ချန်လှပ်ထားသော ပြောင်းလဲနိုင်သော ဘက်လိုက်မှု- အဓိပ္ပါယ်နှင့် ဥပမာများ

ဆုတ်ယုတ်မှုပုံစံ တွင် သက်ဆိုင်ရာ ရှင်းပြချက်ကိန်းရှင် တစ်ခု မပါဝင်သည့်အခါ ချန်လှပ် ထားသည့် ကိန်းရှင်ဘက်လိုက်မှုသည် မော်ဒယ်ရှိ တစ်ခု သို့မဟုတ် တစ်ခုထက်ပိုသော ရှင်းပြချက်ကိန်းရှင်များ၏ ဘက်လိုက်မှုဖြစ်ပေါ်စေနိုင်သည် ။

အကြောင်းပြချက်နှစ်ခုအနက်မှ တစ်ခုကြောင့် ချန်လှပ်ထားသော ကိန်းရှင်တစ်ခုကို ဆုတ်ယုတ်မှုပုံစံမှ မကြာခဏ ဖယ်ထုတ်ထားသည်-

1. ကိန်းရှင်အတွက် ဒေတာကို ရိုးရိုးရှင်းရှင်း မရရှိနိုင်ပါ။

2. တုံ့ပြန်မှုကိန်းရှင် အပေါ် ရှင်းပြချက်ကိန်းရှင်၏ အကျိုးသက်ရောက်မှုကို မသိရပါ။

မော်ဒယ် coefficients ကို အမှန်တကယ် ကွဲလွဲစေရန် ချန်လှပ်ထားသော ကိန်းရှင်အတွက်၊ အောက်ပါ အခြေအနေနှစ်ခုကို ဖြည့်ဆည်းပေးရမည်-

1. ချန်လှပ်ထားသော ကိန်းရှင်သည် မော်ဒယ်ရှိ ရှင်းပြချက်တစ်ခု သို့မဟုတ် တစ်ခုထက်ပိုသော ကိန်းရှင်များနှင့် ဆက်စပ်နေရပါမည်။

2. ချန်လှပ်ထားသောကိန်းရှင်သည် မော်ဒယ်ရှိ တုံ့ပြန်မှုကိန်းရှင်နှင့် ဆက်နွယ်နေရပါမည်။

ချန်လှပ်ထားသော ပြောင်းလဲနိုင်သော ဘက်လိုက်မှုများ၏ သက်ရောက်မှုများ

ကျွန်ုပ်တို့တွင် ရှင်းပြနိုင်သော ကိန်းရှင် နှစ်ခု၊ A နှင့် B နှင့် တုံ့ပြန်မှု ကိန်းရှင်တစ်ခု ရှိသည်ဆိုပါစို့ Y ။ ကျွန်ုပ်တို့သည် တစ်ခုတည်းသော ရှင်းလင်းချက်ကိန်းရှင်အဖြစ် A နှင့် ရိုးရှင်းသော မျဉ်းကြောင်းဆုတ်ယုတ်မှုပုံစံကို တပ်ဆင်ပြီး B ကို မော်ဒယ်မှ ချန်ထားခဲ့သည်ဆိုပါစို့။

B သည် A နှင့် ဆက်နွယ်နေပြီး Y နှင့် ဆက်နွယ်နေပါက၊ ၎င်းသည် A ၏ coefficient ၏ ခန့်မှန်းချက်တွင် ဘက်လိုက်မှုတစ်ခု ဖြစ်ပေါ်စေမည်ဖြစ်သည်။ အောက်ပါပုံတွင် A ၏ coefficient ၏ ခန့်မှန်းချက်သည် ဘက်လိုက်မှုဖြစ်မည်၊ B:

ဥပမာ- ပြောင်းလဲနိုင်သော ဘက်လိုက်မှုကို ချန်လှပ်ထားသည်။

အိမ်ခြံမြေစျေးနှုန်းအပေါ် စတုရန်းပုံ၏အကျိုးသက်ရောက်မှုကို ကျွန်ုပ်တို့လေ့လာလိုသည်ဆိုပါစို့၊ ထို့ကြောင့် အောက်ပါရိုးရှင်းသော linear regression model ကိုအသုံးပြုသည်ဆိုပါစို့။

အိမ်စျေးနှုန်း = B ₀ + B ₁ (စတုရန်းပေအကျယ်အဝန်း)၊

ခန့်မှန်းထားသော မော်ဒယ်ကို ကျွန်ုပ်တို့ တွေ့ရှိသည်ဆိုပါစို့။

အိမ်စျေးနှုန်း = 40,203.91 + 118.31 (စတုရန်းမိုင်)၊

စတုရန်းပုံတစ်ပုံအတွက် ကိန်းဂဏန်းကို ကျွန်ုပ်တို့ အဓိပ္ပာယ်ဖွင့်ဆိုပုံမှာ စတုရန်းပုံတစ်ပုံစီ၏ နောက်ထပ်တိုးလာမှုတစ်ခုစီသည် ပျမ်းမျှအားဖြင့် အိမ်စျေးနှုန်း $118.31 တိုးလာခြင်းနှင့် ဆက်စပ်နေပါသည်။

