রিগ্রেশন বিশ্লেষণে, আমরা কেন স্বাধীন ভেরিয়েবলগুলিকে "স্বতন্ত্র" বলি?

30

আমি বোঝাতে চাইছি এর কয়েকটি পরিবর্তনশীল একে অপরের মধ্যে দৃ strongly়ভাবে সম্পর্কিত। কীভাবে / কেন / কোন প্রসঙ্গে আমরা এগুলিকে স্বতন্ত্র ভেরিয়েবল হিসাবে সংজ্ঞায়িত করি ?

regression terminology predictor

— অমরপ্রীত সিং
সূত্র

1

এটি historicalতিহাসিক এবং ফরাসী বৈজ্ঞানিক কাজ থেকে এসেছে। আমি রেফারেন্সটি সন্ধান করার চেষ্টা করছি।

— অ্যালেকোস পাপাদোপল্লোস

1

কার্যকারিতা অনুমান করা এড়াতে আমি ভেরিয়েবলগুলির একটি সেটকে "সম্ভাব্য সহ-নির্ভর" বলব ।

— কিড

1

একটি ভাল প্রশ্ন!

— রাফায়েল মারাজুয়েলা 21'18

1

আগ্রহের বিষয়: রিগ্রেশন মডেলগুলিতে বাম-হাত এবং ডানদিকে নামকরণ

— অ্যালেক্সিস

29

যদি আমরা আজকে মেশিন লার্নিংয়ের উপর জোর দেওয়া থেকে বিরত থাকি এবং নিয়ন্ত্রিত পরীক্ষামূলক গবেষণার জন্য পরিসংখ্যানগত বিশ্লেষণের কতটা বিকাশ ঘটে তা স্মরণ করি, "স্বতন্ত্র ভেরিয়েবল" বাক্যাংশটি একটি ভাল ধারণা দেয়।

নিয়ন্ত্রিত পরীক্ষামূলক গবেষণায়, ড্রাগ ও তার ঘনত্বের পছন্দগুলি, বা একর প্রতি সার এবং তার পরিমাণের পছন্দগুলি তদন্তকারী স্বাধীনভাবে তৈরি করে made আগ্রহটি কীভাবে আগ্রহের প্রতিক্রিয়ার পরিবর্তনশীল (যেমন রক্তচাপ, শস্যের ফলন) এই পরীক্ষামূলক কৌশলগুলির উপর নির্ভর করে। আদর্শভাবে, স্বাধীন ভেরিয়েবলের বৈশিষ্ট্যগুলি দৃly়ভাবে নির্দিষ্ট করা হয়, মূলত তাদের মানগুলি জানার ক্ষেত্রে কোনও ত্রুটি নেই। তারপরে স্ট্যান্ডার্ড লিনিয়ার রিগ্রেশন উদাহরণস্বরূপ, নির্ভরশীল ভেরিয়েবলের মানগুলির মধ্যে পার্থক্যকে স্বাধীন ভেরিয়েবলের মান এবং অবশিষ্টাংশের ত্রুটির ক্ষেত্রে মডেল করে।

নিয়ন্ত্রিত পরীক্ষামূলক গবেষণার প্রসঙ্গে রিগ্রেশনের জন্য একই গাণিতিক আনুষ্ঠানিকতাও পরীক্ষামূলকভাবে ব্যবহারযোগ্য হেরফেরের সাথে পর্যবেক্ষণ করা ডেটা সেটগুলির বিশ্লেষণে প্রয়োগ করা যেতে পারে, সুতরাং "স্বতন্ত্র ভেরিয়েবল" শব্দটি এই জাতীয় ধরণের ক্ষেত্রে বহন করেছে এটি অবাক হওয়ার মতো বিষয় নয় not স্টাডিজ। তবে এই পৃষ্ঠার অন্যরা যেমন নোট করেছেন, সম্ভবত এটি একটি দুর্ভাগ্যজনক পছন্দ, এই জাতীয় প্রসঙ্গে "ভবিষ্যদ্বাণীকারী" বা "বৈশিষ্ট্যগুলি" আরও উপযুক্ত with

— EDM
সূত্র

2

তবে ওষুধের মাত্রার পছন্দটি তদন্তকারী কী করে তার উপর নির্ভরশীল যে কারণে আমি কখনই মনে করতে পারি না কোনটি।

