব (টেম্পেচারেশন, আর্দ্রতা ইত্যাদি) ক্যাপচার করার চেষ্টা করে না, পাশাপাশি যুগপত পরীক্ষা করে cks ফলাফলের উপর প্রভাব।

— কার্তিকস

ধন্যবাদ @ মিশেল চের্নিক আমি আপনার যুক্তিগুলি পুরোপুরি বুঝতে পেরেছি কিনা তা নিশ্চিত নই। আমি বুঝতে পারি যে আমাদের মধ্যে অনেকগুলি একক ইনপুট এবং একাধিক ইনপুট ভেরিয়েবল (যেখানে একাধিক ইনপুটগুলির একসাথে প্রভাবগুলি এক্ষেত্রে পরীক্ষা করা হয়) সহ সাধারণ লিনিয়ার রিগ্রেশনের জন্য অবিচ্ছিন্ন এবং মাল্টিভারিয়েট রিগ্রেশন ব্যবহার করি। তবে আমি এই প্রশ্নটি একটি ফলাফল (অদ্বিতীয়) বা একাধিক ফলাফল (মাল্টিভারিয়েট) সহ মডেলদের জন্য তৈরি করেছি। যদি চ্যালেঞ্জার কেসটি কোনও ফলশ্রুতিতে ফলাফল ব্যবহারের ক্ষেত্রে ইঙ্গিত দেয় না, আপনি কি কোনও বৈধ ক্ষেত্রে ইঙ্গিত করতে পারেন। আলোচনা চালিয়ে যাওয়ার জন্য আপনাকে ধন্যবাদ।

— কার্তিকস

আমি অবাক হয়েছি যে আপনি এই প্রশ্নে অনুগ্রহ করেছেন। উদ্বোধনগুলি প্রায়শই করা হয় যখন এটির কোনও মন্তব্য পাওয়া যায় নি এবং যদি এর উত্তর রয়েছে তবে তারা প্রশ্নের গুরুত্বপূর্ণ দিকটি আবরণ করে না। । এই থ্রেড তিন ভাল উত্তর এবং মন্তব্য (খুব থেকে jwimberley প্রথম এক মত সত্যিই ভাল বেশী টন করেছে

— মাইকেল আর Chernick

আপনি আর কি চান তা আমি নিশ্চিত নই। প্রশ্নটি খুব বিস্তৃত এবং প্রযুক্তিগত দিক থেকে আলোচনার চেয়ে বেশি বলে মনে হচ্ছে। এটি প্রায় আমার কাছে দেখে মনে হচ্ছে আপনি জটিল পরিস্থিতিতে একা অবিচ্ছিন্ন বিশ্লেষণটি ঠিক বলে দেওয়ার চেষ্টা করছেন। আমি অনুগ্রহের জন্য চেষ্টা করতে যাচ্ছি না এবং পরের সাত দিনের মধ্যে কেউ এটির জন্য চেষ্টা করে এবং এটি যদি তারা করে তবে আপনি এটি গ্রহণ করবেন তা দেখতে আকর্ষণীয় হবে। চ্যালেঞ্জার বিপর্যয়কে একটি অচিরাচরিত ফলাফল হিসাবে দেখা যেতে পারে তবে আমি মনে করি না যে কোনও কল্পনা দ্বারা সম্পূর্ণরূপে অবিচ্ছিন্ন পদ্ধতি দ্বারা জবাব দেওয়া যেতে পারে।

— মাইকেল আর চেরনিক

Answer 3

পি থেকে এই উদ্ধৃতি বিবেচনা করুন। ডারসি ওলসেনের রাইট টু ট্রাই [৩] বইয়ের 36 টি :

কিন্তু [ইটপ্লেয়ারসেন] আক্রমণের সূত্রপাতের প্রায় ষোল সপ্তাহ পরে, জেন [তার পুত্র] ম্যাক্সে পরিবর্তনগুলি লক্ষ্য করা শুরু করেছিলেন। "শিশুটি তার হুইলচেয়ারটি ব্যবহার করতে চায় না," সে বলে। কয়েক সপ্তাহ পরে, তিনি বাইরে খেলতে বলছিলেন - এমন কিছু যা তিনি বছরের পর বছর করেন নি। তারপরে ম্যাক্স তার সূক্ষ্ম মোটর দক্ষতা ফিরে পেতে শুরু করে। তিনি আবার পাত্রে খুলতে সক্ষম হয়েছিলেন - তার [ডুচেন পেশীবহুল ডিসস্ট্রফি] অগ্রগতির সাথে সাথে তিনি হারিয়েছিলেন এমন একটি দক্ষতা।

