রেগ্রেশন অনুপাত, ক্রোনমালের উপর ওরফে প্রশ্নাবলী

Question

সম্প্রতি, এলোমেলোভাবে ব্রাউজিং প্রশ্নগুলি রিগ্রেশন মডেলগুলিতে অনুপাতের ব্যবহার সম্পর্কে সতর্কবার্তা কয়েক বছর আগে আমার একজন অধ্যাপকের কাছ থেকে অফ হ্যান্ড মন্তব্যের স্মৃতিটিকে ট্রিগার করেছিল। সুতরাং আমি এটি পড়তে শুরু করি, শেষ পর্যন্ত ক্রোনমাল 1993 এ পৌঁছেছি।

আমি নিশ্চিত করতে চাই যে আমি কীভাবে এগুলির মডেল করব সে সম্পর্কে তার পরামর্শগুলিকে সঠিকভাবে ব্যাখ্যা করছি।

1. নির্ভরশীল এবং স্বতন্ত্র উভয় দিকে একই ডিনোমিনিটারের সাথে অনুপাত সহ একটি মডেলের জন্য:
   $Z^{-1}Y = Z^{-1}1_n\beta_0 + Z^{-1}X\beta_X + \beta_Z + Z^{-1}\epsilon$

   • অন্যান্য অনুপাত ছাড়াও (বিপরীতমুখী) ডিনমিনেটর ভেরিয়েবলের উপর নির্ভরশীল অনুপাতটি চাপান
   • (বিপরীত) ডিনোমিনিটর ভেরিয়েবল দ্বারা ওজন

2. অনুপাত হিসাবে নির্ভরশীল পরিবর্তনশীল মডেলের জন্য:
   $Y = \beta_0 + \beta_XX + Z1_n\alpha_0 + ZX\alpha_X + Z^{-1}\epsilon$

   • মূল ভেরিয়েবল, ডিনোমিনেটর এবং ডিনোমিনেটর টাইমের মূল ভেরিয়েবলগুলি দ্বারা রেজিস্ট্রেশন করুন [শ্রেণীবদ্ধ ভেরিয়েবলগুলি কী?]
   • ওজন দ্বারা (বিপরীত) ডিনোমিনেটর

3. কেবলমাত্র স্বাধীন ভেরিয়েবল অনুপাত সহ মডেলটির জন্য: $Y = \beta_0 + X\beta_X + Z^{-1}1_n\beta_{Z^{-1}} + W\beta_W + Z^{-1}W\beta_{Z^{-1}W} + \epsilon$

   • সংখ্যা এবং (বিপরীত) ডিনোমিনেটরকে প্রধান প্রভাব হিসাবে অন্তর্ভুক্ত করুন, মিথস্ক্রিয়া শব্দ হিসাবে অনুপাত।

আমার ব্যাখ্যা এখানে কি সঠিক?

Answer 1

আপনার প্রকৃতপক্ষে ক্রোনমাল কাগজের সাথে লিঙ্ক করা উচিত ছিল (এবং আপনার স্বরলিপিটি ব্যাখ্যা করেছিলেন, যা সরাসরি কাগজ থেকে নেওয়া হয়।) আপনার কাগজটি পড়া খুব আক্ষরিক। বিশেষত, তিনি ওজন সম্পর্কে পরামর্শ দেন না, বরং বলেছিলেন যে ওজন সাধারণ পদ্ধতিতে করা যেতে পারে, সুতরাং আলোচনার দরকার নেই। এটি কেবল সম্ভাবনা হিসাবে উল্লেখ করা হয়েছে। আপনার কেসগুলি আরও উদাহরণের মতো পড়ুন, বিশেষত এই জাতীয় পরিস্থিতি বিশ্লেষণ করার উদাহরণ হিসাবে।

Section নং বিভাগে তিনি কিছু সাধারণ পরামর্শ দিয়েছেন, যা আমি এখানে তুলে ধরছি:

এই কাগজের বার্তাটি হ'ল অনুপাতের ভেরিয়েবলগুলি কেবলমাত্র একটি সম্পূর্ণ রৈখিক মডেলের প্রসঙ্গে ব্যবহার করা উচিত যেখানে অনুপাতটি তৈরি করে এমন ভেরিয়েবলগুলি অন্তর্ভুক্ত করা হয় এবং ইন্টারসেপ্ট শব্দটি উপস্থিত থাকে। রিগ্রেশন বিশ্লেষণে নির্ভরশীল বা স্বতন্ত্র পরিবর্তনশীল উভয়ের পক্ষে অনুপাতের ব্যবহারের প্রচলিত অনুশীলন বিভ্রান্তিকর সূচনার দিকে নিয়ে যেতে পারে এবং খুব কমই ফল লাভ হয় in যদিও এই অনুশীলনটি ব্যাপক এবং জড়িত, এবং কিছু গবেষককে বোঝানো কঠিন হতে পারে যে তাদের সবচেয়ে মূল্যবান অনুপাত বা সূচকটি ছেড়ে দেওয়া উচিত।

কাগজটিতে জন্ম ও কাণ্ডের বিষয়ে নেইম্যানের (কল্পিত) উদাহরণ ব্যবহার করা হয়েছে। এই উদাহরণটির সাথে খেলতে, আপনি এটি আর এর মাধ্যমে অ্যাক্সেস করতে পারেন

data(stork, package="TeachingDemos")

আমি মজাদার পাঠকদের জন্য ছেড়ে দেব, তবে একটি আকর্ষণীয় প্লট হ'ল coplot: