লিনিয়ার রিগ্রেশন প্রিডেক্টর যুক্ত করা আর স্কোয়ার হ্রাস করে

Question

আমার ডেটাসেটের ( ) একটি নির্ভরশীল ভেরিয়েবল (ডিভি), পাঁচটি স্বতন্ত্র "বেসলাইন" ভেরিয়েবল (পি 1, পি 2, পি 3, পি 4, পি 5) এবং আগ্রহের একটি পৃথক পরিবর্তন (Q) রয়েছে।$N \approx 10,000$

আমি নিম্নলিখিত দুটি মডেলের জন্য ওএলএস লিনিয়ার রিগ্রেশনগুলি চালিয়েছি:

DV ~ 1 + P1 + P2 + P3 + P4 + P5
                                  -> R-squared = 0.125

DV ~ 1 + P1 + P2 + P3 + P4 + P5 + Q
                                  -> R-squared = 0.124

অর্থাৎ, ভবিষ্যদ্বাণীকারী কিউ যুক্ত করে রৈখিক মডেলটিতে ব্যাখ্যা করা বৈকল্পিক পরিমাণ হ্রাস পেয়েছে। যতদূর আমি বুঝতে পারি, এটি হওয়া উচিত নয় ।

স্পষ্ট করা করার জন্য, এই আর-স্কোয়ারড মান এবং হয় না স্থায়ী আর-স্কোয়ারড মান।

আমি ব্যবহার আর-স্কোয়ারড মান যাচাই করেছেন Jasp এবং পাইথন এর statsmodels ।

আমি এই ঘটনাটি দেখতে পাবার কি কোনও কারণ আছে? ওএলএস পদ্ধতি সম্পর্কিত সম্ভবত কিছু?

Comments

সংখ্যাগত সমস্যা? সংখ্যাগুলি একে অপরের খুব কাছাকাছি ...

@ ব্যবহারকারী2137591 এই আমি যা ভাবছি তা তবে এটি কীভাবে যাচাই করা যায় তা সম্পর্কে আমার কোনও ধারণা নেই। আর-বর্গক্ষেত্রের মানগুলির মধ্যে পার্থক্যটি 0.000513569, যা ছোট, তবে এটি ছোট নয়।

— কাই

আমি আশা করি আপনি লিনিয়ার বীজগণিত জানেন: যদি $\mathbf{X}$ উপরের ডিজাইন ম্যাট্রিক্স, আপনি দয়া করে গণনা করতে পারেন? $\det\mathbf{X}^{T}\mathbf{X}$, যেখানে ম্যাট্রিক্স ট্রান্সপোজ এবং ম্যাট্রিক্স নির্ধারক? $T$$\det$

— Clarinetist

অনুপস্থিত মানগুলি অটো-বাদ দেওয়া হবে?

— জেনেরিক_উজার

0.000513569 একটি খুব ছোট সংখ্যা: এটি 0.41 শতাংশ পরিবর্তন। এটি খুব সম্ভবত একটি সংখ্যাগত সমস্যা। কি Clarinetist বলার চেষ্টা করা হয় যে, আপনার নকশা ম্যাট্রিক্স একটি দরিদ্র শর্ত নম্বর আছে হয়তো নেই এবং যখন ইনভার্টারিং এটা সংখ্যাসূচকভাবে অস্থিতিশীল হচ্ছে ...

Answer 1

এটি কি এমন হতে পারে যে আপনি Qযে মানগুলি হারিয়েছেন সেগুলি স্বয়ংক্রিয়ভাবে বাদ পড়েছে? দুটি নমুনা তুলনীয় নয়, এই নমুনাতে জড়িত থাকতে চাই।