কনট্রাস্ট ম্যাট্রিক্স কী?


46

কনট্রাস্ট ম্যাট্রিক্স ঠিক কী (এক শব্দ, শ্রেণীবদ্ধ ভবিষ্যদ্বাণীগুলির সাথে বিশ্লেষণের সাথে সম্পর্কিত) এবং বিপরীতে ম্যাট্রিক্সকে ঠিক কীভাবে নির্দিষ্ট করা হয়? অর্থাৎ কলামগুলি কী, সারিগুলি কী, সেই ম্যাট্রিক্সের সীমাবদ্ধতাগুলি কী এবং কলাম jএবং সারিতে সংখ্যার iঅর্থ কী? আমি ডক্স এবং ওয়েবে সন্ধান করার চেষ্টা করেছি তবে মনে হচ্ছে সবাই এটি ব্যবহার করে এখনও কোথাও কোনও ত্রুটি নেই। আমি উপলভ্য প্রাক-সংজ্ঞায়িত বৈসাদৃশ্যগুলিকে পিছনে-ইঞ্জিনিয়ার করতে পারি, তবে আমি মনে করি সংজ্ঞাটি ছাড়া এটি পাওয়া উচিত।

> contr.treatment(4)
  2 3 4
1 0 0 0
2 1 0 0
3 0 1 0
4 0 0 1
> contr.sum(4)
  [,1] [,2] [,3]
1    1    0    0
2    0    1    0
3    0    0    1
4   -1   -1   -1
> contr.helmert(4)
  [,1] [,2] [,3]
1   -1   -1   -1
2    1   -1   -1
3    0    2   -1
4    0    0    3
> contr.SAS(4)
  1 2 3
1 1 0 0
2 0 1 0
3 0 0 1
4 0 0 0

"কনট্রাস্ট ম্যাট্রিক্স" মডেলিংয়ে শ্রেণিবদ্ধ আইভি (ফ্যাক্টর) উপস্থাপন করতে ব্যবহৃত হয়। বিশেষত, এটি "কনট্রাস্ট ভেরিয়েবল" (ডামি ভেরিয়েবল কেবল উদাহরণ হিসাবে) এর একটি সেটটিতে একটি ফ্যাক্টরটি পুনঃনির্মাণ করতে ব্যবহৃত হয়। প্রতিটি ধরণের বিপরীতে ভেরিয়েবলের নিজস্ব সংশ্লিষ্ট বৈসাদৃশ্য ম্যাট্রিক্স রয়েছে। উদাহরণস্বরূপ দেখুন আমার নিজের সম্পর্কিত প্রশ্ন , এখনও উত্তর দেওয়া হয়নি।
ttnphns

5
@ttnphns দুঃখিত, তবে আপনি সমস্ত ডক্স এবং ওয়েবগুলি যা করে তা চালিয়ে যান: কনট্রাস্ট ম্যাট্রিক্স কী তা এই প্রশ্নের সমাধান না করে আপনি কী কনট্রাস্ট ম্যাট্রিক্স ব্যবহার করছেন তা ব্যাখ্যা করে used এটি একটি সংজ্ঞার উদ্দেশ্য ।
কৌতূহলী

3
অবশ্যই এটি সম্পর্কিত, তবে "এটি যা প্রয়োজন" থেকে "এটি" থেকে উদ্ভূত হওয়া একটি গোয়েন্দার কাজ, যা প্রয়োজন হওয়া উচিত নয়। এটা বিপরীত প্রকৌশল। বিষয়গুলি নথিভুক্ত করা উচিত।
কৌতূহলী

2
ats.ucla.edu/stat/r/library/contrast_coding.htmR কোডিং পদ্ধতির উপর একটি সু- কেন্দ্রিক সম্পদ।
হোবল

1
@ করিয়াস, কেবল আপনাকে জানাতে: আমি টিটিএনফএনসকে 100 টি অনুগ্রহ দিয়েছি, তবে গুস_স্টকেও পুরষ্কার দেওয়ার জন্য আমি অন্য একটি অনুগ্রহ শুরু করব (বা অন্য কাউকে এটি করতে বলব)। আমি আমার নিজের উত্তরও লিখেছি, কেবলমাত্র যদি আপনি একটি সংক্ষিপ্ত উত্তর পছন্দ করেন তবে :-)
অ্যামিবা বলেছেন মনিকাকে

উত্তর:


31

তাদের চমৎকার উত্তরে, @ গুস_েস্ট, বিপরীতে সহগ ম্যাট্রিক্স এল (সেখানে একটি সি হিসাবে চিহ্নিত ) এর মর্মের গাণিতিক ব্যাখ্যা গ্রহণ করেছেন । অবিবাহিত সাধারণ রৈখিক মডেলিংয়ে হাইপোথেসিগুলি পরীক্ষা করার মৌলিক সূত্র (যেখানে প্যারামিটার এবং একটি নাল অনুমানের প্রতিনিধিত্বকারী অনুমানযোগ্য ফাংশন), এবং সেই উত্তরটি আধুনিক আনোভা প্রোগ্রামগুলিতে ব্যবহৃত কিছু প্রয়োজনীয় সূত্রগুলি দেখায়।বি কেLb=kbk

আমার উত্তরটি খুব আলাদাভাবে স্টাইল করা হয়েছে। এটি এমন একজন ডেটা বিশ্লেষকের জন্য যিনি নিজেকে একজন "গণিতবিদ" এর চেয়ে "ইঞ্জিনিয়ার" দেখেন, সুতরাং উত্তরটি (পৃষ্ঠপোষক) "ব্যবহারিক" বা "ধর্মান্তরক" অ্যাকাউন্ট হবে এবং কেবলমাত্র বিষয়ের (1) উত্তর দেওয়ার দিকে মনোনিবেশ করবে বিপরীতে সহগের অর্থ এবং (২) তারা লিনিয়ার রিগ্রেশন প্রোগ্রামের মাধ্যমে আনোভা সম্পাদন করতে কীভাবে সহায়তা করতে পারে ।

আনোভা ডামি ভেরিয়েবলগুলির সাথে রিগ্রেশন হিসাবে: বৈপরীত্য প্রবর্তন করছে

আসুন নির্ভরশীল ভেরিয়েবল ওয়াই এবং শ্রেণীবদ্ধ ফ্যাক্টর এ সহ 3 টি স্তর (গোষ্ঠী) সহ আনোভা কল্পনা করি । আসুন লিনিয়ার রিগ্রেশন পয়েন্ট অব ভিউ থেকে আনোভাতে নজর দেওয়া যাক - ফ্যাক্টরটিকে ডামি (ওরফে ইনডিকেটর ওরফে ট্রিটমেন্ট ওরফে ওয়ান হট ) বাইনারি ভেরিয়েবলের সেটে পরিণত করার মাধ্যমে । এটি আমাদের স্বাধীন সেট এক্স । (সম্ভবত সকলেই শুনেছেন যে এইভাবে আনোভা করা সম্ভব - ডামি ভবিষ্যদ্বাণীগুলির সাথে লিনিয়ার রিগ্রেশন হিসাবে))

যেহেতু তিনটি দলের একটি অপ্রয়োজনীয়, কেবলমাত্র দুটি ডামি ভেরিয়েবল লিনিয়ার মডেলটিতে প্রবেশ করবে। অপ্রয়োজনীয়, বা রেফারেন্স হতে গ্রুপপাইয়ন নিয়োগ করুন। এক্স গঠনকারী ডামি প্রেডিক্টরগুলি কনট্রাস্ট ভেরিয়েবলের উদাহরণ , অর্থাৎ প্রাথমিক ভেরিয়েবলগুলির একটি ফ্যাক্টরের বিভাগের প্রতিনিধিত্ব করে। এক্স নিজেই প্রায়শই ডিজাইন ম্যাট্রিক্স বলা হয়। আমরা এখন একাধিক লিনিয়ার রিগ্রেশন প্রোগ্রামে ডেটাসেটটি ইনপুট করতে পারি যা ডেটা কেন্দ্র করে এবং রিগ্রেশন সহগ (পরামিতি) যেখানে " + "সিউডোইনভারকে মনোনীত করে।b=(XX)1Xy=X+y

সমমানের পাসটি সেন্টারিংয়ের জন্য নয় বরং এক্সের মধ্যে 1 টি এর প্রথম কলাম হিসাবে মডেলের ধ্রুবক পদ যুক্ত করা হবে , তারপরে মতো সহগের হিসাব করুন । এ পর্যন্ত সব ঠিকই.b=(XX)1Xy=X+y

আমাদের ম্যাট্রিক্স সংজ্ঞায়িত করা যাক সি স্বাধীন ভেরিয়েবল নকশা ম্যাট্রিক্স অ্যাগ্রিগেশন (সংক্ষেপণ) হতে এক্স । এটি কেবল আমাদের দেখানো কোডিং স্কিমটি দেখায় - কনট্রাস্ট কোডিং ম্যাট্রিক্স (= ভিত্তি ম্যাট্রিক্স): ।C=aggrX

C
              Const  A1    A2
Gr1 (A=1)       1     1     0
Gr2 (A=2)       1     0     1
Gr3 (A=3,ref)   1     0     0

কলমগুলি এক্স এর ভেরিয়েবল (কলাম) হয় - প্রাথমিক কনট্রাস্ট ভেরিয়েবল এ 1 এ 2, এই ক্ষেত্রে ডামি এবং সারিগুলি ফ্যাক্টরের সমস্ত গ্রুপ / স্তর। সূচক বা ডামি বিপরীতে কোডিং স্কিমের জন্য আমাদের কোডিং ম্যাট্রিক্স সি ছিল ।

এখন, কে বিপরীতে সহগ ম্যাট্রিক্স বা এল-ম্যাট্রিক্স বলা হয়। যেহেতু সি বর্গ হয়, । বিপরীতে ম্যাট্রিক্স, আমাদের সি এর সাথে সম্পর্কিত - এটি আমাদের উদাহরণের সূচক বিপরীতে রয়েছে - তাই:এল = সি + = সি - 1C+=LL=C+=C1

L
          Gr1   Gr2   Gr3
         (A=1) (A=2) (A=3)
Const      0     0     1            => Const = Mean_Gr3
A1         1     0    -1            => Param1 = Mean_Gr1-Mean_Gr3
A2         0     1    -1            => Param2 = Mean_Gr2-Mean_Gr3