— mdewey

মেশিন লার্নিংয়ে, "বৈশিষ্ট্যগুলি" প্রায়শই সুপ্ত, অরক্ষিত ভেরিয়েবল হয়। "পর্যবেক্ষণ করা বৈশিষ্ট্যগুলি" বেশি সাধারণ।

— নিল জি

18

বিভিন্ন উপায়ে, "স্বতন্ত্র পরিবর্তনশীল" একটি দুর্ভাগ্যজনক পছন্দ। ভেরিয়েবলগুলি একে অপরের সাথে স্বাধীন হতে হবে না এবং অবশ্যই নির্ভরশীল ভেরিয়েবল এর থেকে পৃথক হওয়া দরকার না । শিক্ষণে এবং আমার বইয়ের রেগ্রেশন মডেলিং কৌশলসমূহে আমি ভবিষ্যদ্বাণীকারী শব্দটি ব্যবহার করি । কিছু পরিস্থিতিতে এই শব্দটি যথেষ্ট শক্তিশালী নয়, তবে এটি গড়ে ভালভাবে কাজ করে। পরিসংখ্যানের মডেলটিতে (ডান হাতের) ভেরিয়েবলগুলির ভূমিকার সম্পূর্ণ বিবরণ প্রতিটি সময় ব্যবহারের জন্য খুব দীর্ঘ হতে পারে: ভেরিয়েবল বা পরিমাপের সেট যা বিতরণ শর্তযুক্ত। এটি ভেরিয়েবলগুলির সেট বলার আর একটি উপায় যাঁর বিতরণে আমরা বর্তমানে আগ্রহী নই, তবে যার মানগুলি আমরা ধ্রুবক হিসাবে বিবেচনা করি। $Y$ $X$ $Y$

— ফ্র্যাঙ্ক হ্যারেল
সূত্র

সুতরাং আপনি সমস্তই বলছেন যে ইনপুট ভেরিয়েবলগুলিকে "স্বতন্ত্র" হিসাবে কল করা কি অনুশীলন? @ ফ্র্যাঙ্ক

— অমরপ্রীত সিং 11

11

এগুলি অবশ্যই কিছু থেকে স্বতন্ত্র বলে ধরে নেওয়া হয় না সুতরাং এটি ভুল অভ্যাস, শুধুমাত্র অভ্যাসের কারণে ব্যবহৃত হয়।

— ফ্র্যাঙ্ক হ্যারেল

1

"ভেরিয়েবল বা পরিমাপের সেট, যার উপর ওয়াইয়ের বিতরণ শর্তযুক্ত" ... আসলে আমি এগুলিকে "কন্ডিশনিং ভেরিয়েবল" বা "কন্ডিশনেড ভেরিয়েবল" বলে মনে করি, যা খুব বেশি দীর্ঘ নয় বিবরণ এবং স্বরলিপি

E (Y | X)

$E(Y|X)$

— সিলভারফিশ

11

আমি এখানে অন্যান্য উত্তরগুলির সাথে একমত যে "স্বতন্ত্র" এবং "নির্ভরশীল" দুর্বল পরিভাষা। এডিএম যেমন ব্যাখ্যা করেছেন, এই পরিভাষাটি নিয়ন্ত্রিত পরীক্ষাগুলির প্রসঙ্গে উদ্ভূত হয়েছিল যেখানে গবেষক একে অপরের থেকে রেজিস্ট্রারকে স্বাধীনভাবে সেট করতে পারেন। অনেকগুলি পছন্দনীয় শর্ত রয়েছে যেগুলির এই বোঝা কার্যকারণের অর্থ নেই, এবং আমার অভিজ্ঞতায় পরিসংখ্যানবিদরা আরও নিরপেক্ষ শর্তগুলি পছন্দ করেন। এখানে আরও অনেক শর্তাদি ব্যবহৃত হয়েছে:

\begin{matrix} Y_{i} & x_{i, 1}, . . ., x_{i, m} \\ Response & Predictors \\ Regressand & Regressors \\ Output variable & Input variables \\ Predicted variable & Explanatory variables \end{matrix}

$\begin{matrix} Y_i & & & x_{i,1},...,x_{i,m} \\ \hline \text{Response} & & & \text{Predictors} \\ \text{Regressand} & & & \text{Regressors} \\ \text{Output variable} & & & \text{Input variables} \\ \text{Predicted variable} & & & \text{Explanatory variables} \\ \end{matrix}$

