প্লট 1 এর জন্য, আমি একটি সহজ পারস্পরিক সম্পর্ক রেখে x এবং y এর মধ্যে সংযোগ পরীক্ষা করতে পারি।
প্লট 2 এর জন্য, যেখানে সম্পর্কটি ননলাইনার এখনও x এবং y এর মধ্যে সুস্পষ্ট সম্পর্ক রয়েছে, আমি কীভাবে সংযোগটি পরীক্ষা করে এর প্রকৃতির লেবেল রাখতে পারি?
প্লট 1 এর জন্য, আমি একটি সহজ পারস্পরিক সম্পর্ক রেখে x এবং y এর মধ্যে সংযোগ পরীক্ষা করতে পারি।
প্লট 2 এর জন্য, যেখানে সম্পর্কটি ননলাইনার এখনও x এবং y এর মধ্যে সুস্পষ্ট সম্পর্ক রয়েছে, আমি কীভাবে সংযোগটি পরীক্ষা করে এর প্রকৃতির লেবেল রাখতে পারি?
উত্তর:
... সম্পর্কটি অরৈখিক তবুও এক্স এবং ওয়াইয়ের মধ্যে একটি স্পষ্ট সম্পর্ক রয়েছে, আমি কীভাবে সংযোগটি পরীক্ষা করে এর প্রকৃতিটিকে লেবেল করতে পারি?
এই কাজ করার এক উপায় মাপসই করা হবে একটি আধা parametrically আনুমানিক ফাংশন হিসাবে ব্যবহার করে উদাহরণ, একটি জন্য সাধারণ যুত মডেল ও পরীক্ষামূলক থাকুক বা না থাকুক কার্মিক অনুমান ধ্রুবক, যার মধ্যে কোন সম্পর্ক নির্দেশ করে হবে এবং । এই পদ্ধতির সাহায্যে আপনাকে বহুবর্ষীয় রিগ্রেশন করা থেকে বিরত রাখা হয় এবং পলিনোমিয়ালের ক্রম সম্পর্কে কখনও কখনও স্বেচ্ছাসেবী সিদ্ধান্ত নেওয়া ইত্যাদি হয়x y x
বিশেষত, আপনার যদি পর্যবেক্ষণ থাকে, , আপনি মডেলটি ফিট করতে পারেন:
এবং হাইপোথিসিস পরীক্ষা করুন । ইন , আপনি ফাংশনটি ব্যবহার করে এটি করতে পারেন । যদি আপনার ফলাফল হয় এবং আপনার পূর্বাভাসক হয় তবে আপনি টাইপ করতে পারেন:R
gam()
y
x
library(mgcv)
g <- gam(y ~ s(x))
টাইপিং summary(g)
আপনাকে উপরের অনুমান পরীক্ষার ফলাফল দেবে। সম্পর্কের প্রকৃতির বৈশিষ্ট্য হিসাবে, এটি একটি চক্রান্ত দিয়ে সেরা করা হবে। এটি করার একটি উপায় R
(ধরে নিলে উপরের কোডটি ইতিমধ্যে প্রবেশ করানো হয়েছে)
plot(g,scheme=2)
যদি আপনার প্রতিক্রিয়া ভেরিয়েবলটি পৃথক (যেমন বাইনারি) হয় তবে আপনি এই কাঠামোর মধ্যে একটি লজিস্টিক গ্যাম লাগাতে পারবেন (এর মধ্যে আপনি আপনার কলটিতে R
যোগ family=binomial
করতে পারেন gam
)। এছাড়াও, যদি আপনার একাধিক ভবিষ্যদ্বাণী থাকে তবে আপনি একাধিক সংযোজনীয় পদ (বা সাধারণ লিনিয়ার শর্তাদি) অন্তর্ভুক্ত করতে পারেন বা মাল্টিভারিয়াল ফাংশনগুলি যেমন ফিট পারেন যদি আপনার ভবিষ্যদ্বাণী থাকে । সম্পর্কের জটিলতা স্বয়ংক্রিয়ভাবে ক্রস বৈধকরণ দ্বারা নির্বাচিত হয় যদি আপনি ডিফল্ট পদ্ধতিগুলি ব্যবহার করেন তবে এখানে প্রচুর নমনীয়তা রয়েছে - আগ্রহী হলে সহায়তা ফাইলটি দেখুন ।x, z
gam
অরৈখিক সম্পর্কটি যদি একঘেয়ে র্যাঙ্কের পারস্পরিক সম্পর্ক (স্পিয়ারম্যানের rho) উপযুক্ত হত appropriate আপনার উদাহরণে একটি স্পষ্ট ছোট অঞ্চল রয়েছে যেখানে প্যারোবোলার মতো একাকীকরণ থেকে বক্ররেখা পরিবর্তিত হয়ে মনটোনিকভাবে হ্রাস পেতে পরিবর্তিত হয় যেখানে প্রথম ডেরাইভেটিভ সমান হয় ।