এল-ম্যাট্রিক্স বিপরীতে সহগগুলি দেখায় এমন ম্যাট্রিক্স । নোট করুন যে প্রতিটি সারিতে বিপরীতে সহগের যোগফল (সারি কনস্ট্যান্ট বাদে) । এই জাতীয় প্রতিটি সারি একটি বিপরীতে বলা হয় । সারিগুলি বিপরীতে ভেরিয়েবলের সাথে সামঞ্জস্য করে এবং কলামগুলি গ্রুপ, ফ্যাক্টরের স্তরের সাথে সামঞ্জস্য করে।0

বিপরীতে সহগগুলির তাত্পর্যটি হ'ল তারা বুঝতে পারে যে প্রতিটি প্রভাব (প্রতিটি প্যারামিটার বি আমাদের এক্সের সাথে রিগ্রেশনে অনুমান করা হয়েছে , কোড হিসাবে কোড করা হয়েছে) পার্থক্যের (গ্রুপ তুলনা) অর্থে উপস্থাপন করে । সহগতির অনুসরণ করে আমরা তাত্ক্ষণিকভাবে দেখতে পাচ্ছি, অনুমানীকৃত কনস্ট্যান্ট রেফারেন্স গোষ্ঠীতে Y এর সমান হবে; যে প্যারামিটার বি 1 (ডামি ভেরিয়েবল এ 1 এর অর্থ) পার্থক্যটির সমান হবে: Y1 গ্রুপ 1 মাইনাস ওয়াই এর সাথে জিওআর 3 3; এবং প্যারামিটার বি 2 হ'ল পার্থক্য: গ্রুপ 2 বিয়োগের মানে জিওপি 3 এ হবে।

দ্রষ্টব্য : "উপরে" ঠিক উপরে (এবং আরও নীচে) বলার অর্থ আমরা অনুমান করা (মডেল দ্বারা পূর্বাভাস দেওয়া) অর্থ একটি গোষ্ঠীর জন্য বোঝানো, কোনও গ্রুপে পর্যবেক্ষণ করা মানে নয়।

একটি শিক্ষণীয় মন্তব্য : যখন আমরা বাইনারি প্রেডিকটর ভেরিয়েবল দ্বারা একটি রিগ্রেশন করি , তখন এই জাতীয় একটি ভেরিয়েবলের প্যারামিটারটি ভেরিয়েবল = 1 এবং ভেরিয়েবল = 0 গ্রুপের মধ্যে ওয়াইয়ের পার্থক্য সম্পর্কে বলে। যাইহোক, বাইনারি ভেরিয়েবলগুলি যখন একটি লেভেল ফ্যাক্টরটি উপস্থাপন করে k-1 ডামি ভেরিয়েবলগুলির সেট হয় তখন kপ্যারামিটারটির অর্থ সংকীর্ণ হয় : এটি ভেরিয়েবল = 1 এবং (কেবল ভেরিয়েবল = 0 নয় এমনকি এমনকি) রেফারেন্স-পরিবর্তনশীল এর মধ্যে Y এর মধ্যে পার্থক্য দেখায় = 1 টি গ্রুপ।

যেমন (পরে দ্বারা গুণিত হয় ) আমাদের জন্য খ এর মান নিয়ে আসে , একইভাবে বি এর অর্থ নিয়ে আসে । y ( a g g r X ) +X+y(aggrX)+

ঠিক আছে, আমরা বিপরীতে সহগ ম্যাট্রিক্স এল এর সংজ্ঞা দিয়েছি । যেহেতু , প্রতিসমভাবে , যার অর্থ আপনি যদি শ্রেণীবদ্ধ ফ্যাক্টরের উপর ভিত্তি করে একটি বিপরীতে ম্যাট্রিক্স এল তৈরি বা তৈরি করে থাকেন তবে (গুলি) - আপনার বিশ্লেষণে সেই এলটি পরীক্ষা করতে , তারপরে সাধারণ রিগ্রেশন সফ্টওয়্যারটির মাধ্যমে এল পরীক্ষা করার জন্য আপনার বিপরীত পূর্বাভাসকারী ভেরিয়েবল এক্সকে সঠিকভাবে কীভাবে কোড করবেন সে সম্পর্কে আপনার ক্লু রয়েছে ie উপায়, এবং মোটেই শ্রেণিবদ্ধ বিষয়গুলি স্বীকৃতি না দেওয়া)। আমাদের বর্তমান উদাহরণে কোডিংটি ছিল - সূচক (ডামি) ধরণের ভেরিয়েবল। সি = এল + = এল - 1L=C+=C1C=L+=L1

আনোভা হিসাবে রিগ্রেশন: অন্যান্য বিপরীতে প্রকারের

আসুন আমরা সংক্ষেপে অন্যান্য বিপরীতে ধরনের পালন করা যাক (কোডিং স্কিম =, = একখান শৈলী) একটি শ্রেণীগত ফ্যাক্টর জন্য একটি

বিচ্যুতি বা প্রভাব বিপরীতেসি এবং এল ম্যাট্রিক্স এবং প্যারামিটার অর্থ:

C
              Const  A1    A2
Gr1 (A=1)       1     1     0
Gr2 (A=2)       1     0     1
Gr3 (A=3,ref)   1    -1    -1

L
          Gr1   Gr2   Gr3
         (A=1) (A=2) (A=3)
Const     1/3   1/3   1/3      => Const = 1/3Mean_Gr3+1/3Mean_Gr2+1/3Mean_Gr3 = Mean_GU
A1        2/3  -1/3  -1/3      => Param1 = 2/3Mean_Gr1-1/3(Mean_Gr2+Mean_Gr3) = Mean_Gr1-Mean_GU
A2       -1/3   2/3  -1/3      => Param2 = 2/3Mean_Gr2-1/3(Mean_Gr1+Mean_Gr3) = Mean_Gr2-Mean_GU

                                  Parameter for the reference group3 = -(Param1+Param2) = Mean_Gr3-Mean_GU

                                  Mean_GU is grand unweighted mean = 1/3(Mean_Gr1+Mean_Gr2+Mean_Gr3)

বিচ্যুতি কোডিংয়ের মাধ্যমে, ফ্যাক্টরের প্রতিটি গ্রুপকে তুলনা করা হয় নিরক্ষিত গ্র্যান্ড গড়ের সাথে, তবে কনস্ট্যান্ট হ'ল গ্র্যান্ড মানে। বিপর্যয়মূলক পূর্বাভাসকারীদের সাথে এক্সের কাছ থেকে বিদ্রোহ বা প্রভাব "পদ্ধতিতে" কোড করা কোডের সাথে আপনি এই জাতীয় প্রতিক্রিয়া পান।

সাধারণ বিপরীতে । এই বিপরীতে / কোডিং স্কিমটি একটি সূচক এবং বিচ্যুতি ধরণের সংকর, এটি বিচ্যুতির ধরণের মতো কনস্ট্যান্টের অর্থ এবং সূচক প্রকারের মতো অন্যান্য পরামিতির অর্থ দেয়:

C
              Const  A1    A2
Gr1 (A=1)       1   2/3  -1/3
Gr2 (A=2)       1  -1/3   2/3
Gr3 (A=3,ref)   1  -1/3  -1/3

L
          Gr1   Gr2   Gr3
         (A=1) (A=2) (A=3)
Const     1/3   1/3   1/3        => Const = as in Deviation
A1         1     0    -1         => Param1 = as in Indicator
A2         0     1    -1         => Param2 = as in Indicator

হেলমার্ট বিপরীতে । প্রতিটি গ্রুপকে (রেফারেন্স ব্যতীত) পরবর্তী গ্রুপগুলির অদ্বিতীয় গড়ের সাথে তুলনা করে এবং কনস্ট্যান্ট হ'ল অপ্রকাশিত গ্র্যান্ড গড়। সি এবং এল ম্যাট্রেস:

C
              Const  A1    A2
Gr1 (A=1)       1   2/3    0
Gr2 (A=2)       1  -1/3   1/2
Gr3 (A=3,ref)   1  -1/3  -1/2

L
          Gr1   Gr2   Gr3
         (A=1) (A=2) (A=3)
Const     1/3   1/3   1/3        => Const = Mean_GU
A1         1   -1/2  -1/2        => Param1 = Mean_Gr1-1/2(Mean_Gr2+Mean_Gr3)
A2         0     1    -1         => Param2 = Mean_Gr2-Mean_Gr3

পার্থক্য বা বিপরীত হেলমার্ট বিপরীতে । পূর্ববর্তী দলগুলির অদ্বিতীয় গড়ের সাথে প্রতিটি গ্রুপের (রেফারেন্স ব্যতীত) তুলনা করা হয় এবং কনস্ট্যান্ট হ'ল অপ্রকাশিত গ্র্যান্ড গড়।

C
              Const  A1    A2
Gr1 (A=1)       1  -1/2  -1/3
Gr2 (A=2)       1   1/2  -1/3
Gr3 (A=3,ref)   1    0    2/3

L
          Gr1   Gr2   Gr3
         (A=1) (A=2) (A=3)
Const     1/3   1/3   1/3        => Const = Mean_GU
A1        -1     1     0         => Param1 = Mean_Gr2-Mean_Gr1
A2       -1/2  -1/2    1         => Param2 = Mean_Gr3-1/2(Mean_Gr2+Mean_Gr1)

পুনরাবৃত্তি বিপরীতে । প্রতিটি গ্রুপকে (রেফারেন্স ব্যতীত) পরবর্তী গ্রুপের সাথে তুলনা করে এবং কনস্ট্যান্ট হ'ল অপ্রকাশিত গ্র্যান্ড গড়।

C
              Const  A1    A2
Gr1 (A=1)       1   2/3   1/3
Gr2 (A=2)       1  -1/3   1/3
Gr3 (A=3,ref)   1  -1/3  -2/3

L
          Gr1   Gr2   Gr3
         (A=1) (A=2) (A=3)
Const     1/3   1/3   1/3        => Const = Mean_GU
A1         1    -1     0         => Param1 = Mean_Gr1-Mean_Gr2
A2         0     1    -1         => Param2 = Mean_Gr2-Mean_Gr3

প্রশ্নটি জিজ্ঞাসা করে: how exactly is contrast matrix specified?এখনও পর্যন্ত বর্ণিত বৈপরীত্যের ধরণগুলি দেখে কীভাবে তা উপলব্ধি করা সম্ভব। প্রতিটি ধরণের কীভাবে L এর মানগুলি পূরণ করতে হয় তার যুক্তি রয়েছে । যুক্তিটি প্রতিটি প্যারামিটারের অর্থ কী তা প্রতিফলিত করে - দুটি গ্রুপের সংমিশ্রণগুলি কী কী তা তুলনা করার পরিকল্পনা করা হয়েছে।