ম্যাক্সের মা জেন তার উন্নতির একটি সুসংগত চিত্র নির্মাণ করছেন , একাধিক ফলাফল থেকে একসাথে প্রমাণ এঁকে দিয়েছিলেন যে স্বতন্ত্রভাবে 'গোলমাল' হিসাবে খারিজ করা যেতে পারে, তবে এটি একসাথে বেশ জোরালো। (এই প্রমাণ সংশ্লেষণ নীতিটি শিশুরোগ বিশেষজ্ঞরা একটি নিয়ম হিসাবে পিতামাতার স্বভাবগত সূত্রগুলিকে কখনই অস্বীকার করবেন না যে "" আমার সন্তানের সাথে কিছু ভুল আছে "Parents পিতামাতারা তাদের 'বাচ্চাদের বহুবর্ষীয় দ্রাঘিমাংশ বিশ্লেষণ' অ্যাক্সেস 'অলিগোভারিয়েট' এর চেয়ে বেশি সমৃদ্ধ করেন একক, সংক্ষিপ্ত ক্লিনিকাল এনকাউন্টার চলাকালীন কোনও ক্লিনিশিয়ানকে অ্যাক্সেসযোগ্য ক্রস-বিভাগীয় বিশ্লেষণ))

Eteplirsen এর বিশেষ কেস থেকে দূরে সরে গিয়ে একটি অনুমানমূলক পরিস্থিতি বিবেচনা করুন যেখানে অধ্যয়নের বিষয়গুলির একটি সামান্য অংশই একটি পরীক্ষামূলক থেরাপি থেকে উপকৃত হচ্ছিল, আসুন আমরা কিছু অংশীদারিত জেনেটিক ফ্যাক্টরটির কারণে বিজ্ঞানের কাছে জানা নেই বলে আসি। এটি বেশ সম্ভব যে এই কয়েকটি বিষয়ের জন্য জেনের মাল্টিভারিয়েট গল্পের সাথে সম্পর্কিত একটি পরিসংখ্যান যুক্তি তাদের পরিষ্কারভাবে 'প্রতিক্রিয়াশীল' হিসাবে চিহ্নিত করতে পারে, যেখানে পৃথক ফলাফলের মধ্যে থাকা ম্লান সংকেতগুলির একাধিক পৃথক বিশ্লেষণগুলি প্রতিটি ফল 'নাল' চালায় সংক্ষিপ্ত উপসংহার$p>0.05$

এই জাতীয় প্রমাণ সংশ্লেষ অর্জন ক্লিনিকাল ট্রায়ালগুলিতে বহুবিধ ফলাফল বিশ্লেষণের মূল যুক্তি। চিকিত্সা গবেষণার পরিসংখ্যানগত পদ্ধতিগুলির কয়েক বছর আগে একটি বিশেষ সমস্যা ছিল [২] বহুবিধ ফলাফলের 'জয়েন্ট মডেলিং' এর প্রতি উত্সর্গীকৃত।

1. ওলসেন, ডারসি চেষ্টা করার অধিকার: ফেডারেল সরকার আমেরিকানদের তাদের প্রয়োজনীয় জীবন -রক্ষামূলক চিকিত্সা করা থেকে কীভাবে বাধা দেয়। প্রথম সংস্করণ. নিউ ইয়র্ক, এনওয়াই: হার্পার, হার্পারকোলিনস পাবলিশার্স, 2015 এর একটি ছাপ।
2. রিজোপ্লোস, ডিমিট্রিস এবং ইমানুয়েল লেসফ্রে। "যৌথ মডেলিং কৌশলগুলিতে বিশেষ ইস্যুর পরিচিতি।" মেডিকেল গবেষণার পরিসংখ্যান পদ্ধতি 23, নং। 1 (ফেব্রুয়ারি 1, 2014): 3-10 ডোই: 10.1177 / 0962280212445800।

