দুটি লিনিয়ার রিগ্রেশন মডেলের তুলনা করা


12

আমি দুটি লিনিয়ার রিগ্রেশন মডেলকে তুলনা করতে চাই যা সময়ের সাথে সাথে দুটি পৃথক অবস্থার অধীনে একটি এমআরএনএর অবক্ষয়ের হারকে উপস্থাপন করে। প্রতিটি মডেলের ডেটা স্বাধীনভাবে সংগ্রহ করা হয়।

এখানে ডেটাসেট।

সময় (ঘন্টা) লগ (চিকিত্সা এ) লগ (চিকিত্সা বি)
0 2.02 1.97
0 2.04 2.06
0 1.93 1.96
2 2.02 1.91
2.00 1.95 ডলার
2 2.07 1.82
4 1.96 1.97
4 2.02 1.99
4 2.02 1.99
1. 1.94 1.90
6 1.94 1.97
1. 1.86 1.88
1. 1.93 1.97
2. 2.12 1.99
8 2.06 1.93
12 1.71 1.70
12 1.96 1.73
12 1.71 1.76
1. 1.70 1.46
1. 1.83 1.41
1. 1.62 1.42

এগুলি আমার মডেল:

Exp1.A.lm<-lm(Exp1$Time~Exp1$(Treatment A))
Exp1.B.lm<-lm(Exp1$Time~Exp1$(Treatment B))
কল করুন:
lm (সূত্র = Exp1 $ সময় ~ Exp1 $ (চিকিত্সা এ))

অবশিষ্টাংশ:
    ন্যূনতম 1Q মিডিয়ান 3 কিউ সর্বোচ্চ 
-6.8950 -1.2322 0.2862 1.2494 5.2494 

কোএফিসিয়েন্ট:
                   প্রাক্কলন ত্রুটির টি মান PR (> | t |)    
(বিরতি) 74.68 6.27 11.91 2.94e-10 ***
Exp1 $ (চিকিত্সা এ) -36.14 3.38 -10.69 1.77e-09 ***
---
Signif। কোডগুলি: 0 '***' 0.001 '**' 0.01 '*' 0.05 '' ' 0.1 '' 1

অবশিষ্ট স্ট্যান্ডার্ড ত্রুটি: স্বাধীনতার 19 ডিগ্রিতে 2.97
একাধিক আর-স্কোয়ার্ড: 0.8575, অ্যাডজাস্টেড আর-স্কোয়ার: 0.85 
এফ-পরিসংখ্যান: 114.3 এ 1 এবং 19 ডিএফ, পি-মান: 1.772e-09

কল করুন:
lm (সূত্র = Exp1 $ সময় ~ Exp1 $ (চিকিত্সা বি))

অবশিষ্টাংশ:
   ন্যূনতম 1Q মিডিয়ান 3 কিউ সর্বোচ্চ 
-7.861 -3.278 -1.444 3.222 11.972 

কোএফিসিয়েন্ট:
                      প্রাক্কলন ত্রুটির টি মান PR (> | t |)    
(বিরতি) 88.281 16.114 5.478 2.76e-05 ***
Exp1 $ (চিকিত্সা বি) -41.668 8.343 -4.994 8.05e-05 ***
---
Signif। কোডগুলি: 0 '***' 0.001 '**' 0.01 '*' 0.05 '' ' 0.1 '' 1

অবশিষ্ট স্ট্যান্ডার্ড ত্রুটি: 19 ডিগ্রি স্বাধীনতার 5.173
একাধিক আর-স্কোয়ার: 0.5676, অ্যাডজাস্টেড আর-স্কোয়ার: 0.5449 9 
এফ-পরিসংখ্যান: 1 এবং 19 ডিএফ-তে 24.94, পি-মান: 8.052e-05

এই দুটি মডেলের তুলনা করতে, আমি এই নিম্নলিখিত কোডটি ব্যবহার করেছি।

anova(Exp1.A.lm,Exp1.B.lm)
বৈকল্পিক সারণির বিশ্লেষণ

মডেল 1: Exp1 $ সময় ~ Exp1 $ Exp1 $ (চিকিত্সা এ)
মডেল 2: Exp1 $ সময় ~ Exp1 $ Exp1 $ (চিকিত্সা বি)
  বর্গফুট জনসংযোগ (> ফ) এর Res.Df আরএসএস ডিএফ সমষ্টি
1 19 167.60                      
2 19 508.48 0 -340.88