သို့သော်၊ ကျွန်ုပ်တို့သည် စတုရန်းပုံနှင့် ပြင်းထန်စွာ ဆက်နွယ်နေပြီး အိမ်ခြံမြေစျေးနှုန်းနှင့် ပြင်းထန်စွာ အနုတ်လက္ခဏာ ဆက်နွယ်နေသည်ဟု ထင်မြင်နိုင်သော ကွဲပြားသော အသက်အရွယ်ကို ချန်ထားခဲ့သည်ဆိုပါစို့။ ဤကိန်းရှင်သည် မော်ဒယ်တွင် ရှိသင့်သည်၊ သို့သော် ထိုသို့မဟုတ်ပါ။ ထို့ကြောင့် စတုရန်းပုံရိုက်ကူးမှုအတွက် ကိန်းဂဏန်းခန့်မှန်းချက်သည် ဘက်လိုက်နိုင်ဖွယ်ရှိသည်။

အသက်အရွယ် သည် မော်ဒယ်ရှိ ရှင်းပြချက်နှင့် တုံ့ပြန်မှု variable နှစ်ခုလုံးနှင့် အနုတ်လက္ခဏာ ဆက်စပ်နေသောကြောင့် စတုရန်းပုံရိုက်ကူးမှုအတွက် ကိန်းဂဏန်းခန့်မှန်းချက်ကို အပြုသဘောဘက်လိုက်မည်ဟု ကျွန်ုပ်တို့ မျှော်လင့်ထားသည်-

အိမ်၏အသက်အရွယ်ဆိုင်ရာ အချက်အလက်ကို ကျွန်ုပ်တို့ရှာဖွေပြီးနောက် မော်ဒယ်တွင် ထည့်သွင်းမည်ဆိုပါစို့။ ထို့နောက် မော်ဒယ် ဖြစ်လာသည် ။

အိမ်စျေးနှုန်း = B ₀ + B ₁ (စတုရန်းပေ) + B ₂ (ခေတ်)၊

ခန့်မှန်းထားသော မော်ဒယ်ကို ကျွန်ုပ်တို့ တွေ့ရှိသည်ဆိုပါစို့။

အိမ်စျေးနှုန်း = 123,426.20 + 81.06 (စတုရန်းမိုင်) – 1,291.04 (အသက်)

စတုရန်းပုံတစ်ပုံအတွက် ကိန်းဂဏန်း ခန့်မှန်းချက်သည် သိသိသာသာ ကျဆင်းသွားသည်ကို သတိပြုပါ၊ ၎င်းသည် ယခင်မော်ဒယ်တွင် အပြုသဘောဖြင့် ဘက် လိုက်သည်ဟု ဆိုလိုသည်။

ဤမော်ဒယ်ရှိ စတုရန်းပုံဖော်ကိန်းကို ကျွန်ုပ်တို့ အဓိပ္ပာယ် ဖွင့်ဆိုပုံမှာ စတုရန်းပုံတစ်ယူနစ်၏ နောက်ထပ်တိုးလာမှုတစ်ခုစီသည် ပျမ်းမျှအိမ်စျေးနှုန်း $81.06 တိုးခြင်းနှင့် ဆက်နွှယ်နေသောကြောင့် အသက်မသေဘဲ ဖြစ်နေသည်။

ချန်လှပ်ထားသော ပြောင်းလဲနိုင်သော ဘက်လိုက်မှုနှင့်ပတ်သက်၍ ဘာလုပ်ရမည်နည်း။

ကံမကောင်းစွာပဲ၊ အချို့သောကိန်းရှင်များသည် ယေဘူယျအားဖြင့် regression model တွင်ပါဝင် သင့် သော်လည်း၊ ၎င်းတို့အတွက် ဒေတာမရရှိနိုင်ခြင်း သို့မဟုတ် ၎င်းတို့ကြားရှိဆက်စပ်မှုနှင့် တုံ့ပြန်မှုကိန်းရှင်ကို မသိသောကြောင့် ချန်လှပ်ထားသော variable ဘက်လိုက်မှုများသည် လက်တွေ့ကမ္ဘာတွင် ဖြစ်ပေါ်လေ့ရှိပါသည်။

ဖြစ်နိုင်ပါက၊ ဆက်စပ်ရှင်းပြချက်ကိန်းရှင်အားလုံးကို ဆုတ်ယုတ်မှုပုံစံတစ်ခုတွင် ထည့်သွင်းရန် ကြိုးစားသင့်သည်၊ သို့မှသာ ရှင်းလင်းချက်ကိန်းရှင်များနှင့် တုံ့ပြန်မှုကိန်းရှင်တို့ကြား စစ်မှန်သောဆက်နွယ်မှုကို နားလည်နိုင်မည်ဖြစ်သည်။

မော်ဒယ်တစ်ခုမှ သက်ဆိုင်ရာ ရှင်းလင်းချက်ပြောင်းလဲနိုင်သော ကိန်းရှင်များကို ဖယ်ထုတ်ခြင်းက ယခင်အိမ်ခြံမြေစျေးနှုန်းများနှင့် ယခင်နမူနာတွင် ကျွန်ုပ်တို့တွေ့ခဲ့သည့်အတိုင်း မော်ဒယ်၏အဓိပ္ပာယ်ဖွင့်ဆိုချက်ကို သိသိသာသာ အကျိုးသက်ရောက်စေနိုင်သည်။

ထပ်လောင်းအရင်းအမြစ်များ

လျှို့ဝှက်ကိန်းရှင်ဆိုတာ ဘာလဲ။
ရှုပ်ထွေးသောကိန်းရှင်ကဘာလဲ။