আমি মনে করি যে এই সমস্যাটি আগে এই সাইটে মোটামুটি পুঙ্খানুপুঙ্খভাবে আলোচনা করা হয়েছে, আপনি যদি সন্ধান করতে চান তবে সেক্ষেত্রে। সুতরাং আমি সম্ভবত পরে অন্যান্য প্রশ্নের কয়েকটি লিঙ্কের সাথে একটি মন্তব্য যুক্ত করব, বা আমি যদি কিছু না পাই তবে একটি পূর্ণাঙ্গ ব্যাখ্যা দেওয়ার জন্য এটি সম্পাদনা করতে পারি।
দুটি মৌলিক সম্ভাবনা রয়েছে: প্রথমত, অন্যান্য চতুর্থটি কিছু অবশিষ্টাংশের পরিবর্তনশীলতা শোষণ করতে পারে এবং এভাবে প্রাথমিক IV এর পরিসংখ্যান পরীক্ষার শক্তি বৃদ্ধি করতে পারে। দ্বিতীয় সম্ভাবনাটি হ'ল আপনার একটি দমনকারী পরিবর্তনশীল। এটি একটি খুব পাল্টা স্বজ্ঞাত বিষয়, তবে আপনি এখানে *, এখানে বা এই দুর্দান্ত সিভি থ্রেডের কিছু তথ্য পেতে পারেন ।
* নোট করুন যে সপ্রেসার ভেরিয়েবলগুলি ব্যাখ্যা করে এমন অংশটি পেতে আপনাকে নীচে থেকে পুরো পথটি পড়তে হবে, আপনি কেবল সেখানে যেতে পারেন, তবে পুরো জিনিসটি পড়ে আপনাকে সেরা পরিবেশন করা হবে।
সম্পাদনা: প্রতিশ্রুতি অনুসারে, আমি অন্যান্য আইভি কীভাবে কিছু অবশিষ্টাংশের পরিবর্তনশীলতা শোষণ করতে পারি এবং এভাবে প্রাথমিক IV এর পরিসংখ্যানের পরীক্ষার শক্তি বৃদ্ধি করতে পারে সে সম্পর্কে আমার বক্তব্যের পূর্ণাঙ্গ ব্যাখ্যা যোগ করছি। @ হুবার একটি চিত্তাকর্ষক উদাহরণ যোগ করেছেন, তবে আমি ভেবেছিলাম যে আমি একটি প্রশংসামূলক উদাহরণ যুক্ত করতে পারি যা এই ঘটনাটিকে আলাদাভাবে ব্যাখ্যা করে, যা কিছু লোককে ঘটনাটিকে আরও স্পষ্টভাবে বুঝতে সহায়তা করে। তদতিরিক্ত, আমি দেখিয়েছি যে দ্বিতীয় চতুর্থটি আরও দৃ strongly়তার সাথে যুক্ত হতে হবে না (যদিও বাস্তবে এটি প্রায়শই এই ঘটনাটি ঘটবে) for
রিগ্রেশন মডেলের কোভেরিয়্যটগুলি প্যারামিটারের প্রাক্কলনটিকে তার স্ট্যান্ডার্ড ত্রুটি দ্বারা ভাগ করে টেস্টেটের মাধ্যমে পরীক্ষা করা যেতে পারে, বা স্কোমের যোগফলগুলি বিভাজন করে তাদের স্টেটস দিয়ে পরীক্ষা করা যেতে পারে । যখন তৃতীয় এসএস টাইপ ব্যবহৃত হয়, এই দুটি পরীক্ষার পদ্ধতি সমতুল্য হবে (এসএস এবং সম্পর্কিত পরীক্ষার ধরণের বিষয়ে আরও জানতে, আমার উত্তরটি এখানে পড়তে সহায়তা করতে পারে: টাইপ আই এসএসকে কীভাবে ব্যাখ্যা করবেন )। যারা কেবল রিগ্রেশন পদ্ধতি সম্পর্কে শিখতে শুরু করেছেন তাদের জন্য, টেস্টগুলি প্রায়শই ফোকাস হয় কারণ এগুলি লোকেদের বোঝা সহজ বলে মনে হয়। যাইহোক, এটি এমন একটি ক্ষেত্রে যেখানে আমি মনে করি আনোভা টেবিলটি তাকানো আরও সহায়ক। আসুন একটি সাধারণ রিগ্রেশন মডেলের জন্য বেসিক আনোভা টেবিলটি স্মরণ করিয়ে দিন: F ttFt
Sourcex1ResidualTotalSS∑(y^i−y¯)2∑(yi−y^i)2∑(yi−y¯)2df1N−(1+1)N−1MSSSx1dfx1SSresdfresFMSx1MSres
এখানে গড় হল , পর্যবেক্ষিত মান ইউনিট (যেমন, রোগীর) জন্য , ইউনিট জন্য মডেলের পূর্বাভাস মান , আর গবেষণায় ইউনিট মোট সংখ্যা। আপনার যদি দুটি অরথোগোনাল কোভারিয়েট সহ একাধিক রিগ্রেশন মডেল থাকে তবে আনোভা টেবিলটি এভাবে নির্মিত হতে পারে: y¯yyiyiy^iiN
Sourcex1x2ResidualTotalSS∑(y^x1ix¯2−y¯)2∑(y^x¯1x2i−y¯)2∑(yi−y^i)2∑(yi−y¯)2df11N−(2+1)N−1MSSSx1dfx1SSx2dfx2SSresdfresFMSx1MSresMSx2MSres