ব্যক্তিগতভাবে আমি ব্যাখ্যামূলক পরিবর্তনশীল এবং প্রতিক্রিয়ার পরিবর্তনশীল পদগুলি ব্যবহার করি, কারণ এই শর্তগুলির পরিসংখ্যানগত স্বাধীনতা বা নিয়ন্ত্রণের কোনও অর্থ নেই etc. (কেউ যুক্তি দিতে পারে যে 'প্রতিক্রিয়া'র কার্যকারণিক ধারণা রয়েছে, তবে এটি যথেষ্ট দুর্বল অর্থ), তাই আমি এটি সমস্যাযুক্ত হিসাবে পাওয়া যায় নি।)

— মনিকা পুনরায় স্থাপন করুন
সূত্র

1

(+1) আমি মনে করি রেজিস্ট্রার / রিগ্র্রেসেন্ড সবচেয়ে নিরপেক্ষ পদ, তবে আমি ব্যাখ্যামূলক / প্রতিক্রিয়া ব্যবহার করে ব্যাখ্যা করতে পছন্দ করি।

— ফ্রান্সস রোডেনবার্গ

2

আমি নিরপেক্ষ শর্তগুলি প্রাধান্য দেওয়ার প্রবণতার সাথে একমত, তবে "ব্যাখ্যা" আমার কাছে এই হিসাবে বেশ কার্যকারণীয় শোনায়: "এক্স ভেরিয়েবল ব্যাখ্যা করে যে ওয়াই ভেরিয়েবলটি যেভাবে এটি করে সেভাবে কাজ করে" "

— টিমউইজ

1

আমি এটি একটি সম্ভাব্য অর্থে ব্যাখ্যামূলক হিসাবে বিবেচনা করি - অর্থাত, এটি প্রতিক্রিয়াশীল ভেরিয়েবলের বিতরণে পরিবর্তনগুলি ব্যাখ্যা করে। আপনি হয়ত সঠিক হতে পারেন, তবে এই সমস্ত ক্ষেত্রে কোনও কার্যকারিতাটির মূল ধারণা দুর্বল।

— মনিকা 14

2

ব্যাখ্যামূলক কার্যকারিতা বোঝায় তাই অনুপযুক্ত।

— ফ্রাঙ্ক হ্যারেল

1

@ ফ্র্যাঙ্ক: আমি অবশ্যই এই দৃষ্টিভঙ্গির সাথে একমত নই। ব্যাখ্যামূলক "ব্যাখ্যা" শব্দটি থেকে উদ্ভূত হয়েছে তাই আমি এটিকে কেবল এটি বোঝাতেই পারি যে ভেরিয়েবলগুলি প্রতিক্রিয়ার পরিবর্তনশীলটি কোনওভাবে ব্যাখ্যা করে। এই ব্যাখ্যা কার্যকারক হতে পারে, বা এটি নিছক পরিসংখ্যানগত হতে পারে এবং আমি এটি পরবর্তী হিসাবে গ্রহণ করি। তবুও, মনে হয় যে লোকেরা এই শব্দের অর্থকে আলাদাভাবে ব্যাখ্যা করছে, তাই আমি স্বীকার করব যে কেউ কেউ এটিকে কার্যকরী অর্থের অর্থ বলে পড়বেন।

— মনিকা পুনরায় ইনস্টল করুন

9

ফ্র্যাঙ্ক হ্যারেল এবং পিটার ফ্লমের উত্তরগুলিতে যুক্ত করতে:

আমি সম্মত হই যে একটি পরিবর্তনশীল "স্বতন্ত্র" বা "নির্ভরশীল" বলা প্রায়শই বিভ্রান্তিকর হয়। তবে কিছু লোক এখনও তা করে। আমি একবার উত্তর শুনেছি কেন:

রিগ্রেশন বিশ্লেষণ আমরা একটি "বিশেষ" পরিবর্তনশীল (সাধারণত দ্বারা প্রকাশ আছে ) এবং অনেক "না তাই বিশেষ" ভেরিয়েবল ( 'গুলি) এবং আমরা দেখতে কিভাবে পরিবর্তন চান গুলি প্রভাবিত' । অন্য কথায়, আমরা দেখতে চাই যে কীভাবে এর উপর নির্ভর করে । $Y$ $X$ $X$ $Y$ $Y$ $X$

