এই প্রশ্নের ওষুধে উত্তর থাকতে পারে, তবে বিএমআই সূচকটিকে হিসাবে গণনা করার কোনও পরিসংখ্যানগত কারণ রয়েছে ? উদাহরণস্বরূপ কেন কেবল ? আমার প্রথম ধারণাটি হ'ল চতুর্ভুজীয় রিগ্রেশনটির সাথে এর কিছু সম্পর্ক রয়েছে। ওজন / উচ্চতা
বাস্তব ডেটার নমুনা (ওজন, উচ্চতা, বয়স এবং লিঙ্গ সহ 200 ব্যক্তি):
structure(list(Age = c(18L, 21L, 17L, 20L, 19L, 53L, 27L, 22L,
19L, 27L, 19L, 20L, 19L, 20L, 42L, 17L, 23L, 20L, 20L, 19L, 20L,
19L, 19L, 18L, 19L, 15L, 19L, 15L, 19L, 21L, 60L, 19L, 17L, 23L,
60L, 33L, 24L, 19L, 19L, 22L, 20L, 21L, 19L, 19L, 20L, 18L, 19L,
20L, 22L, 20L, 20L, 27L, 19L, 22L, 19L, 20L, 20L, 21L, 16L, 19L,
41L, 54L, 18L, 23L, 19L, 19L, 22L, 18L, 20L, 19L, 25L, 18L, 20L,
15L, 61L, 19L, 34L, 15L, 19L, 16L, 19L, 18L, 15L, 20L, 20L, 20L,
20L, 19L, 16L, 37L, 37L, 18L, 20L, 16L, 20L, 36L, 18L, 19L, 19L,
20L, 18L, 17L, 22L, 17L, 22L, 16L, 24L, 17L, 33L, 17L, 17L, 15L,
18L, 18L, 16L, 20L, 29L, 24L, 18L, 17L, 18L, 36L, 16L, 17L, 20L,
16L, 43L, 19L, 18L, 20L, 19L, 18L, 21L, 19L, 20L, 23L, 19L, 19L,
20L, 24L, 19L, 20L, 38L, 18L, 17L, 19L, 19L, 20L, 20L, 21L, 20L,
20L, 42L, 17L, 20L, 25L, 20L, 21L, 21L, 22L, 19L, 25L, 19L, 40L,
25L, 52L, 25L, 21L, 20L, 41L, 34L, 24L, 30L, 21L, 27L, 47L, 21L,
16L, 31L, 21L, 37L, 20L, 22L, 19L, 20L, 25L, 23L, 20L, 20L, 21L,
36L, 19L, 21L, 16L, 20L, 18L, 21L, 21L, 18L, 19L), Height = c(180L,
175L, 178L, 160L, 172L, 172L, 180L, 165L, 160L, 187L, 165L, 176L,
164L, 155L, 166L, 167L, 171L, 158L, 170L, 182L, 182L, 175L, 197L,
170L, 165L, 176L, 167L, 170L, 168L, 163L, 155L, 152L, 158L, 165L,
180L, 187L, 177L, 170L, 178L, 170L, 170L, NA, 188L, 180L, 161L,
178L, 178L, 165L, 187L, 178L, 168L, 168L, 180L, 192L, 188L, 173L,
193L, 184L, 167L, 177L, 177L, 160L, 167L, 190L, 187L, 163L, 173L,
165L, 190L, 178L, 167L, 160L, 169L, 174L, 165L, 176L, 183L, 166L,
178L, 158L, 180L, 167L, 170L, 170L, 180L, 184L, 170L, 180L, 169L,
165L, 156L, 166L, 178L, 162L, 178L, 181L, 168L, 185L, 175L, 167L,
193L, 160L, 171L, 182L, 165L, 174L, 169L, 185L, 173L, 170L, 182L,
