কেন স্বাধীন ভেরিয়েবল কেন্দ্রীকরণ সংযম সঙ্গে মূল প্রভাব পরিবর্তন করতে পারে?


28

এই সিভি থ্রেড দ্বারা অনুপ্রাণিত আমার একাধিক রিগ্রেশন এবং মিথস্ক্রিয়া সম্পর্কিত একটি প্রশ্ন রয়েছে: কেন্দ্রিক ভেরিয়েবলগুলি হায়ারারিকিকাল রিগ্রেশন বিশ্লেষণ ব্যবহার করে মিথস্ক্রিয়া শব্দটি? আমাদের কোন ভেরিয়েবলগুলি কেন্দ্র করা উচিত?

একটি সংযোজন প্রভাবের জন্য যখন যাচাই করা হয় আমি আমার স্বতন্ত্র ভেরিয়েবলগুলিকে কেন্দ্র করে এবং আমার মিথস্ক্রিয়া শব্দটি গণনা করার জন্য কেন্দ্রিক ভেরিয়েবলগুলি গুণ করি। তারপরে আমি আমার রিগ্রেশন বিশ্লেষণ চালাই এবং প্রধান এবং মিথস্ক্রিয়া প্রভাবগুলির জন্য যাচাই করি, যা সংযম দেখায়।

যদি আমি কেন্দ্রীভূত না করে বিশ্লেষণটি পুনরায় করি তবে স্পষ্টতই সংকল্পের গুণাগুণ ( ) পরিবর্তিত হয় না তবে রিগ্রেশন সহগ ( গুলি) করে। এটি পরিষ্কার এবং যৌক্তিক বলে মনে হচ্ছে।R2β

যা আমি বুঝতে পারি না: মূল প্রভাবগুলির পি-মানগুলি কেন্দ্রীকরণের সাথে উল্লেখযোগ্যভাবে পরিবর্তিত হয়, যদিও ইন্টারঅ্যাকশনটি (যা সঠিক) নয়। সুতরাং আমার প্রধান প্রভাবগুলির ব্যাখ্যাটি নাটকীয়ভাবে পরিবর্তিত হতে পারে - কেবল কেন্দ্রিক দ্বারা নির্ধারিত হয়। (এটি এখনও উভয় বিশ্লেষণে একই ডেটা!)

কেউ কি স্পষ্ট করতে পারেন? - কারণ এর অর্থ হ'ল আমার ভেরিয়েবলগুলি কেন্দ্র করার বিকল্পটি বাধ্যতামূলক হবে এবং একই ডেটা সহ একই ফলাফল পাওয়ার জন্য প্রত্যেককে এটি করা উচিত।


সেই সমস্যা এবং আপনার বিস্তৃত ব্যাখ্যায় বিতরণের জন্য অনেক ধন্যবাদ। আশ্বাস দিন যে আপনার সাহায্যের খুব প্রশংসা হয়!

আমার জন্য, কেন্দ্রীভূত করার সবচেয়ে বড় সুবিধাটি হ'ল বহু-বর্ণা avoid্যতা এড়ানো। এটি একটি কেন্দ্র প্রতিষ্ঠা করা এখনও বিভ্রান্তিকর, কেন্দ্রীভূত কিনা। আমার ধারণাটি হ'ল, বেশিরভাগ সংস্থানগুলি কেন্দ্রের পরামর্শ দেয় যদিও এটি করার সময় কিছু "ঝুঁকি" রয়েছে। আবার আমি এই সত্যটি প্রকাশ করতে চাই যে, একই উপাদান এবং ডেটা নিয়ে কাজ করা 2 জন গবেষক বিভিন্ন ফলাফল উপসংহারে আসতে পারে, কারণ একজন কেন্দ্রীভূত করে এবং অন্যটি তা করে না। আমি কেবল বোর্টজের একটি বইয়ের কিছু অংশ পড়েছি (তিনি ছিলেন জার্মানি ও ইউরোপের একজন প্রফেসর এবং ধরণের স্ট্যাটিস্টিক্স স্টার) এবং তিনি সেই কৌশলটির কথাও উল্লেখ করেননি; ভেরিয়েবলগুলি যখন ইন্টারঅ্যাকশনের সাথে জড়িত থাকে তখন তার মূল প্রভাবগুলি ব্যাখ্যা করার ক্ষেত্রে কেবল সতর্কতা অবলম্বন করে।