এজন্য "নির্ভরশীল" বলা হয়। এবং যদি একজনকে "নির্ভরশীল" বলা হয় তবে আপনি অন্য একজনকে কীভাবে ডাকবেন? $Y$

— Asukasz Deryło
সূত্র

আপনি বলছেন যে এক্স X এর উপর নির্ভর করে, (সুতরাং Y কে নির্ভরশীল ভেরিয়েবল বলা হয়) এবং এর অর্থ আপনার অর্থ Xটি Y এর উপর নির্ভর করে না But তবে এমন কেস থাকতে পারে যেখানে এক্স Y এর উপর নির্ভর করতে পারে বা Y এর সাথে সম্পর্ক স্থাপন করতে পারে (তাই এটি পারে আর "স্বতন্ত্র" বলা হবে না)। এ সম্পর্কে কোন মতামত?

— অমরপ্রীত সিং 11

না, আমার এই অর্থ এই নয় যে এক্স ওয়াইয়ের উপর নির্ভর করে না I আমি কেবলমাত্র বোঝাতে চাইছি যে রিগ্রেশন বিশ্লেষণ কী করে তার সর্বাধিক প্রাথমিক ব্যাখ্যাটি হ'ল এটি কীভাবে এক্স এর উপর নির্ভরশীল তা বর্ণনা করে So তাই ওয়াইয়ের সবচেয়ে মৌলিক নামটি "নির্ভরশীল" হবে "

— asukasz Deryło

6

আমি প্রশ্নের উত্তর দেওয়ার চেষ্টা করছি না "আমরা কি এক্সকে স্বাধীন বলতে পারি?" বরং "কেন আমরা এটা স্বাধীন কল?", শুধু আপনার পোস্টের শিরোনামে মত

— Łukasz Deryło

5

"নির্ভরশীল" এবং "স্বতন্ত্র" বিভ্রান্তিকর শব্দ হতে পারে। একটি ইন্দ্রিয়টি সিউডো-কার্যকারণ বা এমনকি কার্যকারণ এবং এটিই "স্বাধীন ভেরিয়েবল" এবং "নির্ভরশীল ভেরিয়েবল" বলার সময় বোঝানো হয়। আমাদের অর্থ ডিভি, কোনও অর্থে, চতুর্থের উপর নির্ভর করে। সুতরাং, উদাহরণস্বরূপ, প্রাপ্তবয়স্ক মানুষের উচ্চতা এবং ওজনের সম্পর্কের মডেলিং করার সময়, আমরা বলি ওজন হল ডিভি এবং উচ্চতা আইভি হয় V

এটি এমন কিছু ক্যাপচার করে যা "ভবিষ্যদ্বাণীকারী" না করে - যথা সম্পর্কের দিকনির্দেশনা। উচ্চতা ওজনের পূর্বাভাস দেয় তবে ওজনও উচ্চতার পূর্বাভাস দেয়। এটি হ'ল, যদি আপনাকে লোকজনের উচ্চতা অনুমান করতে বলা হয় এবং তাদের ওজনকে বলা হয়, এটি কার্যকর হবে।

তবে আমরা বলব না যে উচ্চতা ওজনের উপর নির্ভর করে।

— পিটার ফ্লুম - মনিকা পুনরায়
সূত্র

আপনি কি এসইএম মডেল সম্পর্কে সুনির্দিষ্ট করছেন?

— অমরপ্রীত সিং 11

না, আমি রিগ্রেশন নিয়ে ভাবছিলাম।

— পিটার ফ্লুম - মনিকা পুনরায়

ঠিক আছে, সুতরাং এটি কেবল নামের বিষয়। আমি বিভ্রান্ত হয়ে পড়েছি যে ইনপুট ভেরিয়েবলগুলিকে "স্বতন্ত্র" হিসাবে ডাকা মানে কিছু।

— অমরপ্রীত সিং 11

12

ডিভি এবং চতুর্থ হ'ল সাধারণ সংক্ষিপ্ত বিবরণ (যা ব্যক্তিগতভাবে আমি অপছন্দ করি) তবে অনেক অর্থনীতিবিদ এবং কিছু অন্যান্য সমাজ বিজ্ঞানীর জন্য নজর রাখুন যাদের জন্য IV কেবল যন্ত্রের পরিবর্তনশীল বোঝাতে পারে। এমন লোকদের মুখোমুখি হওয়া কম দেখা যায় যাদের জন্য ডিভি বলতে কেবল ডিও ভোলেন্টে (Godশ্বরের ইচ্ছা) বোঝাতে পারে।