আমি মনে করি যদি আপনার কাছে কিছু মডেলিং জ্ঞান থাকে (অভিজ্ঞতামূলক তথ্যের বাইরে) যেখানে সেই পরিবর্তন বিন্দুটি ঘটে ( ) তবে আপনি এই সম্পর্কটিকে ইতিবাচক হিসাবে চিহ্নিত করতে পারেন এবং স্পিয়ারম্যানের rho ব্যবহার করতে পারেন জোড়া যেখানে সেই পারস্পরিক সম্পর্কের একটি অনুমান সরবরাহ এবং স্পিয়ারম্যানের পারস্পরিক সম্পর্কের আরেকটি অনুমান ব্যবহার করতে যেখানে পারস্পরিক সম্পর্ক নেতিবাচক। এই দুটি অনুমানটি এবং মধ্যে পারস্পরিক সম্পর্কের কাঠামোর বৈশিষ্ট্যযুক্ত এবং কোনও পারস্পরিক সম্পর্কের অনুমানের বিপরীতে যেটি নিকটবর্তী হবে যখন সমস্ত উপাত্ত ব্যবহার করে অনুমান করা হয় এই অনুমানগুলি উভয়ই বড় এবং বিপরীতে চিহ্ন হিসাবে থাকবে।( এক্স , Y ) এক্স < একটি এক্স > একটি এক্স Y 0
কেউ কেউ যুক্তিযুক্ত হতে পারে যে কেবল অভিজ্ঞতাবাদী তথ্য ( যেমন পর্যবেক্ষণকৃত জোড়া এটিকে ন্যায়সঙ্গত করতে যথেষ্ট enough
দূরত্ব পারস্পরিক সম্পর্ক পরীক্ষা করে আপনি যে কোনও ধরনের নির্ভরতা পরীক্ষা করতে পারেন। দূরত্ব পারস্পরিক সম্পর্ক সম্পর্কিত আরও তথ্যের জন্য এখানে দেখুন: দূরত্বের সম্পর্ক সম্পর্কিত গণনা বোঝা
এবং এখানে মূল কাগজ: https://arxiv.org/pdf/0803.4101.pdf
আর এই ফাংশন energy
সহ প্যাকেজ এ প্রয়োগ করা হয় dcor.test
।
কেউ যদি এখানে আমার বোধগম্যতা ভুল হয় তবে আমাকে সংশোধন করে তবে অ-রৈখিক ভেরিয়েবলগুলি মোকাবেলার একটি উপায় হ'ল লিনিয়ার আনুমানিকতা ব্যবহার করা। সুতরাং, উদাহরণস্বরূপ, তাত্ক্ষণিক বিতরণের লগ গ্রহণ করা আপনাকে ভেরিয়েবলটিকে সাধারণ বন্টন হিসাবে বিবেচনা করতে দেয়। এটি তখন কোনও লিনিয়ার রিগ্রেশন এর মতো সমস্যা সমাধানের জন্য ব্যবহার করা যেতে পারে।
আমি দুটি ভেরিয়েবলের মধ্যে অ-রৈখিক সম্পর্ক সনাক্ত করার জন্য সাধারণ সংযোজনীয় মডেলটি বাস্তবায়িত করেছি, তবে সম্প্রতি আমি nlcor
প্যাকেজটির মাধ্যমে আর-র মধ্যে প্রয়োগ করা অ-রৈখিক সম্পর্ক সম্পর্কে জানতে পেরেছি , আপনি এই পদ্ধতিটি পিয়ারসন পারস্পরিক সম্পর্কের মতোই প্রয়োগ করতে পারবেন , পিয়ারসন পারস্পরিক সম্পর্কের মতো পারস্পরিক সম্পর্ক সহগ 0 এবং 1 এবং -1 এবং 1 এর মধ্যে নয়। একটি উচ্চতর সম্পর্কের সহগ শক্তিশালী অ-রৈখিক সম্পর্কের অস্তিত্বকে বোঝায়। আসুন দুটি সময় সিরিজ ধরে নিই x2
এবং y2
, দুটি সময়ের সিরিজের মধ্যবর্তী অরৈখিক সম্পর্কটি নীচের মত পরীক্ষা করা হয়
install.packages("devtools")
library(devtools)
install_github("ProcessMiner/nlcor")
library(nlcor)
c <- nlcor(x2, y2, plt = T)
c$cor.estimate
[1] 0.897205
দুটি ভেরিয়েবল অরৈখিক সম্পর্কের মাধ্যমে দৃ strongly়ভাবে সম্পর্কযুক্ত বলে মনে হচ্ছে, আপনি পারস্পরিক সম্পর্ক সহগের জন্য অ্যাডজাস্টেড পি-মানও পেতে পারেন
c$adjusted.p.value
[1] 0
আপনি ফলাফল প্লট করতে পারেন
print(c$cor.plot)
আপনি আরও তথ্যের জন্য এই লিঙ্কটি দেখতে পারেন