এখানে , উদাহরণস্বরূপ, ইউনিট জন্য পূর্বাভাস মান যদি তার পালন মান তার প্রকৃত পর্যবেক্ষিত মান ছিল, কিন্তু তার পালিত মান গড় ছিল । অবশ্যই, এটি সম্ভব যে হ'ল কিছু পর্যবেক্ষণের জন্য এর পর্যবেক্ষণকৃত মান , এই ক্ষেত্রে কোনও সামঞ্জস্য করার দরকার নেই, তবে এটি সাধারণত হবে না। নোট করুন যে আনোভা সারণী তৈরির জন্য এই পদ্ধতিটি কেবলমাত্র যদি বৈকল্পিক সমস্ত ভেরিয়েবল হয়; এটি এক্সপোজিটরি উদ্দেশ্যে তৈরি করা একটি অত্যন্ত সরলীকৃত কেস। y^x1ix¯2ix1x2x2x¯2 x2
যদি আমরা এমন পরিস্থিতিটি বিবেচনা করছি যেখানে এবং এর বাইরে উভয়ই কোনও মডেল ফিট করার জন্য একই ডেটা ব্যবহার করা হয় , তবে পর্যবেক্ষণ করা মান এবং একই হবে। সুতরাং, আনোভা উভয় টেবিলে মোট এসএস অবশ্যই একই হতে হবে। , যদি এবং একে অপরের কাছে orthogonal হয়, তবে উভয় এএনওভা টেবিলগুলিতে অভিন্ন হবে। সুতরাং, এটি কীভাবে আছে যে টেবিলের সাথে এর সাথে যুক্ত থাকতে পারে ? মোট এসএস এবং ? একই হলে তারা কোথা থেকে এসেছিল ? উত্তর যে তারা থেকেই এসেছে । এছাড়াও থেকে নেয়া হয়x2yy¯x1x2SSx1x2SSx1SSresdfx2dfres ।
এখন এর -test হয় দ্বারা বিভক্ত উভয় ক্ষেত্রেই। যেহেতু একই, এই পরীক্ষাটি তাৎপর্য পার্থক্য পরিবর্তন থেকে আসে , যা দুটি উপায়ে পরিবর্তিত হয়েছে কারণ কিছু বরাদ্দ করা হয়েছে এটা তার চেয়ে কম এস এস দিয়ে শুরু কিন্তু এগুলি কয়েকটি ডিএফ দ্বারা বিভক্ত, যেহেতু কিছু ডিগ্রি স্বাধীনতার পাশাপাশি বরাদ্দ করা হয়েছিল । তাৎপর্য / পাওয়ার পরিবর্তন -test (এবং equivalently -test এই ক্ষেত্রে) কিভাবে ঐ দুই পরিবর্তন বন্ধ ট্রেড করার হয়েছে। যদি আরও এসএস দেওয়া হয়Fx1MSx1MSresMSx1MSresx2x2Ftx2, মেক্সিকো সিটি যে দেওয়া হয় আপেক্ষিক , তারপর লাঘব হবে, যার ফলে সঙ্গে যুক্ত বাড়াতে ও আরো উল্লেখযোগ্য পরিণত হয়। x2MSresFx1p
এটি হওয়ার জন্য এর প্রভাব চেয়ে বড় হতে হবে না, তবে যদি তা না হয় তবে ভ্যালুতে স্থানান্তরগুলি বেশ ছোট হবে। অ-তাত্পর্য এবং তাত্পর্যটির মধ্যে এটি স্যুইচিংয়ের একমাত্র উপায় হ'ল যদি ভ্যালুগুলি আলফার উভয় দিকে সামান্য থাকে be এখানে কোডেড একটি উদাহরণ রয়েছে : x2x1ppR
x1 = rep(1:3, times=15)
x2 = rep(1:3, each=15)
cor(x1, x2) # [1] 0
set.seed(11628)
y = 0 + 0.3*x1 + 0.3*x2 + rnorm(45, mean=0, sd=1)
model1 = lm(y~x1)
model12 = lm(y~x1+x2)
anova(model1)
# ...
# Df Sum Sq Mean Sq F value Pr(>F)
# x1 1 5.314 5.3136 3.9568 0.05307 .
# Residuals 43 57.745 1.3429
# ...
anova(model12)
# ...
# Df Sum Sq Mean Sq F value Pr(>F)
# x1 1 5.314 5.3136 4.2471 0.04555 *
# x2 1 5.198 5.1979 4.1546 0.04785 *
# Residuals 42 52.547 1.2511
# ...
আসলে, মোটেও তাৎপর্যপূর্ণ হতে হবে না। বিবেচনা: x2
set.seed(1201)
y = 0 + 0.3*x1 + 0.3*x2 + rnorm(45, mean=0, sd=1)
anova(model1)
# ...
# Df Sum Sq Mean Sq F value Pr(>F)
# x1 1 3.631 3.6310 3.8461 0.05636 .
# ...
anova(model12)
# ...
# Df Sum Sq Mean Sq F value Pr(>F)
# x1 1 3.631 3.6310 4.0740 0.04996 *
# x2 1 3.162 3.1620 3.5478 0.06656 .
# ...
এগুলি নিশ্চিতভাবে @ whuber এর পোস্টে নাটকীয় উদাহরণের মতো কিছুই নয়, তবে তারা এখানে কী ঘটছে তা বুঝতে সহায়তা করতে পারে।