বহুবচন বিপরীতে । এগুলি কিছুটা বিশেষ, ননলাইনার। প্রথম প্রভাবটি লিনিয়ার এক, দ্বিতীয়টি চতুর্ভুজ, পরবর্তীটি ঘনকৃত। আমি এখানে তাদের সি এবং এল ম্যাট্রিকগুলি কীভাবে তৈরি করতে হবে এবং যদি তারা একে অপরের বিপরীত হয় তবে এই প্রশ্নহীন অ্যাকাউন্ট ছাড়ছি । দয়া করে এই ধরণের বৈপরীত্যের গভীর @ আন্তোনি পেরেল্লাদার ব্যাখ্যা: 1 , 2 এর সাথে পরামর্শ করুন

সুষম ডিজাইনে হেলমার্ট, বিপরীত হেলমার্ট এবং বহুপদী বিপরীতে সর্বদা অরথোগোনাল বিপরীতে থাকে । উপরে উল্লিখিত অন্যান্য ধরণের অর্থোথোনাল বিপরীতে নয়। অরথোগোনাল (ভারসাম্যের আওতায়) এমন বিপরীতে যেখানে প্রতিটি সারিতে বিপরীতে ম্যাট্রিক্স এল সমষ্টি (কনস্ট্যান্ট ব্যতীত) শূন্য এবং প্রতিটি জোড় সারিগুলির সংশ্লিষ্ট উপাদানগুলির যোগফলগুলি শূন্য হয়।

বহু বৈচিত্রের ব্যতীত, যা আমি পরীক্ষা করি নি, বাদে এখানে বিভিন্ন কনট্রাস্ট প্রকারের অধীনে অ্যাঙ্গেল মিলের ব্যবস্থা (কোসাইন এবং পিয়ারসন সম্পর্ক) রয়েছে। আসুন kলেভেলের সাথে একক ফ্যাক্টর এ থাকি এবং পরে এটি k-1একটি নির্দিষ্ট ধরণের কনট্রাস্ট ভেরিয়েবলের সেটে পুনরায় সংযুক্ত করা হয় । এই বিপরীতে ভেরিয়েবলগুলির মধ্যে পারস্পরিক সম্পর্ক বা কোসাইন ম্যাট্রিক্সের মানগুলি কী কী?

                     Balanced (equal size) groups     Unbalanced groups
Contrast type             cos        corr              cos        corr

INDICATOR                  0       -1/(k-1)             0         varied
DEVIATION                 .5          .5              varied      varied
SIMPLE                 -1/(k-1)    -1/(k-1)           varied      varied
HELMERT, REVHELMERT        0           0              varied      varied
REPEATED                varied   =  varied            varied      varied

   "=" means the two matrices are same while elements in matrix vary

আমি তথ্যের জন্য টেবিল দিচ্ছি এবং এটিকে নিঃশর্ত রেখে দিচ্ছি। সাধারণ রৈখিক মডেলিংয়ের উপর গভীর দৃষ্টি দেওয়া এটির জন্য কিছুটা গুরুত্বপূর্ণ।

ব্যবহারকারী-সংজ্ঞায়িত বিপরীতে । এটি একটি কাস্টম তুলনা অনুমান পরীক্ষা করার জন্য আমরা রচনা করি। সাধারণত প্রতিটিতে যোগফলের যোগফল থাকে তবে এল এর প্রথম সারিতে 0 টি হওয়া উচিত যার অর্থ এই সারিটিতে দুটি গ্রুপ বা দুটি সংশ্লেষের তুলনা করা হচ্ছে (অর্থাত্ সেই পরামিতি দ্বারা)।

মডেল পরামিতি সব পরে ?

তারা কি সারি বা এল এর কলামগুলি ? উপরের পাঠ্য জুড়ে আমি বলছিলাম যে প্যারামিটারগুলি এল এর সারিগুলির সাথে সামঞ্জস্যপূর্ণ , কারণ সারিগুলি বিপরীতে পরিবর্তনগুলি, ভবিষ্যদ্বাণীকারীদের প্রতিনিধিত্ব করে। কলামগুলি যখন একটি ফ্যাক্টরের স্তরের, তখন গ্রুপগুলি। এটি এর সাথে মতবিরোধে পড়ে যেতে পারে, উদাহরণস্বরূপ, @ গুস_স্টের উত্তর থেকে তাত্ত্বিক ব্লক, যেখানে স্পষ্টভাবে কলামগুলি প্যারামিটারের সাথে মিল রয়েছে:

H0:[011000011000011][β0β1β2β3β4]=[000]

আসলে, কোনও বৈপরীত্য নেই এবং "সমস্যার" উত্তর: বিপরীতে সহগ ম্যাট্রিক্সের সারি এবং কলাম উভয়ই প্যারামিটারের সাথে মিল রয়েছে! কেবল স্মরণ করুন যে বিপরীতে (বিপরীতে ভেরিয়েবলগুলি), সারিগুলি প্রাথমিকভাবে ফ্যাক্টর স্তরগুলি ছাড়া অন্য কিছুই উপস্থাপনের জন্য তৈরি করা হয়েছিল: এগুলি বাদ দেওয়া রেফারেন্স বাদে স্তরগুলি। সাধারণ বৈপরীত্যের জন্য দয়া করে এল-ম্যাট্রিক্সের এই দুটি সমতুল্য বানানটির তুলনা করুন:

L
          Gr1   Gr2   Gr3
          A=1   A=2   A=3(reference)
Const     1/3   1/3   1/3 
A1         1     0    -1  
A2         0     1    -1   

L
            b0    b1    b2    b3(redundant)
           Const  A=1   A=2   A=3(reference)
b0  Const   1    1/3   1/3   1/3 
b1  A1      0     1     0    -1  
b2  A2      0     0     1    -1   

প্রথমটি হ'ল আমি আগে যা দেখিয়েছি, দ্বিতীয়টি হ'ল "তাত্ত্বিক" (সাধারণ রৈখিক মডেল বীজগণিতের জন্য) বিন্যাস। সহজভাবে, কনস্ট্যান্ট পদটির সাথে সম্পর্কিত একটি কলাম যুক্ত করা হয়েছিল। প্যারামিটার কোফিসিয়েন্টস ট্যাগ সারি এবং কলাম। অপ্রয়োজনীয় হিসাবে প্যারামিটার বি 3, শূন্যতে সেট করা হবে। কোডিং ম্যাট্রিক্স সি পেতে আপনি দ্বিতীয় লেআউটটিকে ছদ্মবেশিত করতে পারেন , নীচের অংশে ডান অংশে আপনি এখনও বিপরীতে ভেরিয়েবল এ 1 এবং এ 2 এর জন্য সঠিক কোড পাবেন। এটি বর্ণিত কোনও বিপরীতে প্রকারের জন্যই হবে (সূচক প্রকার ব্যতীত - যেখানে এই জাতীয় আয়তক্ষেত্রাকার বিন্যাসের সিউডোয়েন্টারগুলি সঠিক ফল দেয় না; সম্ভবত এই কারণেই সুবিধার জন্য সাধারণ বিপরীতে প্রকারের উদ্ভাবন করা হয়েছিল: সূচক প্রকারের অনুরূপ বৈসাদৃশ্য সহগুণগুলি, তবে সারি কনস্ট্যান্ট)।

বিপরীতে প্রকার এবং আনোভা সারণী ফলাফল

(μ1=μ2,μ2=μ3)(μ1=μ23,μ2=μ3)(μ1=μ123,μ2=μ123)(μ1=μ3,μ2=μ3)

সাধারণ রৈখিক মডেল দৃষ্টান্তের মাধ্যমে প্রয়োগ করা আনোভা প্রোগ্রামগুলি আনোভা টেবিল (সংযুক্ত প্রভাব: প্রধান, মিথস্ক্রিয়া) এবং পরামিতি অনুমানের সারণী (প্রাথমিক প্রভাব বি ) উভয়ই প্রদর্শন করতে পারে । কিছু প্রোগ্রাম ব্যবহারকারীর বিড হিসাবে বিপরীত প্রকারের পরবর্তী টেবিলের সংবাদদাতাকে আউটপুট দিতে পারে তবে বেশিরভাগ ক্ষেত্রেই এক প্রকারের সাথে পরামিতিগুলির প্রতিনিধিত্ব করা হয় - প্রায়শই, সূচক টাইপ, কারণ সাধারণ লিনিয়ার মডেল ভিত্তিক আনোভা প্রোগ্রামগুলি বিশেষত ডামি ভেরিয়েবলগুলি (সবচেয়ে সুবিধাজনক) করতে হবে) এবং তারপরে নির্দিষ্ট "লিঙ্কিং" সূত্রগুলি দ্বারা বৈকল্পিকের জন্য স্যুইচ করুন নির্দিষ্ট ডামি ইনপুটটিকে একটি (স্বেচ্ছাচারী) বিপরীতে ব্যাখ্যা করতে।

যেখানে আমার উত্তরে - এএনওওএকে রিগ্রেশন হিসাবে দেখানো হচ্ছে - "লিঙ্ক "টি ইনপুট এক্সের স্তরের সাথেই উপলব্ধি করা হয়েছিল , যা ডেটাগুলির জন্য অ্যাপোকার্টের কোডিং স্কিমার ধারণাটি প্রবর্তন করার আহ্বান জানিয়েছিল ।

আনোভা পরীক্ষা করে দেখানো কয়েকটি উদাহরণ যথারীতি রিগ্রেশনের মাধ্যমে বিপরীত হয়

আনোভাতে অনুরোধটি একটি বিপরীতে প্রকারে এসপিএসে দেখানো হচ্ছে এবং লিনিয়ার রিগ্রেশনের মাধ্যমে একই ফলাফল পাওয়া যায়। ওয়াই এবং ফ্যাক্টর (3 স্তর, রেফারেন্স = শেষ) এবং বি (4 স্তর, রেফারেন্স = শেষ) সহ আমাদের কিছু ডেটাসেট রয়েছে ; পরে নীচের তথ্য খুঁজে।

