আপনি উভয় গণনা ঠিক আছে। বিন্ন ক্রমাগত ভেরিয়েবলগুলির সমস্যার দীর্ঘ তালিকার জন্য এখানে ফ্র্যাঙ্ক হ্যারেলের পৃষ্ঠাটি দেখুন । আপনি কয়েকটি বিন ব্যবহার করলে ভবিষ্যদ্বাণীকারীদের কাছে প্রচুর তথ্য ফেলে দেন; যদি আপনি অনেকগুলি ব্যবহার করেন তবে আপনি কি মসৃণ হওয়া উচিত, যদি লিনিয়ার, সম্পর্ক না হয় এবং প্রচুর পরিমাণে স্বাধীনতা ব্যবহার করেন তবে উইগলসের সাথে মানিয়ে নিতে পারেন। ভবিষ্যদ্বাণীকারীদের জন্য সাধারণত বহুপদী ( ) বা স্প্লাইজগুলি (টুকরোজ বহুভুত যে মসৃণভাবে যোগদান করে) ব্যবহার করা ভাল। আপনি যখন কাট-পয়েন্টগুলিতে প্রতিক্রিয়া থেকে বিরতি প্রত্যাশা করতে চান - বিনিং তখন সত্যিই খুব ভাল ধারণা — বলুন যে তাপমাত্রার কিছুটা উত্সাহিত হয়, বা ড্রাইভিংয়ের আইনী বয়স –, এবং যখন প্রতিক্রিয়া তাদের মধ্যে সমতল হয় ..x + x2+ …
মান, তবে, এটি সম্পর্কে চিন্তা না করেই বক্রতা বিবেচনায় নেওয়ার একটি দ্রুত এবং সহজ উপায়, এবং মডেলটি আপনি এটির জন্য কী ব্যবহার করছেন তার পক্ষে যথেষ্ট ভাল হতে পারে। ভবিষ্যদ্বাণীকারীদের সংখ্যার তুলনায় যখন আপনার প্রচুর ডেটা হবে তখন এটি ঠিকঠাক কাজ করে, প্রতিটি ভবিষ্যদ্বাণীকারী প্রচুর বিভাগে বিভক্ত হয়; প্রতিটি ক্ষেত্রে ভবিষ্যদ্বাণীকারী ব্যান্ডের মধ্যে প্রতিক্রিয়ার পরিসর ছোট এবং গড় প্রতিক্রিয়া হুবহু নির্ধারিত হয়।
[মন্তব্যের জবাবে সম্পাদনা করুন:
কখনও কখনও ক্রমাগত পরিবর্তনশীল জন্য ক্ষেত্রের মধ্যে স্ট্যান্ডার্ড কাট অফস ব্যবহার করা হয়: যেমন medicineষধে রক্তচাপের পরিমাপগুলি নিম্ন, মাঝারি বা উচ্চ হিসাবে শ্রেণিবদ্ধ করা যেতে পারে। আপনি যখন কোনও মডেল উপস্থাপন করেন বা প্রয়োগ করেন তখন এ জাতীয় কাট-অফগুলি ব্যবহার করার জন্য অনেকগুলি ভাল কারণ থাকতে পারে। বিশেষত, সিদ্ধান্তের নিয়মগুলি প্রায়শই কোনও মডেলের পরিবর্তে কম তথ্যের ভিত্তিতে থাকে এবং প্রয়োগ করার জন্য সহজ হতে পারে। তবে এটি অনুসরণ করে না যে আপনি যখন মডেলটি ফিট করেন তখন এই প্রচ্ছদগুলি ভবিষ্যদ্বাণীকারীদের বিনিংয়ের জন্য উপযুক্ত।