সর্বোপরি, আপনি যখন একটি IV, একজন মডারেটর (বা দ্বিতীয় চতুর্থ) এবং একটি ডিভি দিয়ে একটি রিগ্রেশন পরিচালনা করেন, আপনি কি কেন্দ্রের পরামর্শ দেবেন বা করবেন না?


5
আমি প্রায় কখনওই কেন্দ্রীকরণ ব্যবহার করি না, এটি সম্পূর্ণ অযৌক্তিক এবং বিভ্রান্তির সন্ধান করে।
ফ্রাঙ্ক হ্যারেল

3
উত্তরগুলি আবার মনোযোগ দিয়ে পড়ুন। আপনি যখন স্বাধীন ভেরিয়েবলগুলি কেন্দ্র করেন, বা কোনও রৈখিক রূপান্তর প্রয়োগ করেন - যদি সেগুলি সঠিকভাবে আঁকা হয় তবে আপনার সিদ্ধান্তগুলি পরিবর্তন হবে না । কেন্দ্রীভূত না হওয়ার কারণে বহুজাতিক ar
স্কর্চচি - মনিকা পুনরায় ইনস্টল করুন

1
এই ঘটনাটি (পি-মানগুলি পরিবর্তনের) স্ট্যাটাস.স্ট্যাকেক্সেঞ্জাওয়েজ / সেকশনস / ২৮7/০/২ তে বর্ণিত ইন্টারঅ্যাকশনগুলির চতুর্ভুজ প্রকৃতির পরিণতি হিসাবে বোঝা যায় ।
whuber

উত্তর:


23

কোনও মডেলগুলিতে কোনও ইন্টারঅ্যাকশন শর্তাবলী নেই (এটি এমন কোনও শর্তাদি নয় যা অন্য শর্তাদির পণ্য হিসাবে নির্মিত হয়), প্রতিটি ভেরিয়েবলের রিগ্রেশন সহগ হয় সেই ভেরিয়েবলের দিকের রিগ্রেশন পৃষ্ঠের .াল। এটি ভেরিয়েবলের মান নির্বিশেষে স্থির, এবং তাই সেই ভেরিয়েবলের সামগ্রিক প্রভাব পরিমাপ করার জন্য বলা যেতে পারে।

মিথস্ক্রিয়া সম্পন্ন মডেলগুলিতে, এই ব্যাখ্যাটি কেবলমাত্র সেই পরিবর্তনশীলগুলির ক্ষেত্রেই যোগ্যতা ছাড়াই তৈরি করা যেতে পারে যা কোনও ইন্টারঅ্যাকশনের সাথে জড়িত নয়। মিথস্ক্রিয়ায় জড়িত এমন একটি চলকটির জন্য, "মূল-প্রভাব" রিগ্রেশন সহগ - অর্থাৎ নিজেই ভেরিয়েবলের রিগ্রেশন সহগ - অন্য সকল ভেরিয়েবলের ক্ষেত্রে সেই রিগ্রেশন পৃষ্ঠের theাল হয় that সেই পরিবর্তনশীলটির সাথে ইন্টারেক্ট করুন শূন্যের মান রয়েছে এবং সহগের তাত্পর্য পরীক্ষাটি কেবলমাত্র ভবিষ্যদ্বাণীকারী জায়গার অঞ্চলে রিগ্রেশন পৃষ্ঠের opeালকে বোঝায়। যেহেতু স্থানটির সেই অঞ্চলে প্রকৃতপক্ষে ডেটা থাকার কোনও প্রয়োজন নেই, তাই মূল-প্রভাব গুণফলটি পূর্বাভাসকারী স্থানের অঞ্চলে রিগ্রেশন পৃষ্ঠের opeালের সাথে সামান্য সাদৃশ্য বোধ করতে পারে যেখানে ডেটা আসলে দেখা গেছে।