বিচ্যুতি পুরো কল্পিত মডেল (এ, বি, এ * বি) এর সাথে উদাহরণের বিপরীতে। বিভক্তির প্রকার A এবং B উভয়ের জন্য অনুরোধ করা হয়েছে (আমরা আপনার তথ্যের জন্য প্রতিটি ফ্যাক্টরের জন্য আলাদা ধরণের চাহিদা বেছে নিতে পারি)।

A এবং B এর জন্য বিপরীতে সহগ ম্যাট্রিক্স এল :

            A=1      A=2      A=3
Const     .3333    .3333    .3333 
dev_a1    .6667   -.3333   -.3333
dev_a2   -.3333    .6667   -.3333

            B=1      B=2      B=3      B=4
Const     .2500    .2500    .2500    .2500
dev_b1    .7500   -.2500   -.2500   -.2500 
dev_b2   -.2500    .7500   -.2500   -.2500 
dev_b3   -.2500   -.2500    .7500   -.2500

আনোভা প্রোগ্রামকে ( GLMএসপিএসএসে) বৈকল্পিক বিশ্লেষণ করতে এবং বিচ্যুতি বৈপরীত্যের জন্য সুস্পষ্ট ফলাফল আউটপুট দেওয়ার জন্য অনুরোধ করুন:

এখানে চিত্র বর্ণনা লিখুন

এখানে চিত্র বর্ণনা লিখুন

ডিভিয়েশন কনট্রাস্ট ধরণের তুলনা A = 1 বনাম গ্র্যান্ড আনউইটেড গড় এবং এ = 2 এর সাথে একই গড় হয়। লাল উপবৃত্তাকার পার্থক্য অনুমান এবং তাদের পি-মান কালি। A ফ্যাক্টরের উপরের সম্মিলিত প্রভাবটি লাল আয়তক্ষেত্র দ্বারা কালিযুক্ত। ফ্যাক্টর বি এর জন্য, এরিটিংটি একইভাবে নীল রঙে কালিযুক্ত। আনোভা সারণীটিও প্রদর্শন করা হচ্ছে। সেখানে নোট করুন যে সম্মিলিত বিপরীতে প্রভাবগুলি এর মূল প্রভাবগুলির সমান।

এখানে চিত্র বর্ণনা লিখুন

আসুন এখন শারীরিকভাবে বিপরীতে ভেরিয়েবলগুলি dev_a1, dev_a2, dev_b1, dev_b2, dev_b3 তৈরি করুন এবং রিগ্রেশন রান করুন। কোডিং সি ম্যাট্রিক্সগুলি পেতে এল- ম্যাট্রিকগুলি বিপরীত করুন :

      dev_a1   dev_a2
A=1   1.0000    .0000 
A=2    .0000   1.0000 
A=3  -1.0000  -1.0000

      dev_b1   dev_b2   dev_b3
B=1   1.0000    .0000    .0000 
B=2    .0000   1.0000    .0000 
B=3    .0000    .0000   1.0000 
B=4  -1.0000  -1.0000  -1.0000

X=DCDkk

কনট্রাস্ট ভেরিয়েবল তৈরি করে, মিথস্ক্রিয়ার প্রতিনিধিত্ব করতে ভেরিয়েবলগুলি পেতে বিভিন্ন কারণ থেকে তাদের মধ্যে গুণিত করুন (আমাদের আনোভা মডেলটি সম্পূর্ণ ফ্যাকটোরিয়াল ছিল): dev_a1b1, dev_a1b2, dev_a1b3, dev_a2b1, dev_a2b2, dev_a2b3। তারপরে সমস্ত ভবিষ্যদ্বাণীকারীদের সাথে একাধিক লিনিয়ার রিগ্রেশন চালান।

এখানে চিত্র বর্ণনা লিখুন

প্রত্যাশিত হিসাবে, ডি_এএ 1 এর বিপরীতে "স্তর 1 বনাম মিন" এর মতই কার্যকর; ডিভ_এ 2 "লেভেল 2 বনাম মিন", ইত্যাদি ইত্যাদির মতোই - উপরের আনোভা বিপরীতে বিশ্লেষণের সাথে স্বাক্ষরিত অংশগুলি তুলনা করুন।

মনে রাখবেন যে আমরা যদি ইন্টারঅ্যাকশন ভেরিয়েবলগুলি dev_a1b1, dev_a1b2 ব্যবহার না করতাম ... রিগ্রেশনে ফলাফলগুলি কেবল মূল-প্রভাব-কেবল আনোভা বিপরীতে বিশ্লেষণের ফলাফলের সাথে মিলিত হয়।

একই সম্পূর্ণ ফ্যাক্টরিয়াল মডেলের (A, B, A * B) এর অধীনে সরল বিপরীতে উদাহরণ।

A এবং B এর জন্য বিপরীতে সহগ ম্যাট্রিক্স এল :

            A=1      A=2      A=3
Const     .3333    .3333    .3333 
sim_a1   1.0000    .0000  -1.0000
sim_a2    .0000   1.0000  -1.0000

            B=1      B=2      B=3      B=4
Const     .2500    .2500    .2500    .2500
sim_b1   1.0000    .0000    .0000  -1.0000
sim_b2    .0000   1.0000    .0000  -1.0000
sim_b3    .0000    .0000   1.0000  -1.0000

সহজ বিপরীতে জন্য আনোভা ফলাফল:

এখানে চিত্র বর্ণনা লিখুন

এখানে চিত্র বর্ণনা লিখুন

সামগ্রিক ফলাফল (আনোভা সারণি) বিচ্যুতি বিপরীতে (এখন প্রদর্শিত হচ্ছে না) হিসাবে একই।

শারীরিকভাবে কনট্রাস্ট ভেরিয়েবলগুলি সিম_এ 1, সিম_এ 2, সিম_বি 1, সিম_বি 2, সিম_বি 3 তৈরি করুন। এল-ম্যাট্রিক্সগুলি উল্টিয়ে কোডিং ম্যাট্রিকগুলি হ'ল (ডাব্লু / ও কনস্ট্যান্ড কলাম):

      sim_a1   sim_a2
A=1    .6667   -.3333
A=2   -.3333    .6667
A=3   -.3333   -.3333

      sim_b1   sim_b2   sim_b3
B=1    .7500   -.2500   -.2500
B=2   -.2500    .7500   -.2500
B=3   -.2500   -.2500    .7500
B=4   -.2500   -.2500   -.2500

X=DC

এখানে চিত্র বর্ণনা লিখুন

পূর্বের মতো, আমরা দেখতে পেলাম যে রিগ্রেশন এবং আনোভা ফলাফল। একটি সাধারণ বৈসাদৃশ্য ভেরিয়েবলের একটি রিগ্রেশন প্যারামিটার হ'ল ফ্যাক্টর এবং রেফারেন্সের (এবং আমাদের উদাহরণের শেষটি) এর স্তরের মধ্যে পার্থক্য (এবং এর তাত্পর্য পরীক্ষা)।

উদাহরণগুলিতে ব্যবহৃত দ্বি-গুণক তথ্য:

     Y      A      B
 .2260      1      1
 .6836      1      1
-1.772      1      1
-.5085      1      1
1.1836      1      2
 .5633      1      2
 .8709      1      2
 .2858      1      2
 .4057      1      2
-1.156      1      3
1.5199      1      3
-.1388      1      3
 .4865      1      3
-.7653      1      3
 .3418      1      4
-1.273      1      4
1.4042      1      4
-.1622      2      1
 .3347      2      1
-.4576      2      1
 .7585      2      1
 .4084      2      2
1.4165      2      2
-.5138      2      2
 .9725      2      2
 .2373      2      2
-1.562      2      2
1.3985      2      3
 .0397      2      3
-.4689      2      3
-1.499      2      3
-.7654      2      3
 .1442      2      3
-1.404      2      3
-.2201      2      4
-1.166      2      4
 .7282      2      4
 .9524      2      4
-1.462      2      4
-.3478      3      1
 .5679      3      1
 .5608      3      2
1.0338      3      2
-1.161      3      2
-.1037      3      3
2.0470      3      3
2.3613      3      3
 .1222      3      4

ব্যবহারকারীর সংজ্ঞা বিপরীত উদাহরণ। আসুন 5 টি স্তর সহ একক ফ্যাক্টর এফ করি । আমি আনোভা এবং রিগ্রেশনে কাস্টম অরথোগোনাল বিপরীতে একটি সেট তৈরি এবং পরীক্ষা করব।

এখানে চিত্র বর্ণনা লিখুন

LL

বৈসাদৃশ্যগুলি পরীক্ষা করার জন্য এসপিএস-এর আনোভা পদ্ধতিতে ম্যাট্রিক্স জমা দিন। ঠিক আছে, আমরা ম্যাট্রিক্স থেকে যে কোনও এক সারি (বিপরীতে) জমা দিতে পারি, তবে আমরা পুরো ম্যাট্রিক্স জমা দেব কারণ - পূর্ববর্তী উদাহরণগুলির মতো - আমরা রিগ্রেশনের মাধ্যমে একই ফলাফল পেতে চাইব, এবং রিগ্রেশন প্রোগ্রামটির সম্পূর্ণ প্রয়োজন হবে কনট্রাস্ট ভেরিয়েবলের সেট (সচেতন হতে হবে যে তারা একত্রে একটি ফ্যাক্টরের সাথে জড়িত!)। আমরা L এর সাথে ধ্রুব সারি যুক্ত করব, ঠিক যেমনটি আমরা আগে করেছি, যদিও আমাদের যদি বিরতি পরীক্ষা করার প্রয়োজন না হয় তবে আমরা এটি নিরাপদে বাদ দিতে পারি।

UNIANOVA Y BY F
  /METHOD=SSTYPE(3)
  /INTERCEPT=INCLUDE
  /CONTRAST (F)= special
       (.2 .2 .2 .2 .2
         3  3 -2 -2 -2
         1 -1  0  0  0
         0  0  2 -1 -1
         0  0  0  1 -1)
  /DESIGN=F.

Equivalently, we might also use this syntax (with a more flexible /LMATRIX subcommand)
if we omit the Constant row from the matrix.
UNIANOVA Y BY F
  /METHOD=SSTYPE(3)
  /INTERCEPT=INCLUDE
  /LMATRIX= "User contrasts"
       F  3  3 -2 -2 -2;
       F  1 -1  0  0  0;
       F  0  0  2 -1 -1;
       F  0  0  0  1 -1
  /DESIGN=F.