— নিক কক্স

0

উপরের উত্তরের উপর ভিত্তি করে, হ্যাঁ, আমি সম্মত হই যে এই নির্ভরশীল এবং স্বতন্ত্র পরিবর্তনশীল দুর্বল পরিভাষা। তবে আমি যে প্রসঙ্গে এটি আমাদের অনেকের দ্বারা ব্যবহৃত হচ্ছে তা ব্যাখ্যা করতে পারি। আপনি বলছেন যে একটি সাধারণ রিগ্রেশন সমস্যার জন্য আমাদের একটি আউটপুট ভেরিয়েবল রয়েছে, ওয়াই বলুন, যার মান অন্যান্য ইনপুট ভেরিয়েবলগুলির উপর নির্ভর করে, বলুন এক্স 1, এক্স 2, এক্স 3। এজন্য এটিকে "নির্ভরশীল পরিবর্তনশীল" বলা হয়। এবং একইভাবে কেবলমাত্র এই প্রসঙ্গের উপর নির্ভর করে এবং কেবল আউটপুট এবং ইনপুট ভেরিয়েবলের মধ্যে পার্থক্য রাখতে, x1, x2, x3 কে স্বাধীন পরিবর্তনশীল হিসাবে আখ্যায়িত করা হয়। কারণ ওয়াইয়ের বিপরীতে এটি অন্য কোনও পরিবর্তনশীলের উপর নির্ভর করে না (তবে হ্যাঁ আমরা এখানে তাদের সাথে নির্ভরতা সম্পর্কে কথা বলছি না।)

— পূজা সোনকর
সূত্র

আপনি @ রম্যা আর এর অনুরূপ উত্তর দিয়েছেন

— অমরপ্রীত সিং

-2

স্বতন্ত্র ভেরিয়েবলগুলি স্বাধীন বলা হয় কারণ তারা অন্যান্য ভেরিয়েবলগুলির উপর নির্ভর করে না। উদাহরণস্বরূপ, বাড়ির দামের পূর্বাভাসের সমস্যাটি বিবেচনা করুন। ধরুন আমাদের কাছে বাড়ির আকার, অবস্থান এবং বাড়ির_প্রেসের ডেটা রয়েছে। এখানে, বাড়ির_রূপটি বাড়ির আকার এবং অবস্থানের ভিত্তিতে নির্ধারিত হয় তবে অবস্থান এবং বাড়ির_সাইজ বিভিন্ন বাড়ির জন্য পরিবর্তিত হতে পারে।

— রাম্যা আর
সূত্র

4

কখনও কখনও রিগ্রেশন তথাকথিত "স্বতন্ত্র" ভেরিয়েবলগুলি সম্পর্কযুক্ত হয়। সুতরাং তারা পরিসংখ্যানগতভাবে স্বাধীন হয় না। তাদের ভবিষ্যদ্বাণীকারী ভেরিয়েবল বলা ভাল।

— মাইকেল আর চেরনিক

মিশেল, এটি নির্দেশ করার জন্য ধন্যবাদ। আমার একটি ফলো-আপ প্রশ্ন আছে। আমাদের যেখানে দুটি প্রেডিকটার ভেরিয়েবল রয়েছে যেগুলি কলিনারি, আমরা কী তার একটির বহির্মুখী সমস্যাটি দূর করার জন্য বাতিল করে দেই না যাতে আমাদের ভবিষ্যদ্বাণীকারী ভেরিয়েবলগুলি একে অপরের থেকে পৃথক থাকে?

— রাম্যা আর

1

অগত্যা। এটি অনুমানের স্থায়িত্বকে প্রভাবিত করে কিনা এবং উভয় ভেরিয়েবল অন্তর্ভুক্ত করা হলে ভবিষ্যদ্বাণীটি কতটা শক্তিশালী তা নির্ভর করে। দুটি ভেরিয়েবলের যদি পারস্পরিক সম্পর্ক থাকে 0.1 তবে তারা স্বতন্ত্র নয় তবে তাদের মধ্যে সম্পর্ক দুর্বল।

— মাইকেল আর চেরনিক