Answer 4

আসুন একটি সাধারণ উপমা তৈরি করুন, যেহেতু আমি সত্যই অবদান রাখার চেষ্টা করতে পারি। অবিচ্ছিন্ন বনাম মাল্টিভারিয়েট রিগ্রেশন পরিবর্তে, ইউনিভারিটি (প্রান্তিক) বনাম মাল্টিভারিয়েট (যৌথ) বিতরণ বিবেচনা করুন। বলুন আমার কাছে নিম্নলিখিত ডেটা রয়েছে এবং আমি "আউটলিয়ার" খুঁজে পেতে চাই। প্রথম পদ্ধতির হিসাবে, আমি দুটি প্রান্তিক ("অবিবাহিত") বিতরণ ব্যবহার করতে পারি এবং প্রতিটি স্বতন্ত্রের নীচে 2.5% এবং উপরের 2.5%-তে লাইন আঁকতে পারি। ফলস্বরূপ লাইনের বাইরে পড়া পয়েন্টগুলি বিদেশী হিসাবে বিবেচিত হয়।

তবে দুটি জিনিস: ১) আমরা একটি অক্ষরের জন্য লাইনগুলির বাইরে অন্য অক্ষের জন্য লাইনগুলির বাইরে থাকা পয়েন্টগুলি সম্পর্কে কী ভাবি? তারা কি "আংশিক আউটলিয়ার" বা কিছু? এবং 2) ফলস্বরূপ বক্সটি দেখে মনে হচ্ছে না এটি সত্যই আমরা যা করতে চাই তা করছে। কারণটি হ'ল দুটি ভেরিয়েবল পারস্পরিক সম্পর্কযুক্ত এবং আমরা স্বজ্ঞাতভাবে যা চাই তা হ'ল সংযোজনে ভেরিয়েবলগুলি বিবেচনা করে অস্বাভাবিক এমন outliers সন্ধান করা।

এই ক্ষেত্রে, আমরা যৌথ বন্টনটি দেখি এবং আমি কেন্দ্রগুলি থেকে তাদের মহালানোবিসের দূরত্ব উপরের 5% এর মধ্যে কিনা তা দিয়ে রঙিন কোড দিয়েছি। কালো বিন্দুগুলি অনেক বেশি আউটলিরের মতো দেখায়, যদিও কিছু আউটলিয়ার সবুজ লাইনের উভয় সেট এবং কিছু অ-বহিরাগত (লাল) সবুজ লাইনের উভয় সেটের বাইরে থাকে ।

উভয় ক্ষেত্রেই, আমরা 5% এর বিপরীতে 95% সীমাবদ্ধ করছি, তবে দ্বিতীয় কৌশলটি যৌথ বন্টনের জন্য দায়বদ্ধ। আমি বিশ্বাস করি যে মাল্টিভারিয়েট রিগ্রেশন এটি এর মতো, যেখানে আপনি "বিতরণ" এর জন্য "রিগ্রেশন" প্রতিস্থাপন করেন। আমি সম্পূর্ণরূপে এটি পাই না, এবং নিজেই মাল্টিভারিয়েট রিগ্রেশন করার কোনও প্রয়োজন নেই (যা আমি বুঝতে পেরেছি), তবে এটি সম্পর্কে আমি এইভাবে চিন্তা করি।

[সাদৃশ্যটির বিষয়গুলি রয়েছে: মহালানোবিসের দূরত্বটি একটি সংখ্যায় দুটি ভেরিয়েবল হ্রাস করে - একটি অবিবাহিত নিবন্ধন যেভাবে স্বাধীন ভেরিয়েবলগুলির একটি সেট নেয় এবং সঠিক কৌশলগুলির সাথে, স্বাধীন ভেরিয়েবলগুলির মধ্যে সমবায় গ্রহণ করতে পারে এবং ফলাফলগুলি তার মতো কিছু like একক নির্ভরশীল ভেরিয়েবলে - যখন একাধিক নির্ভরশীল ভেরিয়েবলের জন্য একটি মাল্টিভারিয়েট রিগ্রেশন ফলাফল করে। সুতরাং এটি পিছনের দিকের সাজান, তবে আশা করি সামনের দিকে কিছুটা অন্তর্দৃষ্টি দেওয়ার পক্ষে যথেষ্ট]]

Comments

আমি এই পছন্দ। আমি বহিরাগতদের উপবৃত্তাকারীদের সংজ্ঞায়িত করতে ব্যবহার করব। আমি আপনার চিত্রটি দেখতে পাই যে বিন্দুটি x বা y দিকের মধ্য থেকে অনেক দূরে হতে পারে তবে এখনও একটি উপবৃত্তের মধ্যে থাকতে পারে যা রিগ্রেশন রেখা থেকে খুব বেশি দূরে নয়।