আনোভা শর্তে, মূল-প্রভাব সহগ একটি সাধারণ মূল প্রভাবের সাথে সমান, সামগ্রিক প্রধান প্রভাব নয়। তদুপরি, এটি কোনও আনোভা ডিজাইনে খালি কোষগুলির মধ্যে কী হতে পারে তাতে ডেটা সহ কোষ থেকে এক্সট্রোপোলেটিং করে ডেটা সরবরাহ করা হত to

ভেরিয়েবলের সামগ্রিক প্রভাবের পরিমাপের জন্য যা আনোভাতে সামগ্রিক মূল প্রভাবের সাথে সমান এবং এটি যে অঞ্চলে ডেটা পরিলক্ষিত হয়েছিল সেগুলি ছাড়িয়ে এক্সট্রোপোলেট হয় না, আমাদের অবশ্যই চলকের দিকের রিগ্রেশন পৃষ্ঠের গড় slালের দিকে নজর দিতে হবে , যেখানে গড়ে এন কেসগুলি বেশি দেখা যায় যা বাস্তবে দেখা যায়। এই গড় opeালটি মডেলটির সমস্ত পদগুলির রিগ্রেশন সহগের একটি ভারিত যোগ হিসাবে প্রকাশিত হতে পারে যা প্রশ্নে পরিবর্তনশীল জড়িত।

ওজন বর্ণনা করার জন্য বিশ্রী তবে সহজেই পাওয়া যায়। একটি ভেরিয়েবলের মূল-প্রভাবের সহগ সর্বদা 1 এর ওজন পায় that ভেরিয়েবলটি জড়িত একটি পদটির একে অপরের সহগের জন্য, ওজনটি সেই পদটির অন্যান্য ভেরিয়েবলের পণ্যটির গড় হয়। উদাহরণস্বরূপ, যদি আমাদের পাঁচটি "কাঁচা" ভেরিয়েবল x1, x2, x3, x4, x5, প্লাস চারটি দ্বি-মুখী মিথস্ক্রিয়া (x1,x2), (x1,x3), (x2,x3), (x4,x5)এবং একটি ত্রি-মুখী ইন্টারঅ্যাকশন থাকে (x1,x2,x3)তবে মডেলটি হ'ল

y = b0 + b1*x1 + b2*x2 + b3*x3 + b4*x4 + b5*x5 +
    b12*x1*x2 + b13*x1*x3 + b23*x2*x3 + b45*x4*x5 +
    b123*x1*x2*x3 + e

এবং সামগ্রিক প্রধান প্রভাব হয়

B1 = b1 + b12*M[x2] + b13*M[x3] + b123*M[x2*x3],

B2 = b2 + b12*M[x1] + b23*M[x3] + b123*M[x1*x3],

B3 = b3 + b13*M[x1] + b23*M[x2] + b123*M[x1*x2],

B4 = b4 + b45*M[x5],

B5 = b5 + b45*M[x4],

যেখানে এম [।] বন্ধনীগুলির অভ্যন্তরের পরিমাণের নমুনা গড় বোঝায়। বন্ধনীর ভিতরে থাকা সমস্ত পণ্যের শর্তাদি সেইগুলিগুলির মধ্যে অন্তর্ভুক্ত যা রিগ্রেশন করার জন্য তৈরি হয়েছিল, সুতরাং একটি রিগ্রেশন প্রোগ্রাম ইতিমধ্যে তাদের সম্পর্কে জানতে হবে এবং অনুরোধে তাদের উপায়গুলি মুদ্রণ করতে সক্ষম হওয়া উচিত।