ধরা যাক রক্তচাপের সাথে কিছু প্রতিক্রিয়া একটানা পরিবর্তিত হয়। যদি আপনি আপনার গবেষণায় একটি উচ্চ রক্তচাপ গ্রুপকে ভবিষ্যদ্বাণী হিসাবে সংজ্ঞায়িত করেন তবে আপনি যে প্রভাবটি অনুমান করছেন তা হ'ল এই গ্রুপের ব্যক্তিদের বিশেষ রক্তচাপের উপরে গড় প্রতিক্রিয়া। এটা নাসাধারণ জনগণের উচ্চ রক্তচাপের লোকদের বা অন্য গবেষণায় উচ্চ রক্তচাপ গ্রুপের লোকদের গড় প্রতিক্রিয়ার একটি অনুমান, যদি না আপনি এটির জন্য নির্দিষ্ট ব্যবস্থা গ্রহণ করেন। যদি সাধারণ জনগণের রক্তচাপের বিতরণ জানা যায়, যেমনটি আমি ধারণা করি, রক্তচাপের মডেল হিসাবে ভবিষ্যদ্বাণীগুলির উপর ভিত্তি করে সাধারণ জনগণের উচ্চ রক্তচাপের লোকদের গড় প্রতিক্রিয়া গণনা করার জন্য আপনি আরও ভাল করতে পারবেন অবিচ্ছিন্ন পরিবর্তনশীল। অশোধিত বিন্নিং আপনার মডেলটিকে কেবল প্রায় সাধারণীকরণযোগ্য করে তোলে।
সাধারণভাবে, যদি কাট-অফগুলির মধ্যে প্রতিক্রিয়ার আচরণ সম্পর্কে আপনার কাছে প্রশ্ন থাকে তবে আপনি প্রথমে সেরা মডেলটি ফিট করতে পারেন এবং তার উত্তর দেওয়ার জন্য এটি ব্যবহার করুন]]
[উপস্থাপনা সম্পর্কিত; আমি মনে করি এটি একটি লাল রঙের হারিং:
(1) উপস্থাপনা সহজেই মডেলিংয়ের খারাপ সিদ্ধান্তগুলি ন্যায়সঙ্গত করে না। (এবং যে ক্ষেত্রে বেনিং একটি ভাল মডেলিংয়ের সিদ্ধান্ত, এটির জন্য অতিরিক্ত যুক্তিসংগতের প্রয়োজন হয় না)) অবশ্যই এটি স্বতঃস্পষ্ট। কেউ কখনও কখনও কোনও মডেলটির বাইরে গুরুত্বপূর্ণ ইন্টারঅ্যাকশন গ্রহণের পরামর্শ দেয় না কারণ এটি উপস্থাপন করা শক্ত।
(২) আপনি যে ধরণের মডেল মাপসই করেন, আপনি এখনও এর ফলাফলগুলি বিভাগের ক্ষেত্রে উপস্থাপন করতে পারেন যদি আপনি মনে করেন এটি ব্যাখ্যায় সহায়তা করবে। যদিও ...
(৩) উপরের কারণগুলির কারণে এটি ভুল ব্যাখ্যা করতে সহায়তা করে না তা নিশ্চিত করার জন্য আপনাকে সতর্ক থাকতে হবে ।
(4) অ-রৈখিক প্রতিক্রিয়াগুলি উপস্থাপন করা আসলে পক্ষে কঠিন নয়। ব্যক্তিগত মতামত, স্পষ্টতই, এবং শ্রোতাদের আলাদা হয়; তবে আমি কখনই কোনও বাঁকানো কারনে ভবিষ্যদ্বাণীকারী মান ধাঁধা বনাম ফিটযুক্ত প্রতিক্রিয়া মানগুলির একটি গ্রাফ দেখিনি। মিথস্ক্রিয়া, লগইটস, র্যান্ডম এফেক্টস, মাল্টিকোলাইনারিটি, ... — এগুলি ব্যাখ্যা করা খুব শক্ত]
[@ রোল্যান্ডের দ্বারা উত্থাপিত একটি অতিরিক্ত বিষয় হ'ল ভবিষ্যদ্বাণীকারীদের পরিমাপের সঠিকতা; তিনি পরামর্শ দিচ্ছেন, আমি মনে করি, বিশেষত সুনির্দিষ্ট না হলে শ্রেণিবদ্ধকরণ উপযুক্ত হতে পারে। সাধারণ জ্ঞান পরামর্শ দিয়ে থাকি যে আপনি তাদের এমনকি কম অবিকল পুনরায় জানায় বিষয় উন্নত না, & সাধারণ জ্ঞান সঠিক হতে পারে হবে: MacCallum এট (2002), 'পরিমাণগত ভেরিয়েবল Dichotomization প্র্যাকটিস অন " মনস্তাত্ত্বিক পদ্ধতি , 7 , 1, পিপি 17–19।]