আমি একটি সূচনা হিসাবে " লিনিয়ার রিগ্রেশন মডেল ডায়াগনস্টিকস " এ একটি সংক্ষিপ্ত অনুসন্ধানের পরামর্শ দেব । তবে এখানে কয়েকটি যা আমি আপনাকে চেক করার পরামর্শ দিচ্ছি:
অনুমানগুলি সন্তোষজনকভাবে পূরণ হয়েছে তা নিশ্চিত করুন
স্বতন্ত্র পূর্বাভাসকারী এবং নির্ভরশীল ভেরিয়েবলের মধ্যে লিনিয়ার সম্পর্ক পরীক্ষা করার জন্য স্ক্যাটারপ্লট বা উপাদান প্লাস অবশিষ্টাংশ প্লট ব্যবহার করুন।
পূর্বাভাসিত মানের তুলনায় মানসম্পন্ন অবশিষ্টাংশ বনাম একটি প্লট রচনা করুন এবং নিশ্চিত করুন যে খুব উচ্চ অবশিষ্টাংশের সাথে চূড়ান্ত বিন্দু নেই এবং অবশিষ্টাংশের বিস্তারটি মূলত পূর্বাভাসিত মানের পাশাপাশি একইরকম, পাশাপাশি অবশিষ্টাংশের গড়ের উপরে এবং নীচেও সমানভাবে প্রসারিত হয়, শূন্য।
আপনি y- অক্ষকে অবশিষ্ট পরিবর্তন করতে পারেন । এই প্লটটি অসম বৈকল্পিক সনাক্তকরণে সহায়তা করে।2
স্বাধীনতার অনুমান যুক্তিসঙ্গত হয় তা নিশ্চিত করার জন্য অধ্যয়নের নকশাটি পুনরায় পরীক্ষা করুন।
সম্ভাব্য প্রান্তিকতা পরীক্ষা করতে ভেরিয়েন্স মুদ্রাস্ফীতি ফ্যাক্টর (ভিআইএফ) বা সহনশীলতার পরিসংখ্যান পুনরুদ্ধার করুন।
সম্ভাব্য প্রভাবশালী পয়েন্টগুলি পরীক্ষা করুন
- কোনও নির্দিষ্ট ডেটা পয়েন্ট আপনার নিয়ন্ত্রণের ফলাফলগুলিতে মারাত্মকভাবে পরিবর্তন করছে কিনা তা জানতে কুকের ডি, ডিফিটস বা ডিএফ বিটা হিসাবে পরিসংখ্যানগুলি পরীক্ষা করুন। আপনি এখানে আরও জানতে পারেন ।
এবং অ্যাডজাস্টেড পরিসংখ্যানগুলির পরিবর্তন পরীক্ষা করুনR2R2
- বর্গক্ষেত্রের মোট যোগফলের সংমিশ্রণের অনুপাত হওয়ায় আপনাকে বলতে পারবেন যে আপনার নির্ভরশীল ভেরিয়েবলের কতগুলি পরিবর্তনশীলতা মডেল দ্বারা ব্যাখ্যা করা হয়েছে।R2
- অ্যাডজাস্টেড আমার অতিরিক্ত প্রেডিক্টর (গুলি) সম্পর্কে অতিরিক্ত স্কোয়ারের যোগফলগুলি তাদের যে পরিমাণ স্বাধীনতা গ্রহণ করবে তা সত্যিই মূল্যবান কিনা তা পরীক্ষা করতে ব্যবহার করা যেতে পারে।R2
প্রয়োজনীয় মিথস্ক্রিয়া পরীক্ষা করুন
- যদি কোনও প্রধান স্বতন্ত্র পূর্বাভাসক থাকে, এর স্বতন্ত্র প্রভাব সম্পর্কে কোনও ব্যাখ্যা দেওয়ার আগে, এটি অন্যান্য স্বতন্ত্র ভেরিয়েবলের সাথে ইন্টারঅ্যাক্ট করছে কিনা তা পরীক্ষা করে দেখুন। মিথস্ক্রিয়া, যদি অযৌক্তিকভাবে ছেড়ে যায় তবে আপনার অনুমানটিকে পক্ষপাতিত্ব করতে পারে।
আপনার মডেলটিকে অন্য কোনও ডেটা সেটে প্রয়োগ করুন এবং এর কার্যকারিতা পরীক্ষা করুন
- আপনি অন্যান্য পৃথক ডেটাতেও রিগ্রেশন সূত্রটি প্রয়োগ করতে পারেন এবং এটি কতটা পূর্বাভাস করেছে তা দেখতে পারেন। স্ক্যাটার প্লটের মতো গ্রাফ এবং পর্যবেক্ষণকৃত মান থেকে% পার্থক্যের মতো পরিসংখ্যানগুলি একটি ভাল সূচনা হিসাবে কাজ করতে পারে।
r-squaredট্যাগ এবং ট্যাগটি একবার দেখতে চানgoodness-of-fit..