যে মডেলগুলিতে কেবলমাত্র প্রধান প্রভাব এবং দ্বি-মুখী মিথস্ক্রিয়া রয়েছে, সামগ্রিক প্রভাবগুলি পাওয়ার একটি সহজ উপায় রয়েছে: কেন্দ্রে [1] তাদের মাধ্যমে কাঁচা ভেরিয়েবলগুলি। এটি পণ্য শর্তাদি গণনা করার আগে করা উচিত, এবং পণ্যগুলিতে করা হবে না। তারপরে সমস্ত এম [।] এক্সপ্রেশন 0 হয়ে যাবে এবং রিগ্রেশন সহগগুলি সামগ্রিক প্রভাব হিসাবে ব্যাখ্যাযোগ্য হবে। খ এর মান পরিবর্তন হবে; বি এর মান মানবে না। কেবলমাত্র ভেরিয়েবলগুলি যা মিথস্ক্রিয়াতে জড়িত সেগুলি কেন্দ্রিক করা দরকার তবে অন্যান্য পরিমাপযোগ্য ভেরিয়েবলগুলি কেন্দ্র করে সাধারণত কোনও ক্ষতি হয় না। কোনও ভেরিয়েবলকে কেন্দ্র করে রাখার সাধারণ প্রভাবটি হ'ল ইন্টারসেপ্ট পরিবর্তন করার পাশাপাশি এটি কেবলমাত্র অন্যান্য ভেরিয়েবলের সহগ পরিবর্তন করে যা কেন্দ্রিক ভেরিয়েবলের সাথে যোগাযোগ করে। নির্দিষ্টভাবে, এটি কেন্দ্রের ভেরিয়েবলের সাথে জড়িত কোনও পদগুলির সহগের পরিবর্তন করে না। উপরে বর্ণিত উদাহরণে, x1 কে কেন্দ্র করে বি0, বি 2, বি 3 এবং বি 23 পরিবর্তন হবে।

[1 - "কেন্দ্রিয়করণ" বিবিধ লোকেরা এমন উপায়ে ব্যবহার করে যা বিভ্রান্তির কারণ হিসাবে যথেষ্ট মাত্রায় পৃথক। এখানে ব্যবহৃত হিসাবে, "# তে একটি পরিবর্তনশীল কেন্দ্রীকরণ" এর অর্থ হল ভেরিয়েবলের সমস্ত স্কোর থেকে # বিয়োগ করা, আসল স্কোরগুলি # থেকে বিচ্যুতির দিকে রূপান্তরিত করা]]

তাহলে কেন সবসময় নিয়মিত কেন মাধ্যম হয় না? তিনটি কারণ। প্রথমত, নিরীক্ষিত ভেরিয়েবলগুলির মূল-প্রভাবের সহগগুলি নিজেরাই আগ্রহী হতে পারে। এই ধরনের ক্ষেত্রে কেন্দ্রীকরণ পাল্টা উত্পাদনশীল হবে, যেহেতু এটি অন্যান্য ভেরিয়েবলের মূল-প্রভাব সহগকে পরিবর্তন করে।

দ্বিতীয়ত, কেন্দ্রীকরণ সমস্ত এম [।] এক্সপ্রেশন 0 করে এবং এইভাবে সহজ প্রভাবগুলিকে সামগ্রিক প্রভাবগুলিতে রূপান্তর করে, কেবলমাত্র কোনও ত্রি-উপায় বা উচ্চতর ইন্টারঅ্যাকশন ছাড়াই মডেলগুলিতে । যদি মডেলটিতে এমন ইন্টারঅ্যাকশন থাকে তবে খ -> বি গণনাগুলি এখনও করা আবশ্যক, এমনকি যদি সমস্ত ভেরিয়েবলগুলি তাদের উপায়কে কেন্দ্র করে থাকে।