165L, 160L, 158L, 186L, 173L, 168L, 172L, 164L, 185L, 175L, 162L,
182L, 170L, 187L, 169L, 178L, 189L, 166L, 161L, 180L, 185L, 179L,
170L, 184L, 180L, 166L, 167L, 178L, 175L, 190L, 178L, 157L, 179L,
180L, 168L, 164L, 187L, 174L, 176L, 170L, 170L, 168L, 158L, 175L,
174L, 170L, 173L, 158L, 185L, 170L, 178L, 166L, 176L, 167L, 168L,
169L, 168L, 178L, 183L, 166L, 165L, 160L, 176L, 186L, 162L, 172L,
164L, 171L, 175L, 164L, 165L, 160L, 180L, 170L, 180L, 175L, 167L,
165L, 168L, 176L, 166L, 164L, 165L, 180L, 173L, 168L, 177L, 167L,
173L), Weight = c(60L, 63L, 70L, 46L, 60L, 68L, 80L, 68L, 55L,
89L, 55L, 63L, 60L, 44L, 62L, 57L, 59L, 50L, 60L, 65L, 63L, 72L,
96L, 50L, 55L, 53L, 54L, 49L, 72L, 49L, 75L, 47L, 57L, 70L, 105L,
85L, 80L, 55L, 67L, 60L, 70L, NA, 76L, 85L, 53L, 69L, 74L, 50L,
91L, 68L, 55L, 55L, 57L, 80L, 98L, 58L, 85L, 120L, 62L, 63L,
88L, 80L, 57L, 90L, 83L, 51L, 52L, 65L, 92L, 58L, 76L, 53L, 64L,
63L, 72L, 68L, 110L, 52L, 68L, 50L, 78L, 57L, 75L, 55L, 75L,
68L, 60L, 65L, 48L, 56L, 65L, 65L, 88L, 55L, 68L, 74L, 65L, 62L,
58L, 55L, 84L, 60L, 52L, 92L, 60L, 65L, 50L, 73L, 51L, 60L, 76L,
48L, 50L, 53L, 63L, 68L, 56L, 68L, 60L, 70L, 65L, 52L, 75L, 65L,
68L, 63L, 54L, 76L, 60L, 59L, 80L, 74L, 96L, 68L, 72L, 62L, 58L,
50L, 75L, 70L, 85L, 67L, 65L, 55L, 78L, 58L, 53L, 56L, 72L, 62L,
60L, 56L, 82L, 70L, 53L, 67L, 58L, 58L, 49L, 90L, 58L, 77L, 55L,
70L, 64L, 98L, 60L, 60L, 65L, 74L, 99L, 49L, 47L, 75L, 77L, 74L,
68L, 50L, 66L, 75L, 54L, 60L, 65L, 80L, 90L, 95L, 79L, 57L, 70L,
60L, 85L, 44L, 58L, 50L, 88L, 60L, 54L, 68L, 56L, 69L), Gender = c(1L,
1L, 1L, 1L, 1L, 1L, 2L, 1L, 1L, 2L, 1L, 1L, 1L, 1L, 1L, 1L, 1L,
1L, 1L, 2L, 1L, 2L, 2L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L,
1L, 2L, 2L, 2L, 1L, 1L, 1L, 1L, 1L, 2L, 2L, 1L, 1L, 2L, 1L, 2L,
2L, 1L, 1L, 1L, 2L, 2L, 1L, 2L, 1L, 1L, 1L, 2L, 1L, 1L, 2L, 2L,
1L, 1L, 1L, 2L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 2L, 1L, 1L, 1L, 2L,
1L, 2L, 1L, 2L, 2L, 1L, 2L, 1L, 1L, 1L, 1L, 2L, 1L, 2L, 2L, 1L,
2L, 1L, 1L, 2L, 1L, 1L, 2L, 1L, 1L, 1L, 2L, 1L, 2L, 2L, 1L, 1L,
