စံသတ်မှတ်ထားသော နှင့် စံချိန်စံညွှန်းမရှိသော ဆုတ်ယုတ်မှုကိန်းဂဏန်းများ

Multiple linear regression သည် ကြိုတင်ခန့်မှန်းကိန်းရှင် နှစ်ခု သို့မဟုတ် ထို့ထက်ပိုသော ကိန်းရှင်များနှင့် တုံ့ပြန်မှုကိန်းရှင် ကြားရှိ ဆက်နွယ်မှုကို တွက်ချက်ရန် အသုံးဝင်သော နည်းလမ်းတစ်ခုဖြစ်သည်။

ပုံမှန်အားဖြင့်၊ ကျွန်ုပ်တို့သည် linear regression အများအပြားကို လုပ်ဆောင်သောအခါ၊ ရလဒ် regression coefficients များသည် standardized မဟုတ်ပါ ၊ ဆိုလိုသည်မှာ ၎င်းတို့သည် အကောင်းဆုံး-အံဝင်ခွင်ကျမျဉ်းကို ရှာဖွေရန် ကုန်ကြမ်းဒေတာကို အသုံးပြုပါသည်။

သို့ရာတွင်၊ ခန့်မှန်းသူကိန်းရှင်များကို ပြင်းထန်စွာကွဲပြားသောစကေးများဖြင့် တိုင်းတာသောအခါ၊ စံသတ်မှတ်ထားသောဒေတာကိုအသုံးပြု၍ စံပြုကိန်းများကိုဖြစ်ပေါ်စေသော စံပြု ကိန်းဂဏန်းများကို အသုံးပြု၍ မျဉ်းကြောင်းလိုက်ဆုတ်ယုတ်မှုများစွာကိုလုပ်ဆောင်ရန် အသုံးဝင်ပေမည်။

ဤအကြံဥာဏ်ကို သင်နားလည်နိုင်ရန် ရိုးရှင်းသော ဥပမာတစ်ခုကို ဖြတ်သန်းကြည့်ကြပါစို့။

ဥပမာ- Standardized နှင့် unstandardized regression coefficients

ကျွန်ုပ်တို့တွင် အိမ် 12 လုံး၏ အသက်၊ စတုရန်းပုံနှင့် အရောင်းစျေးနှုန်းဆိုင်ရာ အချက်အလက်များပါရှိသော အောက်ပါဒေတာအတွဲကို ဆိုပါစို့။

ထို့နောက် ကျွန်ုပ်တို့သည် တုံ့ပြန်မှုကိန်းရှင်အဖြစ် အသက် နှင့် စတုရန်းပုံများကို ခန့်မှန်းကိန်းရှင်များနှင့် စျေးနှုန်း အဖြစ် အသုံးပြုကာ မျဉ်းကြောင်းအတိုင်း ဆုတ်ယုတ်မှုများစွာကို လုပ်ဆောင်သည်ဆိုပါစို့။

ဤသည်မှာ ဆုတ်ယုတ်ခြင်း၏ ရလဒ် ဖြစ်သည်။

ဤဇယားရှိ regression coefficients များသည် စံချိန်စံညွှန်းမမီပါ ၊ ဆိုလိုသည်မှာ ၎င်းတို့သည် ဤဆုတ်ယုတ်မှုပုံစံနှင့် ကိုက်ညီရန် အကြမ်းဒေတာကို အသုံးပြုခဲ့သည်။ ပထမတစ်ချက်တွင်၊ ဆုတ်ယုတ်မှုဇယားရှိ ၎င်း၏ကိန်းဂဏန်းမှာ -409.833 ဖြစ်သောကြောင့် ခန့်မှန်းသူမပြောင်းလဲနိုင်သော စတုရန်းပုံ တစ်ပုံအတွက် 100.866 နှင့် နှိုင်းယှဉ်လျှင် အသက်အရွယ် သည် အိမ်ခြံမြေစျေးနှုန်းအပေါ် များစွာအကျိုးသက်ရောက်မှုရှိပုံရသည်။

