Sas တွင်ကျန်ရှိသောကြံစည်မှုတစ်ခုဖန်တီးနည်း


ဆုတ်ယုတ်မှုပုံစံ၏ အကြွင်းအကျန်များကို ပုံမှန်အတိုင်း ဖြန့်ဝေခြင်း ရှိ၊ မရှိ အကဲဖြတ်ရန် ကျန်နေသော မြေကွက်များကို မကြာခဏ အကဲဖြတ်ရန် အသုံးပြု ပါသည်။

ဆုတ်ယုတ်မှုပုံစံတစ်ခုနှင့်ကိုက်ညီရန် အောက်ပါအခြေခံအထားအသိုကိုသုံးနိုင်ပြီး SAS ရှိ မော်ဒယ်အတွက်ကျန်ရှိသောကွက်ကွက်တစ်ခုထုတ်လုပ်နိုင်သည်-

 symbol value = circle;

proc reg data=my_data;
    model y = x;
    plot residual. * predicted.;
run ;

အောက်ဖော်ပြပါ ဥပမာသည် ဤ syntax ကို လက်တွေ့တွင် မည်သို့အသုံးပြုရမည်ကို ပြသထားသည်။

မှတ်ချက် – သင်္ကေတထုတ်ပြန်ချက်တွင် ကျန်ရှိသောကွက်ကွက်အမှတ်များကို စက်ဝိုင်းများအဖြစ် ပြသလိုကြောင်း သတ်မှတ်သည်။ မူရင်းပုံစံသည် အပေါင်းလက္ခဏာဖြစ်သည်။

ဥပမာ- SAS တွင် ကျန်ရှိသော ဇာတ်ကွက်တစ်ခုကို ဖန်တီးပါ။

SAS တွင် အောက်ပါဒေတာအစုံရှိသည် ဟု ယူဆကြပါစို့။

 /*create dataset*/
data my_data;
    input xy;
    datalines ;
8 41
12 42
12 39
13 37
14 35
16 39
17 45
22 46
24 39
26 49
29 55
30 57
;
run ;

/*view dataset*/
proc print data =my_data;

ကျွန်ုပ်တို့သည် ဤဒေတာအတွဲအတွက် ရိုးရှင်းသောမျဉ်းဖြောင့်ဆုတ်ယုတ်မှုပုံစံကို အံဝင်ခွင်ကျဖြစ်စေရန်အတွက် အောက်ဖော်ပြပါ အထားအသိုကို အသုံးပြုနိုင်ပြီး ခန့်မှန်းတန်ဖိုးများနှင့် အကြွင်းအကျန်များကို မြင်သာအောင်ဖန်တီးနိုင်သည်-

 /*fit simple linear regression model and create residual plot*/
symbol value = circle;
proc reg data =my_data;
   model y = x;
   plot residual. * predicted.;
run ;

ကျန်ရှိသောကွက်ကွက်ကို အထွက်၏အောက်ခြေတွင် ပြသပါမည်-

SAS လက်ကျန် သဲလွန်စ

x-axis သည် ခန့်မှန်းထားသော တန်ဖိုးများကို ပြသပြီး y-axis သည် အကြွင်းအကျန်များကို ပြသသည်။

အကြွင်းအကျန်များကို သုညတန်ဖိုးတဝိုက်တွင် ကျပန်းဖြန့်ကျဲထားသောကြောင့် ကွဲလွဲမှုတိုးလာခြင်း သို့မဟုတ် လျော့ကျသွားခြင်းမျိုးမရှိသောကြောင့် အကြွင်းအကျန်များ၏ homoskedasticity ၏ယူဆချက်အား ကျေနပ်ပါသည်။

ဂရပ်၏ထိပ်တွင် တပ်ဆင်ထားသော ဆုတ်ယုတ်မှုညီမျှခြင်းကိုလည်း တွေ့နိုင်သည်-

y = 29.631 + 0.7553x

ဇယား၏ညာဘက်ခြမ်းတွင်၊ ဆုတ်ယုတ်မှုပုံစံအတွက် အောက်ဖော်ပြပါ မက်ထရစ်များကို ကျွန်ုပ်တို့ တွေ့မြင်နိုင်သည်-

  • N : စုစုပေါင်း လေ့လာတွေ့ရှိချက် အရေအတွက် (၁၂) ခု၊
  • Rsq : R-squared မော်ဒယ် (0.6324)
  • AdjRsq : ချိန်ညှိထားသော မော်ဒယ် R-squared (0.5956)
  • RMSE : မော်ဒယ်၏ အဓိပ္ပါယ်စတုရန်းအမှား (4.4417)

ထပ်လောင်းအရင်းအမြစ်များ

အောက်ဖော်ပြပါ သင်ခန်းစာများသည် SAS တွင် အခြားဘုံအလုပ်များကို မည်သို့လုပ်ဆောင်ရမည်ကို ရှင်းပြသည်-

SAS တွင် Histograms ဖန်တီးနည်း
SAS တွင် point clouds ဖန်တီးနည်း
SAS တွင် outliers ကိုမည်သို့ခွဲခြားနိုင်မည်နည်း။

မှတ်ချက်တစ်ခုထည့်ပါ။

သင့် email လိပ်စာကို ဖော်ပြမည် မဟုတ်ပါ။ လိုအပ်သော ကွက်လပ်များကို * ဖြင့်မှတ်သားထားသည်