এখানে চিত্র বর্ণনা লিখুন

সামগ্রিক বিপরীতে প্রভাব (ছবিটির নীচে) প্রত্যাশিত সামগ্রিক আনোভা প্রভাবের মতো নয়:

এখানে চিত্র বর্ণনা লিখুন

তবে এটি কেবলমাত্র এল ম্যাট্রিক্সে আমাদের কনস্ট্যান্ট শব্দটি সন্নিবেশ করানোর আর্টফ্যাক্ট। এর জন্য, এসপিএসএস ইতিমধ্যে কনস্ট্যান্ট প্রয়োগ করে যখন ব্যবহারকারী-সংজ্ঞায়িত বিপরীতে নির্দিষ্ট করা হয়। L থেকে অবিচ্ছিন্ন সারিটি সরিয়ে ফেলুন এবং আমরা একই বিপরীতে ফলাফলগুলি পেয়ে যাব (উপরের ছবিতে ম্যাট্রিক্স কে) যে এল 0 এর বিপরীতে প্রদর্শিত হবে না। এবং সামগ্রিক বিপরীতে প্রভাব সামগ্রিক আনোভা সাথে মেলে:

এখানে চিত্র বর্ণনা লিখুন

C=L+X=DC

C
      use_f1   use_f2   use_f3   use_f4
F=1    .1000    .5000    .0000    .0000
F=2    .1000   -.5000    .0000    .0000
F=3   -.0667    .0000    .3333    .0000
F=4   -.0667    .0000   -.1667    .5000
F=5   -.0667    .0000   -.1667   -.5000

এখানে চিত্র বর্ণনা লিখুন

ফলাফলের পরিচয় পর্যবেক্ষণ করুন। এই উদাহরণে ব্যবহৃত ডেটা:

     Y      F
 .2260      1
 .6836      1
-1.772      1
-.5085      1
1.1836      1
 .5633      1
 .8709      1
 .2858      1
 .4057      1
-1.156      1
1.5199      2
-.1388      2
 .4865      2
-.7653      2
 .3418      2
-1.273      2
1.4042      2
-.1622      3
 .3347      3
-.4576      3
 .7585      3
 .4084      3
1.4165      3
-.5138      3
 .9725      3
 .2373      3
-1.562      3
1.3985      3
 .0397      4
-.4689      4
-1.499      4
-.7654      4
 .1442      4
-1.404      4
-.2201      4
-1.166      4
 .7282      4
 .9524      5
-1.462      5
-.3478      5
 .5679      5
 .5608      5
1.0338      5
-1.161      5
-.1037      5
2.0470      5
2.3613      5
 .1222      5

(এম) আনোভা বিশ্লেষণ ব্যতীত অন্যগুলির মধ্যে বিপরীতে

নামমাত্র ভবিষ্যদ্বাণীকারীরা যেখানেই উপস্থিত হন, তার বিপরীতে প্রশ্ন (কোন পূর্বনির্ধারকের জন্য নির্বাচন করতে কোন বৈসাদৃশ্য ধরণের) উত্থাপিত হয়। কিছু প্রোগ্রাম এটিকে অভ্যন্তরীণভাবে দৃশ্যের পিছনে সমাধান করে যখন সামগ্রিকভাবে, সর্বজনীন ফলাফলগুলি নির্বাচিত ধরণের উপর নির্ভর করে না। যদি আপনি আরও "প্রাথমিক" ফলাফল দেখতে একটি নির্দিষ্ট ধরণের চান তবে আপনাকে নির্বাচন করতে হবে। আপনি যখন একটি পছন্দসই তুলনা অনুমানটি পরীক্ষা করছেন তখন আপনি একটি বিপরীতেও (বা বরং, রচনা) নির্বাচন করুন।

(এম) আনোভা এবং লগলাইনার বিশ্লেষণ, মিশ্রিত এবং কখনও কখনও জেনারাইজড লিনিয়ার মডেলিংয়ের মধ্যে বিভিন্ন ধরণের বৈপরীত্যের মাধ্যমে ভবিষ্যদ্বাণীদের চিকিত্সার বিকল্প অন্তর্ভুক্ত থাকে। তবে আমি যেমন দেখানোর চেষ্টা করেছি, স্পষ্টভাবে এবং হাতে কলমে বৈকল্পিক হিসাবে বৈসাদৃশ্য তৈরি করা সম্ভব। তারপরে, যদি আপনার কাছে আনোভা প্যাকেজ না থাকে তবে আপনি এটি করতে পারেন - একাধিক প্রতিক্রিয়া সহ - অনেক ক্ষেত্রে সৌভাগ্য হিসাবে।


1
দয়া করে এই উত্তরটি সম্ভব হলে কেবল আনোভাতে সীমাবদ্ধ করবেন না। আপনি যখন আমার প্রশ্নের উত্তর দিয়েছিলেন তখন সেই মুহূর্তে [আওভা] ট্যাগটি অ্যামিবা যুক্ত করেছিলেন তবে আমি উত্তরটি কেবল আনোভাতেই সীমাবদ্ধ রাখতে চাই না।
কৌতুহল

CLCL

@ মোয়েবা, আমি "কনট্রাস্ট ম্যাট্রিক্স" এর সাথে পরিচিত নই এবং প্রায় নিশ্চিতভাবেই এটি "কনট্রাস্ট কোপিটিভ ম্যাট্রিক্স" বা এল-ম্যাট্রিক্সের পক্ষে দাঁড়িয়েছে, যা এম (এ) এনওভা / জিএলএম-র একটি অফিসিয়াল বা কমপক্ষে প্রশস্ত পরিভাষা। "কনট্রাস্ট কোডিং ম্যাট্রিক্স" শব্দটি খুব কম উল্লেখ করা হয়েছে কারণ এটি কেবল ডিজাইনের ম্যাট্রিক্স এক্সের সংক্ষিপ্ত দৃশ্য; আমি এসপিএসএসের প্রবীণ পরিসংখ্যানবিদ ডেভ নিকোলসের কাগজগুলিতে ব্যবহৃত "ভিত্তি ম্যাট্রিক্স" শব্দটি দেখেছি। একেবারে, এল (অফিশিয়াল লেবেল) এবং সি (স্বেচ্ছাসেবক লেবেল?) ম্যাট্রিকগুলি এতটা নিবিড়ভাবে জড়িত যে কেউ একজনকে অন্যজনকে খুব কমই আলোচনা করতে পারে। আমি মনে করি যে "কন্ট্রাস্ট ম্যাট্রিক্স" এই জুটি হিসাবে বিবেচনা করা উচিত।
ttnphns

1
হ্যা আমি রাজি. এতক্ষণে আমি নিশ্চিত হয়েছি যে "কনট্রাস্ট ম্যাট্রিক্স" এমন একটি শব্দ যা কেবল আর সম্প্রদায়ে ব্যবহৃত হয় এবং কোডিং স্কিমকে বোঝায়। আমি পাঠ্যপুস্তকটি যাচাই করেছিলাম যেটি গাসেস্ট উল্লেখ করেছে এবং তারা কখনই "বিপরীতে ম্যাট্রিক্স" শব্দটি ব্যবহার করে না, তারা কেবল "বৈপরীত্য" সম্পর্কে কথা বলে থাকে (তার উত্তরের নীচে আমার শেষ মন্তব্য দেখুন)। ওপি স্পষ্টভাবে আর অর্থে "বিপরীতে ম্যাট্রিক্স" সম্পর্কে জিজ্ঞাসা করছিল।
অ্যামিবা বলেছেন মনিকার

1
That L will determine what are you going to test, you aren't free anymore to choose what to testβi=0β1β2/2β3/2=0

17

আমি ভেক্টরদের জন্য ছোট-বড় অক্ষর এবং ম্যাট্রিক্সের জন্য বড় হাতের অক্ষর ব্যবহার করব।

ফর্মের রৈখিক মডেলের ক্ষেত্রে:

y=Xβ+ε

যেখানে হ'ল একটি ম্যাট্রিক্স , এবং আমরা ধরে নিই ।Xn×(k+1)k+1nεN(0,σ2)

আমরা অনুমান করতে পারেন দ্বারা , যেহেতু of এর বিপরীত উপস্থিত।β^(XX)1XyXX

এখন, আনোভা মামলার জন্য আমাদের কাছে full পুরোপুরি নয় full এর প্রভাবটি হ'ল আমাদের কাছে এবং আমাদের জেনারালাইজড ইনভার্সের জন্য নিষ্পত্তি করতে হবে ।X(XX)1(XX)

এই সাধারণ বিপরীতটি ব্যবহার করার একটি সমস্যা হ'ল এটি অনন্য নয়। আর একটি সমস্যা হ'ল আমরা for এর জন্য একটি নিরপেক্ষ অনুমানকটি খুঁজে পাচ্ছি না , যেহেতু β

β^=(XX)XyE(β^)=(XX)XXβ.

সুতরাং, আমরা অনুমান করতে পারবে না । তবে আমরা কী s এর রৈখিক সংমিশ্রণ অনুমান করতে পারি ?ββ

আমরা যে একটি রৈখিক সমন্বয় আছে s 'এর বলে হল শ্রদ্ধেয় যদি অস্তিত্ব আছে একটি ভেক্টর যে এই ধরনের ।βgβaE(ay)=gβ


বৈপরীত্য শ্রদ্ধেয় ফাংশন একটি বিশেষ ক্ষেত্রে যা এর কোফিসিয়েন্টস এর সমষ্টি হয় শূন্য সমান।g

এবং, লিনিয়ার মডেলটিতে শ্রেণিবদ্ধ ভবিষ্যদ্বাণীগুলির প্রসঙ্গে বিপরীতে উঠে আসে। (যদি আপনি @ অ্যামিবার সাথে যুক্ত ম্যানুয়ালটি পরীক্ষা করেন তবে দেখতে পাবেন যে তাদের সমস্ত বিপরীতে কোডিং শ্রেণিবদ্ধ ভেরিয়েবলের সাথে সম্পর্কিত)। তারপরে, @ করিয়াস এবং @ অ্যামিবার জবাব দিয়ে, আমরা দেখতে পাচ্ছি যে তারা আনোভাতে উত্থিত হয়েছে, তবে কেবলমাত্র ধ্রুবক ভবিষ্যদ্বাণীকারীদের সাথে "খাঁটি" রিগ্রেশন মডেল হিসাবে নয় (আমরা এএনসিওএতে বিপরীত সম্পর্কেও কথা বলতে পারি, যেহেতু এটিতে আমাদের কিছু স্পষ্টিকর পরিবর্তনশীল রয়েছে)।


এখন, মডেলটিতে যেখানে full পূর্ণ-পদমর্যাদার নয়, এবং , লিনিয়ার ফাংশন estima অনুমিত হয় যদি সেখানে ভেক্টর that যেমন । অর্থাৎ সারি একটি রৈখিক সমন্বয় । এছাড়াও, ভেক্টর of এর অনেক পছন্দ রয়েছে , যেমন , যেমন আমরা নীচের উদাহরণে দেখতে পারি।

y=Xβ+ε
XE(y)=XβgβaaX=ggXaaX=g

উদাহরণ 1

একমুখী মডেলটি বিবেচনা করুন:

yij=μ+αi+εij,i=1,2,j=1,2,3.