သို့သော်၊ စံအမှားသည် စတုရန်းပုံအတွက်ထက် အသက်အရွယ်အတွက် ပိုကြီးသည်၊ ထို့ကြောင့် သက်ဆိုင်ရာ p-value သည် အသက် (p = 0.520) နှင့် စတုရန်းပုံစတုရန်းပုံများအတွက် သေးငယ်သည် (p = 0.000)။

regression coefficients တွင် လွန်ကဲသော ခြားနားချက်များအတွက် အကြောင်းရင်းမှာ variable နှစ်ခုအတွက် စကေးများအတွင်း လွန်ကဲစွာ ကွာခြားချက်များကြောင့်ဖြစ်သည်။

• အသက် အပိုင်းအခြား 4 မှ 44 နှစ်များအတွက်တန်ဖိုးများ။
• စတုရန်းရုပ်ပုံ တန်ဖိုးများသည် 1,200 မှ 2,800 အထိရှိသည်။

မူရင်းဒေတာတန်ဖိုးတစ်ခုစီကို z-score အဖြစ်ပြောင်းခြင်းဖြင့် မူရင်းဒေတာ ကို ပုံမှန်ဖြစ်အောင်ပြုလုပ်သည် ဆိုပါစို့။

အကယ်၍ ကျွန်ုပ်တို့သည် စံပြုဒေတာကို အသုံးပြု၍ မျဉ်းကြောင်းအတိုင်း ဆုတ်ယုတ်မှု အများအပြားကို လုပ်ဆောင်ပါက၊ အောက်ဖော်ပြပါ ဆုတ်ယုတ်မှုရလဒ်ကို ကျွန်ုပ်တို့ ရရှိလိမ့်မည်-

ဤဇယားရှိ regression coefficients များကို စံသတ်မှတ်ထားပြီး ၊ ဆိုလိုသည်မှာ ၎င်းတို့သည် ဤဆုတ်ယုတ်မှုပုံစံနှင့် ကိုက်ညီရန် စံပြုဒေတာကို အသုံးပြုခဲ့သည်။ ဇယားရှိ coefficients ကိုအနက်ပြန်ဆိုရန်နည်းလမ်းမှာ အောက်ပါအတိုင်းဖြစ်သည်။

• စံသွေဖည်သော အသက်အရွယ် တစ်ခုတိုးခြင်းသည် အိမ်စျေးနှုန်း၏ 0.092 စံသွေဖည်မှု ကျဆင်းခြင်းနှင့် ဆက်စပ်နေသည်၊ စတုရန်းပုံတစ်ပုံသည် စဉ်ဆက်မပြတ်ရှိနေသည်ဟု ယူဆပါသည်။
• စတုရန်းပုံတွင် စံသွေဖည်မှုတစ်ခု တိုးခြင်းသည် အိမ်စျေးနှုန်းတွင် 0.885 စံသွေဖည်မှု တိုးလာခြင်းနှင့် ဆက်စပ်နေပါသည်။

စတုရန်းပုံသည် အသက်အရွယ်ထက် အိမ်ခြံမြေဈေးနှုန်းများအပေါ် များစွာအကျိုးသက်ရောက်မှုရှိသည်ကို ကျွန်ုပ်တို့ချက်ချင်းမြင်နိုင်သည်။ ခန့်မှန်းသူ variable တစ်ခုစီအတွက် p-တန်ဖိုးများသည် ယခင် regression model နှင့် အတိအကျတူညီကြောင်းကိုလည်း သတိပြုပါ။

ဆက်စပ်- Excel တွင် Z ရမှတ်များကို တွက်ချက်နည်း

စံချိန်စံညွှန်းသတ်မှတ်ထားသော သို့မဟုတ် စံချိန်မမီသော ဆုတ်ယုတ်မှုကိန်းများကို မည်သည့်အချိန်တွင် အသုံးပြုရမည်နည်း။

စံသတ်မှတ်ထားသော နှင့် စံမမီသော ဆုတ်ယုတ်မှုကိန်းဂဏန်းများသည် အခြေအနေပေါ်မူတည်၍ အသုံးဝင်နိုင်သည်။ အထူးသဖြင့်-