আমার প্রশ্ন হ'ল আনোভা বিশ্লেষণ কেন এফ পরিসংখ্যান এবং একটি পি। আমার যদি ক্ষুধা এটি একটি নির্লজ্জ প্রশ্ন হয়।

বিভিন্ন opালু ভিত্তিতে, এই দুটি মডেলের অবক্ষয়ের হার পৃথক, তবে আমি জানতে চাই এই পরিসংখ্যানটি কতটা তাত্পর্যপূর্ণ। আমি আশা করি এটি উপলব্ধি করে।


2
আপনি খেয়াল করতে পারেন যে আনোভা সারণী বিশ্লেষণের সাথে সম্পর্কিত স্বাধীনতার ডিগ্রি 0 হিসাবে তালিকাভুক্ত করেছে ; উভয় মডেলে আপনার একই সংখ্যক ভেরিয়েবল রয়েছে, এ কারণেই কোনও এফ বা পি-মান গণনা করা যায় না।
গুং - মনিকা পুনরায়

5
আমি এই মডেলগুলির ফিটের ভালতা যাচাই না করা পর্যন্ত তাদের তুলনা করতে বিরক্ত করব না। আমি মনে করি আপনি দ্বিতীয়টিটিতে দেখতে পাবেন যে প্রতিক্রিয়া বা এর লোগারিথ উভয়ই সময়ের লিনিয়ার ফাংশন নয়। এটি opeাল অনুমানের তুলনায় কোনও প্রশ্নকে (গুরুত্ব সহকারে) জিজ্ঞাসা করে।
whuber

উত্তর:


11

আপনি যদি এ এবং বি দিয়ে একটি দীর্ঘ কলামে একটি নতুন কলাম হিসাবে ডেটা সেট আপ করেন, আপনি তারপরে একটি নিয়মিত সময় পরিবর্তনশীল এবং নামমাত্র "পরীক্ষা" ভেরিয়েবল (এ, বি) সহ একটি জিএলএম হিসাবে আপনার রিগ্রেশন মডেলটি চালাতে পারেন। আনোভা আউটপুট আপনাকে পরামিতিগুলির মধ্যে পার্থক্যের তাৎপর্য দেবে। "ইন্টারসেপ্ট" হ'ল সাধারণ ইন্টারসেপ্ট এবং "পরীক্ষা" ফ্যাক্টর পরীক্ষাগুলির মধ্যে ইন্টারসেপ্ট (প্রকৃত সামগ্রিক উপায়) এর মধ্যে পার্থক্য প্রতিফলিত করে। "সময়" ফ্যাক্টরটি সাধারণ opeাল হবে এবং ইন্টারঅ্যাকশনটি সম্মানের সাথে পরীক্ষাগুলির মধ্যে পার্থক্য is opeাল।

আমি স্বীকার করতে হবে যে আমি প্রতারণা করেছি (?) এবং পরামিতিগুলির দুটি সেট এবং তাদের ত্রুটিগুলি পেতে প্রথমে পৃথকভাবে মডেলগুলি চালনা করব এবং তারপরে চিকিত্সাগুলির মধ্যে পার্থক্য (আপনার ক্ষেত্রে এ এবং বি) অর্জন করতে সম্মিলিত মডেলটি চালাব ...


3
এটি একটি চতুর পদ্ধতির। আপনি যখন "প্রতারণা করেন", আপনি কি প্রতিটি মডেলটিতে ত্রুটিটির বৈকল্পিকগুলি প্রায় একই রকম পরীক্ষা করে দেখেন? এবং যদি সেগুলি যথেষ্ট আলাদা হয় তবে কীভাবে এটি আপনার প্রস্তাবনাগুলিকে প্রভাবিত করে?
whuber

থা জিএলএম একটি ভাল পদ্ধতির, এবং ডেটা অন্বেষণের জন্য, পৃথক মডেল ফিট করা পরীক্ষা-নিরীক্ষার মধ্যে ত্রুটির পার্থক্য বিচার করার একটি ভাল উপায়। যদি কেউ সত্যিই উদ্বিগ্ন থাকেন তবে সমস্ত পরীক্ষামূলক ডেটার জন্য সাধারণ ত্রুটি বৈকল্পিকের অন্তর্নিহিত অনুমানের পরিবর্তে তারা গ্রুপ নির্দিষ্ট ত্রুটি বৈকল্পগুলি অন্তর্ভুক্ত করার জন্য জিএলএম মডেলকে প্রসারিত করতে পারে।
যুবরাজ_ও_পরে