X=[110110110101101101],β=[μτ1τ2]

এবং ধরুন , সুতরাং আমরা অনুমান করতে চাই ।g=[0,1,1][0,1,1]β=τ1τ2

আমরা সেখানে ভেক্টরের বিভিন্ন পছন্দ দেখতে পারেন যে ফলন : নিতে ; বা ; বা ।aaX=ga=[0,0,1,1,0,0]a=[1,0,0,0,0,1]a=[2,1,0,0,1,2]


উদাহরণ 2

দ্বি-মুখী মডেলটি ধরুন: ।

yij=μ+αi+βj+εij,i=1,2,j=1,2

X=[11010110011011010101],β=[μα1α2β1β2]

আমরা সারি সমন্বয় রৈখিক গ্রহণ করে শ্রদ্ধেয় কার্যক্রম সংজ্ঞায়িত করতে পারবেন ।X

সারি 2, 3 এবং 4 থেকে সারি 1 বিয়োগ করা হচ্ছে ( ): X

[11010000110110001111]

এবং চতুর্থ সারির থেকে সারি 2 এবং 3 নিচ্ছেন:

[11010000110110000000]

এটিকে ফলন দিয়ে গুণন করা : β

g1β=μ+α1+β1g2β=β2β1g3β=α2α1

সুতরাং, আমাদের তিনটি রৈখিক স্বাধীন অনুমানযোগ্য ফাংশন রয়েছে। এখন, শুধুমাত্র এবং , বৈপরীত্য বিবেচনা করা যেতে পারে তার কোফিসিয়েন্টস এর সমষ্টি (অথবা, সারি থেকে সংশ্লিষ্ট ভেক্টরের যোগফল ) শূন্যের সমান।g2βg3βg


একমুখী ভারসাম্যপূর্ণ মডেলটিতে ফিরে যাওয়া

yij=μ+αi+εij,i=1,2,,k,j=1,2,,n.

এবং ধরুন আমরা হাইপোথিসিস পরীক্ষা করতে চাই ।H0:α1==αk

এই সেটিংয়ে ম্যাট্রিক্স full পুরো-র‌্যাঙ্কের নয়, তাই অনন্য নয় এবং অনুমানযোগ্যও নয়। এটিকে অনুমানযোগ্য করে তোলার জন্য আমরা দ্বারা , যতক্ষণ । অন্য কথায়, অনুমিত হয় iff ।Xβ=(μ,α1,,αk)βgigi=0igiαiigi=0

কেন এটা সত্য?

আমরা জানি যে অনুমানযোগ্য যদি সেখানে কোনও ভেক্টর থাকে যেমন যে । টেকিং স্বতন্ত্র সারি এবং , তারপর: gβ=(0,g1,,gk)β=igiαiag=aXXa=[a1,,ak]

[0,g1,,gk]=g=aX=(iai,a1,,ak)

এবং ফলাফল অনুসরণ করে।


যদি আমরা একটি নির্দিষ্ট বৈপরীত্য পরীক্ষা করতে চাই, আমাদের অনুমানটি । উদাহরণস্বরূপ, , যা হিসেবে লেখা যেতে পারে , তাই আমরা তুলনা করা হয় এর গড়ে পৌঁছাতে এবং ।H0:giαi=0H0:2α1=α2+α3H0:α1=α2+α32α1α2α3

এই অনুমানটি হিসাবে প্রকাশ করা যেতে পারে , যেখানে । এক্ষেত্রে , এবং আমরা নিম্নলিখিত পরিসংখ্যানগুলির সাথে এই অনুমানটি পরীক্ষা করি: H0:gβ=0g=(0,g1,g2,,gk)q=1

F=[gβ^][g(XX)g]1gβ^SSE/k(n1).

যদি as হিসাবে প্রকাশ করা হয় যেখানে ম্যাট্রিক্সের সারিগুলি পারস্পরিক orthogonal বিপরীতে রয়েছে ( ), তারপরে আমরা পরিসংখ্যান , যেখানেH0:α1=α2==αkGβ=0

G=[g1g2gk]
gigj=0H0:Gβ=0F=SSHrank(G)SSEk(n1)SSH=[Gβ^][G(XX)1G]1Gβ^

উদাহরণ 3

এটি আরও ভালভাবে বুঝতে, আসুন আমরা ব্যবহার করি এবং ধরা যাক আমরা করতে যা হিসাবে প্রকাশ করা যেতে পারে k=4H0:α1=α2=α3=α4,

H0:[α1α2α1α3α1α4]=[000]

অথবা, হিসাবে : H0:Gβ=0

H0:[011000101001011]G,our contrast matrix[μα1α2α3α4]=[000]

সুতরাং, আমরা দেখতে পাই যে আমাদের বিপরীতে ম্যাট্রিক্সের তিনটি সারি সুদের বৈপরীত্যের সহগগুলি দ্বারা সংজ্ঞায়িত করা হয়েছে। এবং প্রতিটি কলামটি আমাদের তুলনায় আমরা যে ফ্যাক্টর স্তরটি ব্যবহার করছি তা দেয়।


খুব সুন্দর আমি যা লিখেছি সেগুলি রেনচার অ্যান্ড স্কালজে, "পরিসংখ্যানগুলিতে লিনিয়ার মডেলগুলি", অধ্যায় 8 এবং 13 (উদাহরণ, উপপাদাগুলির শব্দবন্ধ, কিছু ব্যাখ্যা) থেকে নেওয়া হয়েছে, তবে "বিপরীতে ম্যাট্রিক্স" শব্দটির মতো অন্যান্য জিনিসও নেওয়া হয়েছিল "(যা প্রকৃতপক্ষে এই বইটিতে প্রকাশিত হয় না) এবং এখানে দেওয়া সংজ্ঞাটি আমার নিজস্ব ছিল।


আমার উত্তরের সাথে ওপির কনট্রাস্ট ম্যাট্রিক্স সম্পর্কিত

ওপির ম্যাট্রিক্সের একটি (যা এই ম্যানুয়ালটিতেও পাওয়া যাবে ) নিম্নলিখিত:

> contr.treatment(4)
  2 3 4
1 0 0 0
2 1 0 0
3 0 1 0
4 0 0 1

এই ক্ষেত্রে, আমাদের ফ্যাক্টরের 4 টি স্তর রয়েছে এবং আমরা মডেলটি নিম্নরূপে লিখতে পারি: এটি ম্যাট্রিক্স আকারে এইভাবে লেখা যেতে পারে:

[y11y21y31y41]=[μμμμ]+[a1a2a3a4]+[ε11ε21ε31ε41]

বা

[y11y21y31y41]=[11000101001001010001]X[μa1a2a3a4]β+[ε11ε21ε31ε41]

এখন, একই ম্যানুয়ালটিতে ডামি কোডিং উদাহরণের জন্য, তারা রেফারেন্স গ্রুপ হিসাবে ব্যবহার করে । সুতরাং, আমরা ম্যাট্রিক্স in এর প্রতিটি অন্যান্য সারি থেকে সারি 1 বিয়োগ করি , যা :a1XX~

[11000011000101001001]

যদি আপনি কনট্রাস্ট্রিটমেন্টমেন্ট (4) ম্যাট্রিক্সে সারি এবং কলামগুলির সংখ্যা পর্যবেক্ষণ করেন তবে আপনি দেখতে পাবেন যে তারা সমস্ত সারি এবং কেবল 2, 3 এবং 4 এর সাথে সম্পর্কিত কলামগুলিকে বিবেচনা করে in উপরের ম্যাট্রিক্স ফলন:

[000100010001]

এইভাবে, কনট্রাস্ট্রিটমেন্ট (৪) ম্যাট্রিক্স আমাদের জানিয়ে দিচ্ছে যে তারা 2, 3 এবং 4 টি ফ্যাক্টর 1 এর সাথে তুলনা করছে এবং 1 টির সাথে ধ্রুবকের সাথে তুলনা করছে (এটি আমার উপরের বোঝা)।

এবং, সংজ্ঞায়িত করা (যেমন উপরের ম্যাট্রিক্সে কেবলমাত্র সারিগুলি গ্রহণ করে): G

[011000101001001]

আমরা এবং বিপরীতে অনুমানের সন্ধান করতে পারি।H0:Gβ=0

hsb2 = read.table('http://www.ats.ucla.edu/stat/data/hsb2.csv', header=T, sep=",")

y<-hsb2$write

dummies <- model.matrix(~factor(hsb2$race)+0)
X<-cbind(1,dummies)

# Defining G, what I call contrast matrix
G<-matrix(0,3,5)
G[1,]<-c(0,-1,1,0,0)
G[2,]<-c(0,-1,0,1,0)
G[3,]<-c(0,-1,0,0,1)
G
     [,1] [,2] [,3] [,4] [,5]
[1,]    0   -1    1    0    0
[2,]    0   -1    0    1    0
[3,]    0   -1    0    0    1

# Estimating Beta

X.X<-t(X)%*%X
X.y<-t(X)%*%y

library(MASS)
Betas<-ginv(X.X)%*%X.y

# Final estimators:
G%*%Betas
          [,1]
[1,] 11.541667
[2,]  1.741667
[3,]  7.596839

এবং অনুমান এক।


আমার সম্পর্কে @ttnphns এর উত্তর সম্পর্কিত।

তাদের প্রথম উদাহরণে, সেটআপটির একটি শ্রেণীবদ্ধ ফ্যাক্টর এ রয়েছে যার তিনটি স্তর রয়েছে। আমরা মডেল হিসাবে এটি লিখতে পারি (ধরুন, সরলতার জন্য, সেই ): j=1

yij=μ+ai+εij,for i=1,2,3

এবং ধরুন আমরা আমাদের রেফারেন্স গোষ্ঠী / ফ্যাক্টর হিসাবে দিয়ে , বা করতে ।H0:a1=a2=a3H0:a1a3=a2a3=0a3