ကြိုတင်ခန့်မှန်းကိန်းရှင်တစ်ခုရှိ တစ်ယူနစ်ပြောင်းလဲမှုတစ်ခုသည် တုံ့ပြန်မှုကိန်းရှင်တစ်ခုပေါ်တွင် သက်ရောက်သည့်အကျိုးသက်ရောက်မှုကို အဓိပ္ပာယ်ပြန်ဆိုလိုသောအခါ စံမရှိသောဆုတ်ယုတ်မှုကိန်းဂဏန်းများ သည် အသုံးဝင်သည်။ အထက်ဖော်ပြပါ ဥပမာတွင်၊ ကျွန်ုပ်တို့သည် ကြိုတင်ခန့်မှန်းကိန်းရှင်များနှင့် တုံ့ပြန်မှုကိန်းရှင်ကြား အတိအကျဆက်နွယ်မှုကို နားလည်ရန် ပထမဆုတ်ယုတ်မှုမှ စံမညီသော ဆုတ်ယုတ်မှုကိန်းဂဏန်းများကို အသုံးပြုနိုင်သည်။

• တစ်ယူနစ် သက်တမ်းတိုးခြင်းသည် အိမ်စျေးနှုန်း ပျမ်းမျှ $409 ကျဆင်းမှုနှင့် ဆက်စပ်နေပြီး စတုရန်းပုံများ ဆက်တိုက်ရှိနေသည်ဟု ယူဆပါသည်။ ဤကိန်းဂဏန်းသည် ကိန်းဂဏန်းအရ သိသာထင်ရှားသည်မဟုတ်ပါ (p=0.520)။
• စတုရန်းပုံ တစ်ယူနစ် တိုးလာခြင်းသည် အသက် စဉ်ဆက်မပြတ် ရှိနေသောကြောင့် အိမ်စျေးနှုန်း ပျမ်းမျှ ဒေါ်လာ ၁၀၀ တိုးခြင်းနှင့် ဆက်စပ်နေသည်။ ဤကိန်းဂဏန်းအား ကိန်းဂဏန်းအရ သိသာထင်ရှားသော (p=0.000) ကိုလည်း တွေ့ရှိခဲ့သည်။

တုံ့ပြန်မှုကိန်းရှင်တစ်ခုပေါ်ရှိ မတူညီသော ကြိုတင်ခန့်မှန်းကိန်းရှင်များ၏ အကျိုးသက်ရောက်မှုကို နှိုင်းယှဉ်လိုသောအခါတွင် စံသတ်မှတ်ထားသော ဆုတ်ယုတ်မှုကိန်းဂဏန်းများ သည် အသုံးဝင်ပါသည်။ variable တစ်ခုစီကို စံသတ်မှတ်ထားသောကြောင့်၊ မည်သည့် variable သည် တုံ့ပြန်မှု variable ပေါ်တွင် အကြီးမားဆုံး အကျိုးသက်ရောက်မှုကို သင်မြင်နိုင်သည်။

စံသတ်မှတ်ထားသော ဆုတ်ယုတ်မှုကိန်းဂဏန်းများ၏ အားနည်းချက်မှာ ၎င်းတို့သည် အဓိပ္ပာယ်ဖွင့်ဆိုရန် အနည်းငယ်ပိုခက်ခဲသောကြောင့်ဖြစ်သည်။ ဥပမာအားဖြင့်၊ အိမ်ခြံမြေစျေးနှုန်းအပေါ် စံနှုန်းတစ်ခုသွေဖည်မှုတစ်ခုတိုးလာမှုထက် အသက်တစ်ယူနစ်တိုးလာမှု၏အကျိုးသက်ရောက်မှုကို နားလည်ရန်ပိုမိုလွယ်ကူသည်။

ထပ်လောင်းအရင်းအမြစ်များ

Regression Table ကို ဘယ်လိုဖတ်ပြီး အဓိပါယ်ရမလဲ
regression coefficient ကို ဘယ်လိုအဓိပ္ပာယ်ဖွင့်မလဲ။
Excel တွင် Multiple Linear Regression ကို မည်သို့လုပ်ဆောင်မည်နည်း။