1L, 2L, 1L, 1L, 1L, 1L, 2L, 2L, 1L, 2L, 1L, 2L, 1L, 1L, 2L, 1L,
1L, 2L, 2L, 2L, 2L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 1L, 1L, 2L,
1L, 1L, 2L, 2L, 1L, 1L, 1L, 1L, 1L, 1L, 2L, 1L, 1L, 1L, 2L, 1L,
2L, 1L, 1L, 1L, 2L, 1L, 1L, 2L, 2L, 1L, 1L, 1L, 2L, 2L, 1L, 2L,
1L, 1L, 1L, 1L, 1L, 1L, 2L, 1L, 2L, 2L, 1L, 1L, 1L, 2L, 1L, 1L,
1L, 2L, 1L, 1L, 2L, 2L, 1L)), .Names = c("Age", "Height", "Weight",
"Gender"), row.names = 304:503, class = "data.frame")
5
আজকাল এই জাতীয় সূত্রগুলি লগ (উচ্চতা) এর বিরুদ্ধে লগ (ওজন) এর লিনিয়ার রিগ্রেশন থেকে বাদ পড়বে , যা (জৈবিক এবং পরিসংখ্যানগত কারণে) এই পরিমাণগুলি বিশ্লেষণ করার আরও প্রাকৃতিক উপায়।
—
whuber
আমি আসল তথ্য দিয়ে এটি চিত্রিত করে আশা করি। "ওজন উচ্চতার ডেটা" এ পাওয়া প্রথম গুগল হিট একটি বড় ইউসিএলএ-দ্বারা পরিচালিত ডেটাসেট । এটা পরিষ্কার নকল! প্রান্তিক বিতরণগুলি পুরোপুরি স্বাভাবিকভাবে বিতরণ করা হয় (5000 এর সাবমের সাথে এসডাব্লু টেস্টগুলি প্রায় সবসময় 1/2 এর কাছাকাছি পি-মান থাকে): কোনও বিদেশী নেই, কোনও কম কার্টোসিস নেই (জেন্ডার সংমিশ্রণ থেকে), কোনও ঝুঁকি নেই (বয়সের মিশ্রণ থেকে)। এই ডেটাগুলি অভিযোগ করা হয়েছে "হংকংয়ের ... বডি মাস ইনডেক্স (বিএমআই) এর জন্য বৃদ্ধির চার্টগুলি বিকাশের জন্য ব্যবহৃত হয়েছিল।" এটা চরম মাছধরা
—
whuber
ধন্যবাদ, তবে উচ্চতা এবং ওজন কীভাবে পৃথক হয় তার একটি ভাল ধারণা দেওয়ার জন্য এই ডেটাগুলি খুব সীমিত হতে পারে। সর্বনিম্ন তাদের লিঙ্গ এবং বয়স অনুসারে শ্রেণিবদ্ধ করা দরকার। এটি স্পষ্ট, যদিও উচ্চতা এবং ওজনের লগারিদমগুলি বিশ্লেষণ করা ভাল: এগুলি @tnphns উল্লেখ করে যে ভিন্ন ভিন্নতা হ্রাস করে এবং অবশিষ্টাংশের বিতরণকে আরও প্রতিসাম্য তৈরি করতে সহায়তা করে। এটি আকর্ষণীয় যে লগের উচ্চতার বিপরীতে লগের ওজনের রিগ্রেশন aাল দেয় । এটি অ্যাডামো দ্বারা উদ্ধৃত কোয়েটলেট 5/2 এর অনুমানের সাথে প্রায় ঠিক তুলনা করে। 5 / 2 = 2.5
—
whuber
library(MASS); rlm(log(Weight) ~ log(Height) + cut(Age, 3) + as.factor(Gender), data=y)rlm(Weight ~ Height + cut(Age, 3) + as.factor(Gender), data=y)y
@ হুবুহু, আমি আপনার কোডটি পুরো নমুনা আকারের সাথে ব্যবহার করেছি (এন = 1336) এবং লগের উচ্চতা (উচ্চতা) প্রায় 1.77 এর কাছাকাছি।
—
মিরোস্লাভ সাবো