তৃতীয়ত, গড় হিসাবে একটি মানের কেন্দ্রীভূত করা, যা পূর্বাভাসীদের বিতরণ দ্বারা সংজ্ঞায়িতভাবে যৌক্তিকভাবে নির্বাচিত হওয়ার বিপরীতে সংজ্ঞায়িত করা হয়, এর অর্থ হ'ল কেন্দ্রীকরণ দ্বারা প্রভাবিত সমস্ত গুণফল আপনার নির্দিষ্ট নমুনার সাথে সুনির্দিষ্ট হবে। আপনি যদি মাঝখানে কেন্দ্রীভূত হন তবে আপনার অধ্যয়নের প্রতিলিপি তৈরির চেষ্টা করা কেউ যদি আপনার সাথে একই মানের গুণাগুণ পেতে চান তবে তার নিজস্ব অর্থের ভিত্তিতে নয়, নিজের গড়তে হবে। এই সমস্যার সমাধানটি হ'ল প্রতিটি ভেরিয়েবলকে সেই ভেরিয়েবলের যুক্তিযুক্তভাবে বেছে নেওয়া কেন্দ্রীয় মানতে কেন্দ্র করে নেওয়া যা স্কোরগুলির অর্থের উপর নির্ভর করে এবং স্কোরগুলির বিতরণের উপর নির্ভর করে না। তবে, খ -> বি গণনাগুলি এখনও প্রয়োজনীয় রয়েছে।

সামগ্রিক প্রভাবগুলির তাত্পর্যটি রিগ্রেশন সহগের রৈখিক সংমিশ্রণের জন্য সাধারণ পদ্ধতি দ্বারা পরীক্ষা করা যেতে পারে। তবে ফলাফলগুলি অবশ্যই যত্ন সহকারে ব্যাখ্যা করতে হবে কারণ সামগ্রিক প্রভাবগুলি কাঠামোগত পরামিতি নয় তবে নকশা-নির্ভর। কাঠামোগত প্যারামিটারগুলি - রিগ্রেশন কোফিয়েনটিয়েন্টস (অরক্ষিত, বা যৌক্তিক কেন্দ্রের সাথে) এবং ত্রুটির বৈকল্পিক - ভবিষ্যদ্বাণীকারীদের বিতরণে পরিবর্তনের অধীনে অপরিবর্তিত থাকার আশা করা যেতে পারে তবে সামগ্রিক প্রভাবগুলি সাধারণত পরিবর্তিত হবে। সামগ্রিক প্রভাবগুলি নির্দিষ্ট নমুনার সাথে সুনির্দিষ্ট এবং ভবিষ্যদ্বাণীকারীদের উপর বিভিন্ন বিতরণ সহ অন্যান্য নমুনাগুলি নিয়ে যাওয়ার আশা করা উচিত নয়। যদি সামগ্রিক প্রভাবটি একটি গবেষণায় উল্লেখযোগ্য এবং অন্যটিতে না হয় তবে এটি ভবিষ্যদ্বাণীকারীদের বিতরণে পার্থক্য ছাড়া আর কিছুই প্রতিফলিত করতে পারে।


10

কারণ একাধিক পূর্বাভাসক জড়িত যে কোনও প্রতিরোধের ক্ষেত্রে, গুলি আংশিক সহগ; তাদের ভবিষ্যদ্বাণীকারী প্রতিটি 1-ইউনিট বৃদ্ধি জন্য নির্ভরশীল পরিবর্তনশীল মধ্যে পূর্বাভাস পরিবর্তন হিসাবে ব্যাখ্যা করা হয়, অন্যান্য সমস্ত ভবিষ্যদ্বাণীকে ধ্রুবক ধরে।β