এটি ম্যাট্রিক্স আকারে লিখিত হতে পারে:

[y11y21y31]=[μμμ]+[a1a2a3]+[ε11ε21ε31]

বা

[y11y21y31]=[110010101001]X[μa1a2a3]β+[ε11ε21ε31]

এখন, আমরা যদি সারি 1 এবং সারি 2 থেকে সারি 3টি বিয়োগ করি তবে আমাদের কাছে সেই হয়ে যায় (আমি এটিকে call বলব :XX~

X~=[010100111001]

@Ttnphns 'ম্যাট্রিক্স সাথে উপরে ম্যাট্রিক্স গত 3 কলাম তুলনা । আদেশ সত্ত্বেও, তারা বেশ অনুরূপ। প্রকৃতপক্ষে, যদি , আমরা পাই:LX~β

[010100111001][μa1a2a3]=[a1a3a2a3μ+a3]

সুতরাং, আমাদের অনুমানযোগ্য ফাংশন রয়েছে: ; ; ।c1β=a1a3c2β=a2a3c3β=μ+a3

যেহেতু , আমরা উপরের দিক থেকে দেখতে পাচ্ছি যে আমরা আমাদের ধ্রুবককে রেফারেন্স গ্রুপ (a_3) এর সহগের সাথে তুলনা করছি; গ্রুপ -1 এর গুণফল জি-জি 3 এর সহগ; এবং গ্রুপ 2 এর সহগটি গ্রেইপ 3 তে। বা, যেমন @ এনটিএনফেন্স বলেছে: "আমরা সহসংখ্যককে অবিলম্বে দেখতে পাচ্ছি, অনুমানীকৃত কনস্ট্যান্ট রেফারেন্স গ্রুপে ওয়াইয়ের সমান হবে; সেই প্যারামিটার বি 1 (অর্থাত্ ডামি ভেরিয়েবল এ 1) পার্থক্যের সমান হবে: Y1 গ্রুপ 1 বিয়োগের মধ্য দিয়ে হবে জিআউপি 3 এর মধ্যে ই মানে; এবং প্যারামিটার বি 2 হ'ল পার্থক্য: গ্রুপ 2 বিয়োগের গড় মানে গ্রেইপ 3।H0:ciβ=0

তদ্ব্যতীত, লক্ষ্য করুন যে (বিপরীতে সংজ্ঞাটি অনুসরণ করে: অনুমানযোগ্য ফাংশন + সারি যোগ = 0), যে ভেক্টরগুলি এবং বৈপরীত্য। এবং, যদি আমরা একটি ম্যাট্রিক্স const সীমাবদ্ধতা তৈরি করি, আমাদের আছে:c1c2G

G=[01010011]

test পরীক্ষা করার জন্য আমাদের বিপরীতে ম্যাট্রিক্সH0:Gβ=0

উদাহরণ

আমরা @ttnphns এর "ব্যবহারকারী সংজ্ঞায়িত বিপরীতে উদাহরণ" হিসাবে একই ডেটা ব্যবহার করব (আমি উল্লেখ করতে চাই যে আমি এখানে যে তত্ত্বটি লিখেছি তাতে ইন্টারঅ্যাকশন সহ মডেলগুলি বিবেচনা করার জন্য কয়েকটি পরিবর্তন প্রয়োজন, সে কারণেই আমি এই উদাহরণটি বেছে নিয়েছি However তবে , বিপরীতে সংজ্ঞাগুলির সংজ্ঞা এবং - আমি যাকে বলি - বিপরীতে ম্যাট্রিক্স একই থাকে)।

Y<-c(0.226,0.6836,-1.772,-0.5085,1.1836,0.5633,0.8709,0.2858,0.4057,-1.156,1.5199,
     -0.1388,0.4865,-0.7653,0.3418,-1.273,1.4042,-0.1622,0.3347,-0.4576,0.7585,0.4084,
     1.4165,-0.5138,0.9725,0.2373,-1.562,1.3985,0.0397,-0.4689,-1.499,-0.7654,0.1442,
     -1.404,-0.2201,-1.166,0.7282,0.9524,-1.462,-0.3478,0.5679,0.5608,1.0338,-1.161,
     -0.1037,2.047,2.3613,0.1222)

F_<-c(1,1,1,1,1,1,1,1,1,1,2,2,2,2,2,2,2,3,3,3,3,3,3,3,3,3,3,3,4,4,4,4,4,4,4,4,4,
    5,5,5,5,5,5,5,5,5,5,5)

dummies.F<-model.matrix(~as.factor(F_)+0)

X_F<-cbind(1,dummies.F)

G_F<-matrix(0,4,6)
G_F[1,]<-c(0,3,3,-2,-2,-2)
G_F[2,]<-c(0,1,-1,0,0,0)
G_F[3,]<-c(0,0,0,2,-1,-1)
G_F[4,]<-c(0,0,0,0,1,-1)

 G 
 [,1] [,2] [,3] [,4] [,5] [,6]
[1,]    0    3    3   -2   -2   -2
[2,]    0    1   -1    0    0    0
[3,]    0    0    0    2   -1   -1
[4,]    0    0    0    0    1   -1

# Estimating Beta 

X_F.X_F<-t(X_F)%*%X_F
X_F.Y<-t(X_F)%*%Y

Betas_F<-ginv(X_F.X_F)%*%X_F.Y

# Final estimators:
G_F%*%Betas_F
           [,1]
[1,]  0.5888183
[2,] -0.1468029
[3,]  0.6115212
[4,] -0.9279030

সুতরাং, আমরা একই ফলাফল।


উপসংহার

এটা আমার মনে হচ্ছে যে সেখানে নেই এক কি একটি বৈসাদৃশ্য ম্যাট্রিক্স হয় সংজ্ঞায়িত ধারণা।

আপনি যদি শেফী ("বিশ্লেষণের বিশ্লেষণ", পৃষ্ঠা) 66) প্রদত্ত বিপরীতে সংজ্ঞাটি গ্রহণ করেন, আপনি দেখতে পাবেন যে এটি একটি অনুমানযোগ্য ফাংশন যার সহগের পরিমাণগুলি শূন্য। সুতরাং, আমরা আমাদের নিঃশর্ত ভেরিয়েবল কোফিসিয়েন্টস বিভিন্ন রৈখিক সমন্বয় পরীক্ষা করতে চান, আমরা ব্যবহার ম্যাট্রিক্স । এটি এমন একটি ম্যাট্রিক্স যেখানে সারিগুলি শূন্যের সমান হয়, আমরা সেই সহগগুলি অনুমানযোগ্য করে তোলার জন্য আমাদের সহগের ম্যাট্রিক্সকে গুণিত করতে ব্যবহার করি। এর সারিগুলি বিপরীতগুলির বিভিন্ন লিনিয়ার সংমিশ্রণগুলি নির্দেশ করে যা আমরা পরীক্ষা করছি এবং এর কলামগুলি নির্দেশ করে যে কোন উপাদানগুলির (সহগুণ) সাথে তুলনা করা হচ্ছে।G

উপরের ম্যাট্রিক্স এমনভাবে নির্মিত হয়েছে যে এর প্রতিটি সারি একটি বিপরীতে ভেক্টর দ্বারা গঠিত (যার সমষ্টি 0), এটি আমার কাছে contrast to কে "বিপরীতে ম্যাট্রিক্স" বলা বোধ করে ( মোহনাহান - "লিনিয়ার মডেলগুলির একটি প্রাইমার" - এছাড়াও এই পরিভাষা ব্যবহার করে)।GG

যাইহোক, @ttnphns দ্বারা সুন্দরভাবে ব্যাখ্যা করা হিসাবে, সফ্টওয়্যারগুলি অন্য কিছুকে "বিপরীতে ম্যাট্রিক্স" বলে ডাকে, এবং আমি ম্যাট্রিক্স এবং এসপিএস-এর অন্তর্নির্মিত কমান্ড / ম্যাট্রিক্সের মধ্যে সরাসরি সম্পর্ক খুঁজে পাইনি (@ttnphns ) বা আর (ওপির প্রশ্ন), কেবল মিল। তবে আমি বিশ্বাস করি যে এখানে উপস্থাপন করা সুন্দর আলোচনা / সহযোগিতা এ জাতীয় ধারণা এবং সংজ্ঞা পরিষ্কার করতে সহায়তা করবে।G


দয়া করে এই উত্তরটি সম্ভব হলে কেবল আনোভাতে সীমাবদ্ধ করবেন না। আপনি যখন আমার প্রশ্নের উত্তর দিয়েছিলেন তখন সেই মুহূর্তে [আওভা] ট্যাগটি অ্যামিবা যুক্ত করেছিলেন তবে আমি উত্তরটি কেবল আনোভাতেই সীমাবদ্ধ রাখতে চাই না।
কৌতুহল

এত বড় আপডেটের জন্য অনেক ধন্যবাদ। আমি উপরে আমার কিছু মন্তব্য সরিয়েছি যা এখনই অচল হয়ে পড়েছিল (আপনি নিজের কিছু মুছতে পারেন, যেমন প্রথমটি)। যাইহোক, এখনই আমার কাছে এটি স্পষ্ট হয়ে গেছে যে আপনার (এবং মনোহনের) অর্থে "কনট্রাস্ট ম্যাট্রিক্স" এই আর ম্যানুয়ালটিতে এবং মূল প্রশ্নে এটি ব্যবহৃত হয়েছে সেই অর্থে "বিপরীতে ম্যাট্রিক্স" থেকে সম্পূর্ণ আলাদা ( সি-ম্যাট্রিক্স)। আমি মনে করি আপনি যদি এই পার্থক্য সম্পর্কে আপনার উত্তরে কোথাও একটি নোট তৈরি করেন তবে এটি অর্থ হবে।
অ্যামিবা বলছেন মনিকা পুনরায়

উদাহরণ 1 থেকে শুরু করে বোঝার জন্য আমার সমস্যা হচ্ছে। আপনার স্বরলিপি একটি কী ? কী এবং কলামগুলি কী উপস্থাপন করে? এটি কি কনস্ট্যান্ট টার্ম (এর কলাম) এবং দুটি ডামি ভেরিয়েবল? ijyijaiX
ttnphns

