মনোবিজ্ঞান এবং অন্যান্য ক্ষেত্রে ধাপে ধাপে ধাপে ধাপে ধাপে ধাপে ধাপে ধাপে ধাপে ধাপে ধাপে ধাপে ধাপে ধাপে ধাপে ধাপে ধাপে ধাপে ধাপে ধাপে ধাপে ধাপে ধাপে ধাপে ধাপে কমিয়ে আনার ক্ষেত্রে নিযুক্ত থাকে:
- বাকী ভবিষ্যদ্বাণীকারীদের দিকে তাকান (প্রথমে কোনও মডেলটিতে নেই) এবং ভবিষ্যদ্বাণীকে সনাক্ত করুন যা সবচেয়ে বড় আর-বর্গ পরিবর্তনের ফলাফল দেয়;
- আর-বর্গ পরিবর্তনের পি-মানটি যদি আলফা (সাধারণত .05) এর চেয়ে কম হয়, তবে সেই পূর্বাভাসককে অন্তর্ভুক্ত করুন এবং পদক্ষেপ 1 এ ফিরে যান, অন্যথায় থামুন।
উদাহরণস্বরূপ, এসপিএসএস এ এই পদ্ধতিটি দেখুন ।
প্রক্রিয়াটি নিয়মিতভাবে বিস্তৃত কারণে সমালোচিত হয় ( স্টাটা ওয়েবসাইটে রেফারেন্স সহ এই আলোচনাটি দেখুন )।
বিশেষত, স্টাটা ওয়েবসাইট ফ্র্যাঙ্ক হ্যারেলের বেশ কয়েকটি মন্তব্যের সংক্ষিপ্তসার করেছে। আমি দাবিতে আগ্রহী:
[ধাপে ধাপে সংক্ষিপ্তকরণ] আর-স্কোয়ার মানগুলি দেয় যা খারাপভাবে পক্ষপাতদুষ্ট উচ্চ।
বিশেষত, আমার কিছু বর্তমান গবেষণা জনসংখ্যার আর-বর্গ অনুমানের উপর দৃষ্টি নিবদ্ধ করে । জনসংখ্যার মাধ্যমে আমি বর্গক্ষেত্রের সাথে জনসংখ্যার ডেটা উত্পন্ন করে সমীকরণের সংখ্যার দ্বারা ব্যাখ্যা করা বৈচিত্র্যের শতাংশের উল্লেখ করি। আমি যে বিদ্যমান সাহিত্যের পর্যালোচনা করছি তার বেশিরভাগটি পদক্ষেপের নিরোধক পদ্ধতি ব্যবহার করেছে এবং আমি জানতে চাই যে প্রদত্ত অনুমানগুলি পক্ষপাতদুষ্ট এবং যদি তাই হয় তবে কতটা। বিশেষত, একটি সাধারণ গবেষণায় 30 পূর্বাভাসকারী, এন = 200, .05 এর প্রবেশের আলফা এবং .50 এর কাছাকাছি আর-বর্গ অনুমান থাকবে।
আমি কি জানি:
- অ্যাসিপেমোটোটিকভাবে, কোনও শূন্য-সহগ সহ যে কোনও ভবিষ্যদ্বাণী হবেন এটি একটি পরিসংখ্যানগতভাবে গুরুত্বপূর্ণ ভবিষ্যদ্বাণীকারী এবং আর-স্কোয়ার সমন্বিত আর-বর্গের সমান হবে। সুতরাং, অ্যাসেম্পোটোটিকভাবে ধাপে ধাপে ধাপে রিগ্রেশনটির সত্যিকারের রিগ্রেশন সমীকরণ এবং সত্য জনসংখ্যার আর-বর্গের অনুমান করা উচিত।
- নমুনা আকারের ছোট আকারের সাথে, কিছু ভবিষ্যদ্বাণীকারীদের সম্ভাব্য বাদ পড়ার ফলে সমস্ত ভবিষ্যদ্বাণীকারীদের মডেলটিতে অন্তর্ভুক্ত করার চেয়ে ছোট আর-বর্গক্ষেত্রের ফলাফল হবে। তবে আর-বর্গক্ষেত্রের নমুনা তথ্যের সাধারণ পক্ষপাতও আর-বর্গকে বাড়িয়ে তুলবে। সুতরাং, আমার নির্বোধ চিন্তাভাবনাটি হ'ল সম্ভাব্যভাবে, এই দুটি বিরোধী শক্তি কিছু নির্দিষ্ট পরিস্থিতিতে একটি নিরপেক্ষ আর-স্কোয়ারের ফলে আসতে পারে। এবং আরও সাধারণভাবে, পক্ষপাতের দিকনির্দেশটি ডেটা এবং আলফা অন্তর্ভুক্তির মানদণ্ডের বিভিন্ন বৈশিষ্ট্যগুলির উপর নির্ভরশীল।
- আরও কঠোর আলফা অন্তর্ভুক্তির মানদণ্ড (উদাহরণস্বরূপ, .01, .001, ইত্যাদি) সেট করার ফলে প্রত্যাশিত আনুমানিক আর-স্কোয়ারটি কম হওয়া উচিত কারণ ডেটাগুলির কোনও প্রজন্মের কোনও ভবিষ্যদ্বাণীকে অন্তর্ভুক্ত করার সম্ভাবনা কম থাকবে।
- সাধারণভাবে, আর-স্কোয়ারটি জনসংখ্যার আর-স্কোয়ারের একটি upর্ধ্বমুখী পক্ষপাতমূলক অনুমান এবং এই পক্ষপাতের ডিগ্রি আরও প্রেডিক্টর এবং আরও ছোট নমুনার আকারের সাথে বৃদ্ধি পায়।
প্রশ্ন
সুতরাং অবশেষে, আমার প্রশ্ন:
- ধাপে ধাপে রিগ্রেশন থেকে আর-বর্গ কি পরিমাণে জনসংখ্যার আর-বর্গের পক্ষপাতদুষ্ট অনুমানের ফলাফল দেয়?
- নমুনা আকার, ভবিষ্যদ্বাণীকারীদের সংখ্যা, আলফা অন্তর্ভুক্তির মানদণ্ড বা উপাত্তের বৈশিষ্ট্যগুলির সাথে এই পক্ষপাত কতটা সম্পর্কিত?
- এই বিষয়ে কোন রেফারেন্স আছে?