— মাইকেল আর চেরনিক

Answer 5

1) প্রকৃতি সবসময় সহজ নয়। প্রকৃতপক্ষে, আমরা অধ্যয়নরত বেশিরভাগ ঘটনা (ফলাফল) একাধিক ভেরিয়েবল এবং জটিল পদ্ধতিতে নির্ভর করে। একবারে একটি পরিবর্তনশীল উপর ভিত্তি করে একটি অনমনীয় মডেল সম্ভবত উচ্চতর পক্ষপাত হবে।

2) ইউনিফেরিয়েট মডেলগুলি সংজ্ঞা অনুসারে আপনি তৈরি করতে পারেন এমন সহজতম মডেল। আপনি যদি প্রথমবারের মতো কোনও সমস্যাটি তদন্ত করছেন এবং আপনি এর একক, অতি প্রয়োজনীয় বৈশিষ্ট্যটি বুঝতে চান তবে এটি ঠিক আছে। তবে আপনি যদি এটির গভীরতর বোঝাপড়া চান, এমন একটি বোধগম্যতা যা আপনি আসলে যা করতে পারেন তা আপনি বিশ্বাস করতে পারেন তবে আপনি বহুবিশ্বেষ বিশ্লেষণগুলি ব্যবহার করবেন। এবং মাল্টিভারিয়েটগুলিগুলির মধ্যে, আপনার যদি মডেলের যথার্থতার বিষয়ে যত্নশীল হয় তবে পারস্পরিক সম্পর্কের ধরণগুলি বোঝে এমনগুলি পছন্দ করা উচিত।

3) দুঃখিত এটি পড়ার সময় নেই।

৪) মাল্টিভাইয়ারেট কৌশল ব্যবহার করে কাগজগুলি আজকাল খুব সাধারণ - কিছু ক্ষেত্রে এটি অত্যন্ত সাধারণ। সিআরএন পরীক্ষায় লার্জ হ্যাড্রন কলাইডার ডেটা ব্যবহার করে (কণা পদার্থবিজ্ঞানের উদাহরণ নিতে) প্রতিবছর প্রকাশিত অর্ধ শতাধিক কাগজপত্র একরকম বা অন্য উপায়ে বহুবিধ কৌশল ব্যবহার করে

https://inspirehep.net/search?ln=en&ln=en&p=find+cn+cms+&of=hb&action_search=Search&sf=earliestdate&so=d&rm=&rg=25&sc=0

Comments

আমার মনে হয় আপনি বলতে চাইছেন, ইউনিভারিটিয়েট মডেল হ'ল একমাত্র ইনপুট এবং একাধিক ইনপুট সহ মাল্টিভারিয়েট মডেল। আমার প্রশ্ন ছিল একাধিক ফলাফল সম্পর্কে একই সাথে একটি মডেলটিতে বিশ্লেষণ করা।

— কার্তিক এস

আপনি বহু / একক প্রতিরোধের সাথে মাল্টিভারিয়েট / অবিভাজনযুক্ত রিগ্রেশন মিশ্রিত করেছেন।

— ফায়ারবাগ

Answer 6

আমার উত্তরটি নির্ভর করে আপনি কী করতে চান তার উপর নির্ভর করে। আপনি যদি বিভিন্ন সহগের প্রভাবের তুলনা করার চেষ্টা করছেন, তবে রিগ্রেশন আপনার পক্ষে সঠিক সরঞ্জাম নাও হতে পারে। আপনি যদি প্রমাণ করেছেন যে আলাদা আলাদা সহগ ব্যবহার করে ভবিষ্যদ্বাণী করার চেষ্টা করছেন আপনি স্বতন্ত্র, তবে সম্ভবত একাধিক রিগ্রেশন আপনার ব্যবহার করা উচিত।

কারণগুলি কি পারস্পরিক সম্পর্কযুক্ত? যদি তা হয় তবে একটি মাল্টিভারিয়েট রিগ্রেশন আপনাকে একটি খারাপ মডেল দিতে পারে এবং ক্রস-পারস্পরিক সম্পর্কগুলি ছাঁটাতে আপনার ভিআইএফ বা রিজ রিগ্রেশন জাতীয় পদ্ধতি ব্যবহার করা উচিত। ক্রস-সম্পর্কিত সম্পর্কযুক্ত উপাদানগুলি অপসারণ না হওয়া অবধি আপনার সহগের তুলনা করা উচিত নয়। এটি করা বিপর্যয়ের দিকে নিয়ে যাবে। সেগুলি যদি আন্তঃসম্পর্কিত না হয় তবে মাল্টিভারিয়েট সহগগুলি অবিবাহিত সহগগুলির তুলনায় তুলনীয় হওয়া উচিত এবং এটি অবাক হওয়ার মতো কিছু নয়।