@ttnphns: তালিকাবদ্ধ গোষ্ঠী (উদাহরণ 1 এর দুটি গ্রুপ রয়েছে), প্রতিটি দলের অভ্যন্তরে ডেটা পয়েন্ট ইন্ডেক্স করছে। একটি ধ্রুবক এবং প্রতিটি গ্রুপের জন্য ধ্রুবক যেমন গ্রুপ মানে (সুতরাং total সম্পূর্ণ অর্থ হতে পারে এবং গোষ্ঠী থেকে সম্পূর্ণ হতে পারে)। এর কলামগুলি ধ্রুবক পদ এবং দুটি ডামি, হ্যাঁ। ijμαiμ+αiμαiX
অ্যামিবা বলছে মনিকাকে

এই উত্তরের জন্য আপনাকে ধন্যবাদ, তবে আমি সম্ভবত এটি কখনই সক্ষম হতে পারব না এবং এটি বোঝার জন্য সময়ও পাব না। এবং আমি গণিত অধ্যয়ন করেছি :-) আমি উত্তর হিসাবে খুব সাধারণ সংজ্ঞাটি আশা করেছি :-)
কৌতূহল

7

"কনট্রাস্ট ম্যাট্রিক্স" স্ট্যাটিস্টিকাল সাহিত্যে কোনও স্ট্যান্ডার্ড শব্দ নয়। এর পৃথক অর্থের সাথে [কমপক্ষে] দুটি সম্পর্কিত থাকতে পারে:

  1. একটি ম্যাট্রিক্স একটি ANOVA রিগ্রেশন (কোডিং স্কিম অসম্পর্কিত), যেখানে প্রতিটি সারির মধ্যে একটি নির্দিষ্ট নাল হাইপোথিসিস উল্লেখ একটি বৈসাদৃশ্য এটি এই শব্দটির একটি মানক ব্যবহার নয়। আমি জটিল প্রশ্নগুলির ক্রিসটেনসেন প্লেনের উত্তরগুলিতে পুরো পাঠ্য অনুসন্ধান ব্যবহার করেছি , রাদারফোর্ড আনোভা এবং আনকোভা পরিচয় করিয়ে দিচ্ছি; জিএলএম পদ্ধতি , এবং পরিসংখ্যানগুলিতে রেনচার এবং স্কালজে লিনিয়ার মডেল । তারা সবাই "বৈপরীত্য" সম্পর্কে অনেক কথা বলে তবে কখনও "বিপরীতে ম্যাট্রিক্স" শব্দটি উল্লেখ করে না। তবে @Gus_est পাওয়া যায় নি, এই শব্দটি হয় মোনাহান এর ব্যবহৃত প্রাইমার লিনিয়ার মডেলের উপর

  2. একটি আনোভা রিগ্রেশন ডিজাইন ম্যাট্রিক্সের জন্য কোডিং স্কিম নির্দিষ্ট করে একটি ম্যাট্রিক্স। আর সম্প্রদায়টিতে "কনট্রাস্ট ম্যাট্রিক্স" শব্দটি এভাবে ব্যবহৃত হয় (উদাহরণস্বরূপ এই ম্যানুয়াল বা এই সহায়তা পৃষ্ঠাটি দেখুন )।

@ গুস_স্টের উত্তরটি প্রথম অর্থটি আবিষ্কার করে। @Ttnphns এর উত্তর দ্বিতীয় অর্থটি অন্বেষণ করে (তিনি এটিকে "কনট্রাস্ট কোডিং ম্যাট্রিক্স" বলে এবং "এসপিএসএস সাহিত্যের একটি স্ট্যান্ডার্ড শব্দ যা" কনট্রাস্ট কোঅফেন্সি ম্যাট্রিক্স "নিয়েও আলোচনা করেছেন)।


আমার বোধগম্যতা হল আপনি # 2 অর্থ সম্পর্কে জিজ্ঞাসা করেছিলেন তাই এখানে সংজ্ঞাটি দেওয়া আছে:

আর অর্থে "কনট্রাস্ট ম্যাট্রিক্স" ম্যাট্রিক্স যেখানে গ্রুপগুলির সংখ্যা, তা উল্লেখ করে যে কীভাবে গ্রুপের ডিজাইনের ম্যাট্রিক্স- এনকোড করা আছে । বিশেষ করে, একটি যদি -th পর্যবেক্ষণ গোষ্ঠীর আওতাধীন তারপর ।k×kCkXmiXmj=Cij

দ্রষ্টব্য: সাধারণত এর প্রথম কলামটি হ'ল সকলের কলাম (ডিজাইনের ম্যাট্রিক্সের ইন্টারসেপ্ট কলামের সাথে সম্পর্কিত)। আপনি যখন আর কমান্ডের মতো কল করেন , আপনি এই প্রথম কলাম ছাড়াই ম্যাট্রিক্স ।Ccontr.treatment(4)C


@Ttnphns এবং @Gus_est এর উত্তরগুলি কীভাবে একসাথে খাপ খায় সে সম্পর্কে একটি বর্ধিত মন্তব্য করার জন্য আমি এই উত্তরটি বাড়ানোর পরিকল্পনা করছি।


The answer by @Gus_est explores the first meaning. The answer by @ttnphns explores the second meaning.আমি প্রতিবাদ করি। (এবং শুনে অবাক হয়ে গেলাম - দুজনেই মিটি উত্তরের মন্তব্যে সংজ্ঞা নিয়ে দীর্ঘ আলোচনা করার পরে।) আমি দুটি পদকে আমন্ত্রণ জানিয়েছি: বিপরীতে সহগ ম্যাট্রিক্স (যেখানে সারিগুলি বিপরীতে, মানে লিনিয়ার সংমিশ্রণ) ওরফে এল-ম্যাট্রিক্স, এবং বিপরীতে কোডিং স্কিমা ম্যাট্রিক্স, ওরফে সি ম্যাট্রিক্স। উভয়ই সম্পর্কিত, আমি দুজনেই আলোচনা করেছি।
ttnphns

(অবিরত) কনট্রাস্ট কোএফিসেন্ট এল ম্যাট্রিক্স আনোভা / জেনারেল লিনিয়ার মডেলের একটি আদর্শ শব্দ, উদাহরণস্বরূপ পাঠ্য এবং এসপিএসএস ডক্সে ব্যবহৃত হয় । কোডিং স্কিমগুলি এখানে দেখুন
ttnphns

You were asking about meaning #2ওপি শব্দের অর্থটির অর্থ কী তা আমরা আসলে নিশ্চিত নই। ওপিতে কনট্রাস্ট কোডিং স্কিমগুলির কয়েকটি উদাহরণ প্রদর্শিত হয়েছিল - এর অর্থ এই নয় যে তিনি এল ম্যাট্রিকগুলিতে আগ্রহী ছিলেন না।
ttnphns

1
আমি খুশি যে আমরা এখন একই ভাষা বলতে চাই। মনে হয়, অন্তত। প্রত্যেকের জন্য, বিশেষত দর্শনার্থী পাঠকের পক্ষে দুর্দান্ত হবে যদি আপনি নিজের উত্তরটি সম্পাদন করেন তবে দেখায় যে কীভাবে Gus 'এবং ttnphns' প্রতিবেদন একই ফলাফলে রূপান্তরিত হয়। আপনি যদি অর্জন করতে চান।
ttnphns

1
(অবিরত) অবশ্যই উভয় "পদ্ধতির" মধ্যে এল ম্যাট্রিক্স একই (এবং কোনও রহস্যময় জি ম্যাট্রিক্সের প্রয়োজন নেই)। দুটি সমতুল্য পথ (এল স্বেচ্ছাসেবক, এক্স ডামি) দেখান: L -> XC -> regression -> resultএবং X -> [regression -> adjusting to test for L] -> resultএকই ফলাফলটি ছেড়ে যান। দ্বিতীয় পাথটি হ'ল একটি আনোভা প্রোগ্রাম কীভাবে করবে (বন্ধনীযুক্ত অংশ []); 1 ম পথটি হ'ল একটি অনুশাসনীয় প্রদর্শন যা কেবলমাত্র রিগ্রেশন প্রোগ্রামের মাধ্যমে বিপরীতে সমাধানযোগ্য।
ttnphns

3

একটি বিপরীতে দুটি গ্রুপের সাথে তাদের পার্থক্যকে শূন্যের সাথে তুলনা করে তুলনা করে। একটি বিপরীতে ম্যাট্রিক্সে সারিগুলি বিপরীতে হয় এবং অবশ্যই শূন্যে যোগ করা উচিত, কলামগুলি গ্রুপ। উদাহরণ স্বরূপ:

ধরা যাক আপনার সাথে 4 টি গ্রুপ A, B, C, D আছে যা আপনি তুলনা করতে চান, তবে তার বিপরীতে ম্যাট্রিক্সটি হবে:

গ্রুপ: এবিসিডি
এ বনাম বি: 1 -1 0 0
সি বনাম ডি: 0 0 -1 1
এ, বি বনাম ডি, সি: 1 1 -1 -1

শিল্প পরীক্ষার বোঝা থেকে প্যারাফ্রেসিং :

যদি কে উপগ্রুপের গড়ের সাথে কে-অবজেক্টের একটি গ্রুপের তুলনা করা হয় তবে কে অণুক্রমিকগুলির এই সেটকে কে সহগের কোনও সেট দ্বারা [c1, c2, c3, ... সিজে, ..., সিকে দ্বারা একটি বিপরীতে সংজ্ঞায়িত করা হবে ] যে যোগফল শূন্য।

সি তখন একটি বিপরীতে হতে দিন,

C=c1μ1+c2μ2+...cjμj+...ckμk

C=j=1kcjμj

বাধা with

j=1kcj=0

যে সকল উপগোষ্ঠীগুলি শূন্যের সহগ নির্ধারিত হয়েছে সেগুলি তুলনা থেকে বাদ দেওয়া হবে * (*)

এটি সহগের লক্ষণগুলি যা তুলনাটি প্রকৃতপক্ষে সংজ্ঞায়িত করে, মানগুলি নির্বাচিত হয় না। সহগের পরম মানগুলি যতক্ষণ না সহগের যোগফলগুলির যোগফল শূন্য হয় কিছু হতে পারে।

(*) প্রতিটি পরিসংখ্যান সংক্রান্ত সফ্টওয়্যার বিভিন্ন উপ-গোষ্ঠীগুলি বাদ / অন্তর্ভুক্ত থাকবে তা নির্দেশ করার আলাদা পদ্ধতি রয়েছে।

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.