মিথষ্ক্রিয়া পদ জড়িত একটি রিগ্রেশনে, উদাহরণস্বরূপ , প্রতিটি 1-ইউনিট বাড়ানোর নির্ভরশীল পরিবর্তনশীল মধ্যে প্রত্যাশিত বৃদ্ধি , সব অন্যান্য পদ ধ্রুবক অধিষ্ঠিত । এটি শব্দটির জন্য একটি সমস্যা , কারণ এটি পরিবর্তিত হবে। - বা (ইন্টারঅ্যাকশনের সাথে জড়িত দুটি ভেরিয়েবল) এর 1-ইউনিট বৃদ্ধির জন্য ইন্টারঅ্যাকশন টার্মটি স্থির রাখার একমাত্র উপায় হ'ল অন্য ভেরিয়েবল 0 এ সেট করা, সুতরাং, যখন কোনও ভেরিয়েবল ইন্টারঅ্যাকশন টার্মের অংশ হয় , এর ব্যাখ্যাy=β1x1+β2x2+β3x1x2+ϵβ1x1β3x1x2x1x1x2βএই ভেরিয়েবলের জন্য অন্যান্য ভেরিয়েবল 0 এর শর্তাধীন — কেবল স্থির রাখা হয় না।

এই কারণে, মিথস্ক্রিয়াতে জড়িত অন্যান্য পরিবর্তনশীল যেখানে 0 রয়েছে তার উপর নির্ভর করে s এর ব্যাখ্যা পরিবর্তিত হবে ; যেখানে 0 আগ্রহের পরিবর্তনশীলে রয়েছে আসলে তার সহগের ব্যাখ্যা পরিবর্তন করে না। এই ক্ষেত্রে, উদাহরণস্বরূপ, মধ্যে পূর্বাভাস বৃদ্ধি প্রতিটি 1-ইউনিট বাড়ানোর যখন । যদি এবং মধ্যে সম্পর্কটি ফাংশন হিসাবে পরিবর্তিত হয় (যখন আপনি কোনও মিথস্ক্রিয়া শব্দটি অন্তর্ভুক্ত করার সময় এটি অনুমান করে থাকেন), তবে এর তাত্পর্য কেন্দ্র করে ফাংশন হিসাবে পরিবর্তিত হবেββ1yx1 x2=0x1yx2β1x2

এছাড়াও, মনে রাখবেন যে যদি আপনার মান কেন্দ্রীকরণের ফাংশন হিসাবে উল্লেখযোগ্যভাবে পরিবর্তন হয় তবে আপনার ইন্টারঅ্যাকশন শব্দটি সম্ভবত তাৎপর্যপূর্ণ; আর যদি তা না হয়, "প্রধান প্রভাব" ব্যাখ্যা বিভ্রান্তিকর হতে পারে, কারণ এর অর্থ এই যে মধ্যকার সম্পর্ক এবং এর মান উপর নির্ভর করে তদ্বিপরীত, এবং। এর সাথে মোকাবিলার একটি সাধারণ উপায় হ'ল ফাংশন হিসাবে পূর্বাভাসিত মানগুলি কয়েকটি মানের জন্য (যেমন, 3; উদাহরণস্বরূপ, 0 এবং SD 1 এসডি) প্লট করা ।βx1yx2yx1x2


-1

আমি একই প্রশ্নে পাগল হয়ে যাচ্ছি, তবে অবশেষে আমি আপনার এবং আমার সমস্যার সমাধান খুঁজে পেয়েছি। এটি আপনার কেন্দ্রিক বৈচিত্রগুলি কীভাবে সংগ্রহ করতে পারে তার সব কিছুই। দুটি বিকল্প উপলব্ধ:
1. অর্থ - স্বতন্ত্র বৈকল্পিক 2 - স্বতন্ত্র বৈকল্পিক - অর্থ
আপনি সম্ভবত আপনার কেন্দ্রিক পরিবর্তনশীলগুলি (পৃথক ভেরিয়েবল - গড় মান) হিসাবে গণনা করেছেন , অতএব নিম্ন মানের সহকারীগুলি নেতিবাচক স্কোর পাবে, এবং উচ্চ মানের সহকারীগুলি ইতিবাচক হবে স্কোর।
এটি বোঝার সহজ করার জন্য আমি একটি উদাহরণ দিয়ে ব্যাখ্যা করব। আমি দেখতে চাই পেশী শক্তি কীভাবে হাড়ের ভরকে প্রভাবিত করে এবং আমি এটি লিঙ্গকে বিবেচনা করতে চাই যাতে এটি মেয়েশিশু ও ছেলেদের ক্ষেত্রে আলাদাভাবে প্রভাবিত করে। ধারণাটি হ'ল পেশীর শক্তি হাড়ের ভর যত বেশি। আমার তাই আছে:

নির্ভরশীল ভেরিয়েবল: হাড়ের ভর স্বতন্ত্র ভেরিয়েবল: লিঙ্গ, পেশী শক্তি, মিথস্ক্রিয়া_এসএক্স_এমএসসিএল স্ট্রেন্থ।

যেহেতু আমি বহুবিধ লাইনারিটি পেয়েছি (আপনি সাধারণত কোনও ইন্টারঅ্যাকশন শব্দ থাকাকালীন করেন), আমি পেশী স্ট্রেংথ (MEAN - ND।। AR।।।। V V V V V V V V V V V V V V V V V V V AR AR আমার সহগ ছিল

ধ্রুবক: 0.902
লিঙ্গ: -0.010(ছেলেরা = 0; গার্লস = 1)
কেন্দ্রিক পেশী: -0.023
মিথস্ক্রিয়া: 0.0002
সুতরাং আপনি যদি একটি ছেলেদের হাড়ের ভর অনুমান করতে চান তবে আপনার নীচের সমীকরণটি হবে:
হাড়ের ভর =0.902(00.010)(0.023musclecentredvalue)+(Interaction0.0002)

এটি দেখে আপনি ভাবতে পারেন যে পেশী হাড়কে নেতিবাচকভাবে প্রভাবিত করছে, তবে আপনাকে আপনার মূল পরিবর্তনশীলগুলি নয়, আপনার কেন্দ্রিক ভেরিয়েবলগুলি বিবেচনা করতে হবে। ধরা যাক গ্রুপটির গড় পেশী শক্তি ছিল 30 KG। এবং আপনি যে ছেলের (WEAKBOY) পারফর্ম করেছেন 20 KGএবং অন্যটি (স্ট্রংবোয়) করেছেন তার হাড়ের ভর অনুমান করতে চান 40KG। উইকবয়ের কেন্দ্রিক মানগুলি হ'ল (মূল গ্রুপ ভ্যালু - স্বতন্ত্র মূল্য; 30 - 20 = 10), এবং স্ট্রংবয়ের জন্য -10 হবে। এই মানগুলি সমীকরণে প্রয়োগ করা:

উইকবয় হাড়ের ভর = 0.902 - 0 - (0.023 * 10) + .... = 0.672

স্ট্রংবোয় হাড়ের ভর = 0.902 - (0.023 * (- 10)) + ... = 1.132

আপনি দেখতে পাচ্ছেন স্ট্রংবয়ের সত্যই শক্তিশালী হাড় থাকবে। আপনি যদি অন্যভাবে আপনার ভেরিয়েবলগুলি কেন্দ্র করে থাকেন: (স্বতন্ত্র - অর্থ), সমস্ত সহগগুলি একই হবে তবে চিহ্নগুলি পৃথক হবে। কারণ আপনি যখন কেন্দ্রিক পরিবর্তনশীল প্রয়োগ করবেন তখন WEAKBOY (-10) হবে এবং স্ট্রংবোয় হবে (+10)। অতএব চূড়ান্ত ফলাফল ঠিক একই হবে।

একবার আপনি এটি বুঝতে পারলে এটি সমস্ত অর্থবোধ করে।

আশা করি উদাহরণটি যথেষ্ট পরিস্কার।


এই ভুলটি পি-মানগুলির পরিবর্তনগুলি ব্যাখ্যা করবে না। বিটিডাব্লু, আপনার বিকল্প (1) কেন্দ্র করে না, কারণ এটিতেও একটি ধ্রুবক দ্বারা মানগুলি গুন করা অন্তর্ভুক্ত। (ধ্রুবকটি হ'ল -1।)
শুকনো
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.