আরেকটি বিষয় যা মনে আসে তা হ'ল পরীক্ষাগুলির মধ্যে অবক্ষয়ের হার একে অপরের থেকে কেবল আলাদা (নিখুঁত হার উপেক্ষা করে), বা এই হারগুলিও শূন্যের চেয়ে পরিসংখ্যানগতভাবে (বা ব্যবহারিকভাবে) পৃথক কিনা তা ওপি ট্রেড করতে আগ্রহী কিনা। অনুমানের একটি পরীক্ষার প্রথম পরিমাণ যা চিকিত্সা এবং সময়ের মধ্যে মিথস্ক্রিয়া সহগের হয়। দ্বিতীয়টি হল দুটি পৃথক পরীক্ষা (বা একটি যৌথ অনুমান পরীক্ষা) করা যা প্রতিটি হার শূন্যের থেকে আলাদা। আমি প্রথমটির আগে দ্বিতীয়টি পরীক্ষা করতে আরও আগ্রহী হতে পারি।
যুবরাজ_ও_পরে

5

আনোভা বিশ্লেষণে কোনও এফ পরিসংখ্যান এবং একটি মূল্যমান দেখা যায় না যেহেতু উভয় মডেলেরই স্বাধীনতার একই অবশিষ্টাংশ (যেমন ১৯) থাকে এবং আপনি যদি পার্থক্যটি নেন তবে তা শূন্য হবে! এফ-পরীক্ষা করার জন্য পার্থক্য নেওয়ার পরে কমপক্ষে এক ডিগ্রি স্বাধীনতা থাকা উচিত।


আমি আপনার উত্তরটি বুঝতে পেরেছি কিনা তা নিশ্চিত নই। স্বাধীনতার অবশিষ্টাংশগুলি সমান হওয়ার কোনও কারণ আছে কি? Opালু তুলনা করার জন্য বিকল্প পদ্ধতির বিষয়ে কোনও পরামর্শ?
Rooz

হ্যা এখানে. আপনার উভয় মডেলটিতে আপনার 21 টি পর্যবেক্ষণ রয়েছে যেমন । এক ব্যাখ্যামূলক র‌্যান্ডম ভেরিয়েবল (যেমন হয় Exp1 (চিকিত্সা বি)) সহ লিনিয়ার রিগ্রেশন- জন্য স্বাধীনতার ডিগ্রি এক। মোট স্বাধীনতার ডিগ্রি । নোট করুন যে । সুতরাং উভয় মডেলের , সুতরাং আপনি এখানে F পরীক্ষা ব্যবহার করতে পারবেন না। n=21(TreatmentA)orExp1dfT=n1=20dfT=dferror+dfregressorsdferror=19
তাত্ক্ষণিকবাজার

এফ-পরীক্ষা বাদে তাদের তুলনা করার অনেকগুলি উপায় রয়েছে। আপনার সংক্ষিপ্তসারগুলিতে একাধিক আর-স্কোয়ার্ড এবং অ্যাডজাস্টেড আর-স্কোয়ার ব্যবহার করা সবচেয়ে সহজ higher উচ্চতর আর-স্কোয়ার্ড বা অ্যাডজাস্টেড আর-স্কোয়ারযুক্ত মডেলটি আরও ভাল। এখানে সর্বোত্তম মডেলটি Exp1 one (চিকিত্সা এ) সহ এক হিসাবে মনে হয়। তবে মনে রাখবেন, লাগানো মডেলের পর্যাপ্ততা পরীক্ষা করার জন্য আপনার মডেলের অবশিষ্টাংশগুলি পরীক্ষা করা উচিত। আমি ব্যক্তিগতভাবে কেবল আর-স্কোয়ার মানদণ্ডের উপর নির্ভর করার পরামর্শ দিচ্ছি না এবং আপনার পাশাপাশি লিনিয়ার মডেলটিতে অন্যান্য অনুমানগুলিও পরীক্ষা করা উচিত। বিশেষত দেখুন অবশেষগুলি স্বতঃসংশ্লিষ্ট কিনা।
স্ট্যাটাস
আমাদের সাইট ব্যবহার করে, আপনি স্বীকার করেছেন যে আপনি আমাদের কুকি নীতি এবং গোপনীয়তা নীতিটি পড়েছেন এবং বুঝতে পেরেছেন ।
Licensed under cc by-sa 3.0 with attribution required.