ফলাফলটি আপনি যে সফটওয়্যার প্যাকেজটি ব্যবহার করছেন তার উপরও নির্ভর করে। আমি মজা করতেছি না. বিভিন্ন সফ্টওয়্যার প্যাকেজের মাল্টিভারিয়েট রিগ্রেশন গণনা করার জন্য বিভিন্ন পদ্ধতি রয়েছে। (আমাকে বিশ্বাস করবেন না? স্ট্যান্ডার্ড আর রিগ্রেশন প্যাকেজটি কীভাবে আরসপেট হিসাবে উত্সটিকে জোর করে ছাড়াই আর ² গণনা করে তা দেখুন Your আপনার চোয়ালটি মেঝেতে আঘাত করা উচিত)) আপনাকে বুঝতে হবে সফ্টওয়্যার প্যাকেজটি কীভাবে রিগ্রেশনটি সম্পাদন করছে। ক্রস-পারস্পরিক সম্পর্কের জন্য এটি কীভাবে ক্ষতিপূরণ দিচ্ছে? এটি কি অনুক্রমিক বা ম্যাট্রিক্স সমাধান সম্পাদন করছে? অতীতেও এ নিয়ে আমার হতাশা ছিল। আমি বিভিন্ন সফ্টওয়্যার প্যাকেজগুলিতে আপনার একাধিক রিগ্রেশন সম্পাদন করার পরামর্শ দিচ্ছি এবং আপনি কী পান তা দেখুন।

এখানে আরও একটি ভাল উদাহরণ:

নোট করুন যে এই সমীকরণে, রিগ্রেশন কোফিয়েনটিস (বা বি সহগ) নির্ভরশীল ভেরিয়েবলের পূর্বাভাসের জন্য প্রতিটি স্বতন্ত্র ভেরিয়েবলের স্বতন্ত্র অবদানকে উপস্থাপন করে। এই সত্যটি প্রকাশের আর একটি উপায় বলা যায় যে উদাহরণস্বরূপ, ভেরিয়েবল এক্স 1 অন্যান্য সমস্ত স্বতন্ত্র ভেরিয়েবলের জন্য নিয়ন্ত্রণের পরে, ওয়াই ভেরিয়েবলের সাথে সম্পর্কিত হয়। এই ধরণের পারস্পরিক সম্পর্ককে আংশিক সহযোগিতা হিসাবেও চিহ্নিত করা হয় (এই শব্দটি প্রথম ইউলে, 1907 ব্যবহার করেছিলেন)। সম্ভবত নিম্নলিখিত উদাহরণটি এই বিষয়টি স্পষ্ট করবে। আপনি সম্ভবত জনসংখ্যার চুলের দৈর্ঘ্য এবং উচ্চতার মধ্যে একটি উল্লেখযোগ্য নেতিবাচক সম্পর্ক খুঁজে পাবেন (অর্থাত্ স্বল্প লোকের চুল বেশি থাকে)। প্রথমে এটি অদ্ভুত বলে মনে হতে পারে; তবে, আমরা যদি একাধিক রিগ্রেশন সমীকরণে ভেরিয়েবল জেন্ডার যুক্ত করি তবে এই পারস্পরিক সম্পর্ক সম্ভবত অদৃশ্য হয়ে যাবে। এর কারণ, মহিলারা গড়ে পুরুষদের চেয়ে লম্বা চুল রাখেন; তারাও পুরুষদের তুলনায় গড়ে খাটো হয়। সুতরাং, সমীকরণে জেন্ডার প্রবেশের মাধ্যমে আমরা এই লিঙ্গ পার্থক্যটি সরিয়ে দেওয়ার পরে, চুলের দৈর্ঘ্য এবং উচ্চতার মধ্যে সম্পর্ক অদৃশ্য হয়ে যায় কারণ চুলের দৈর্ঘ্য উচ্চতার পূর্বাভাসে কোনও অনন্য অবদান রাখে না, উপরে এবং তার পরিবর্তে এটি ভেরিয়েবল জেন্ডারের সাথে পূর্বাভাসে ভাগ করে দেয় । ভেরিয়েবল জেন্ডার নিয়ন্ত্রণের পরে আর একটি উপায় রাখুন, চুলের দৈর্ঘ্য এবং উচ্চতার মধ্যে আংশিক সম্পর্ক শূন্য। চুলের দৈর্ঘ্য এবং উচ্চতার মধ্যে সম্পর্ক অদৃশ্য হয়ে যায় কারণ চুলের দৈর্ঘ্য উচ্চতার পূর্বাভাসে কোনও অনন্য অবদান রাখে না, তার ওপরে এবং ভেরিয়েবল জেন্ডারের সাথে পূর্বাভাসে যা ভাগ করে দেয় তার বাইরেও। ভেরিয়েবল জেন্ডার নিয়ন্ত্রণের পরে আর একটি উপায় রাখুন, চুলের দৈর্ঘ্য এবং উচ্চতার মধ্যে আংশিক সম্পর্ক শূন্য। চুলের দৈর্ঘ্য এবং উচ্চতার মধ্যে সম্পর্ক অদৃশ্য হয়ে যায় কারণ চুলের দৈর্ঘ্য উচ্চতার পূর্বাভাসে কোনও অনন্য অবদান রাখে না, তার ওপরে এবং ভেরিয়েবল জেন্ডারের সাথে পূর্বাভাসে যা ভাগ করে দেয় তার বাইরেও। ভেরিয়েবল জেন্ডার নিয়ন্ত্রণের পরে আর একটি উপায় রাখুন, চুলের দৈর্ঘ্য এবং উচ্চতার মধ্যে আংশিক সম্পর্ক শূন্য। http://www.statsoft.com/Textbook/Multiple-Regression

একাধিক রিগ্রেশন ব্যবহার করে এমন অনেকগুলি সমস্যা রয়েছে যা আমি এটি ব্যবহার এড়াতে চেষ্টা করি। আপনি যদি এটি ব্যবহার করতে চান তবে ফলাফলগুলি সম্পর্কে খুব সতর্কতা অবলম্বন করুন এবং সেগুলি দুটিবার পরীক্ষা করুন। সম্পর্কটি যাচাই করার জন্য আপনার সর্বদা ডেটা চাক্ষুষভাবে চক্রান্ত করা উচিত। (জাস্ট কারণ আপনার সফ্টওয়্যার প্রোগ্রাম বলেন পারস্পরিক সম্পর্ক ছিল না মানে এক নয়। জবর সম্পর্কযুক্তরূপে ) সর্বদা সাধারণ জ্ঞান বিরুদ্ধে আপনার ফলাফল চেক করুন। যদি কোনও ফ্যাক্টর অবিচ্ছিন্ন রিগ্রেশনে দৃ corre় সম্পর্ক স্থাপন করে তবে মাল্টিভারিয়েটে কোনও কিছুই না, তবে ফলাফলগুলি ভাগ করার আগে আপনাকে বুঝতে হবে (উপরের লিঙ্গ উপাদানটি একটি ভাল উদাহরণ)।

Comments

" স্ট্যান্ডার্ড আর রিগ্রেশন প্যাকেজটি কীভাবে আরসপেট হিসাবে উত্সটিকে জোর করে ছাড়াই আর 2 গণনা করে তা পরীক্ষা করে দেখুন " "যদিও এটি প্রত্যাশা করে না তাদের পক্ষে এটি বিভ্রান্তিকর, যদিও সেই পরিস্থিতিতে আর কী করে তা স্ট্যান্ডার্ড পদ্ধতির যা আক্ষরিক অর্থে প্রতিটি পরিসংখ্যান সফ্টওয়্যারটিতে প্রয়োগ করা হয় আমি এই পরীক্ষা করেছি যেখানে প্যাকেজ।

— জেক ওয়েস্টফল

মজাদার. আমি বিশ্লেষকদের কাছ থেকে প্রকাশিত কাগজপত্রগুলি দেখেছি যা এই পার্থক্যটি বুঝতে পারে নি। আপনি কি এই বিষয়ে অনলাইনে ভাল আলোচনা দেখেছেন? আমি কি এটিতে সিভিতে নতুন প্রশ্ন জমা দেব?

— ম্যাডডেঙ্কার

stats.stackexchange.com/questions/267325/… stats.stackexchange.com/questions/26176/… stats.stackexchange.com/questions/102709/… stats.stackexchange.com/questions/7948/…

— জ্যাক ওয়েস্টফল