စံသတ်မှတ်ထားသော အကြွင်းအကျန်များသည် အဘယ်နည်း။

ကျန်ရှိသော ဆိုသည်မှာ မှတ်သားထားသောတန်ဖိုးနှင့် ဆုတ်ယုတ်မှုပုံစံ တစ်ခုရှိ ခန့်မှန်းတန်ဖိုးကြား ကွာခြားချက်ဖြစ်သည်။

အောက်ပါအတိုင်း တွက်ချက်သည်။

လက်ကျန် = သတိပြုမိသော တန်ဖိုး – ခန့်မှန်းထားသော တန်ဖိုး

ကျွန်ုပ်တို့ သတိပြုမိသော တန်ဖိုးများကို ပုံဖော်ကာ တပ်ဆင်ထားသော ဆုတ်ယုတ်မှုမျဉ်းကို ခြုံငုံမိပါက၊ ရှုမြင်မှု တစ်ခုစီအတွက် အကြွင်းအကျန်များသည် စူးစမ်းလေ့လာခြင်းနှင့် ဆုတ်ယုတ်မှုမျဉ်းကြား ဒေါင်လိုက်အကွာအဝေးဖြစ်လိမ့်မည်-

ဆုတ်ယုတ်မှုပုံစံတစ်ခုရှိ အစွန်းများကို ခွဲခြားသတ်မှတ်ရန် ကျွန်ုပ်တို့အသုံးပြုလေ့ရှိသော အကြွင်းအကျန်အမျိုးအစားတစ်ခုကို စံပြုကျန်နေသေး သည်ဟု ခေါ်သည်။

အောက်ပါအတိုင်း တွက်ချက်သည်။

r _i = e _i / s(e _i ) = e _i / RSE√ 1-h _ii

ရွှေ-

• e _i : i ^th အကြွင်း
• RSE- မော်ဒယ်၏ ကျန်နေသော စံလွဲချော်မှု
• h _II : ^IT စောင့်ကြည့်မှု မြင့်တက်လာခြင်း။

လက်တွေ့တွင်၊ ကျွန်ုပ်တို့သည် ပကတိတန်ဖိုး 3 ထက်ကြီးသော စံသတ်မှတ်ထားသော ကျန်ရှိသောမည်သည့်အရာကိုမဆို အကြမ်းဖျင်းအဖြစ် သုံးသပ်လေ့ရှိသည်။

၎င်းသည် ကျွန်ုပ်တို့သည် ဤလေ့လာတွေ့ရှိချက်များကို မော်ဒယ်မှဖယ်ရှားမည်ဟု မဆိုလိုပါ၊ သို့သော် ၎င်းတို့သည် ဒေတာထည့်သွင်းမှုအမှား သို့မဟုတ် အခြားထူးဆန်းသည့်ဖြစ်ရပ်တစ်ခု၏ရလဒ်မဟုတ်ကြောင်း အတည်ပြုရန် ၎င်းတို့ကို ထပ်မံလေ့လာသင့်သည်။

မှတ်ချက်- တစ်ခါတစ်ရံတွင် စံသတ်မှတ်ထားသော အကြွင်းအကျန်များကို “ အိမ်တွင်းလေ့လာထားသော အကြွင်းအကျန်များ” ဟုလည်း ခေါ်သည်။

ဥပမာ- စံသတ်မှတ်ထားသော အကြွင်းအကျန်များကို တွက်ချက်နည်း

စုစုပေါင်း စောင့်ကြည့်မှု 12 ခုပါရှိသော အောက်ပါဒေတာအစုံရှိသည်ဆိုပါစို့။

ကျွန်ုပ်တို့သည် ဤဒေတာအတွဲအတွက် linear regression line တစ်ခုနှင့်ကိုက်ညီရန် ကိန်းဂဏန်းဆော့ဖ်ဝဲ ( R ၊ Excel ၊ Python ၊ Stata ၊ စသည်ဖြင့်) ကိုအသုံးပြုပါက၊ အကောင်းဆုံးကိုက်ညီမှုမျဉ်းသည်-

y = 29.63 + 0.7553x

ဤစာကြောင်းကိုအသုံးပြု၍ X ၏တန်ဖိုးအပေါ်အခြေခံ၍ Y တန်ဖိုးတစ်ခုစီအတွက် ခန့်မှန်းထားသောတန်ဖိုးကို တွက်ချက်နိုင်ပါသည်။ ဥပမာအားဖြင့်၊ ပထမအကြိမ်လေ့လာခြင်း၏ ခန့်မှန်းတန်ဖိုးသည်-

y = 29.63 + 0.7553*(8) = 35.67

ထို့နောက် ဤလေ့လာတွေ့ရှိချက်အတွက် ကျန်ရှိသော ပမာဏကို အောက်ပါအတိုင်း တွက်ချက်နိုင်ပါသည်။

ကျန်ရှိသော = သတိပြုမိသောတန်ဖိုး – ခန့်မှန်းထားသောတန်ဖိုး = 41 – 35.67 = 5.33

လေ့လာမှုတစ်ခုစီအတွက် ကျန်နေသေးသည့်အရာများကို ရှာဖွေရန် ဤလုပ်ငန်းစဉ်ကို ထပ်လုပ်နိုင်ပါသည်။

Model ၏ ကျန်နေသော စံလွဲချော်မှုမှာ 4.44 ဖြစ်ကြောင်း ရှာဖွေရန် ကိန်းဂဏန်းဆော့ဖ်ဝဲလ်ကိုလည်း အသုံးပြုနိုင်သည်။

ထို့အပြင်၊ ၎င်းသည် ဤသင်ခန်းစာ၏ နယ်ပယ်ကျော်လွန်သော်လည်း၊ လေ့လာမှုတစ်ခုစီအတွက် leverage ကိန်းဂဏန်း (h _ii ) ကိုရှာဖွေရန် ဆော့ဖ်ဝဲကို အသုံးပြုနိုင်သည်။

ထို့နောက် စောင့်ကြည့်မှုတစ်ခုစီအတွက် စံသတ်မှတ်ထားသော ကျန်နေသေးသည့်အရာများကို တွက်ချက်ရန် အောက်ပါဖော်မြူလာကို ကျွန်ုပ်တို့ အသုံးပြုနိုင်ပါသည်။

r _i = e _i / RSE√ 1-h _ii

ဥပမာအားဖြင့်၊ ပထမအကြိမ်လေ့လာခြင်းအတွက် စံသတ်မှတ်ထားသောကျန်အကြွင်းကို အောက်ပါအတိုင်း တွက်ချက်သည်-

r _i = 5.33 / 4.44√ 1-0.27 = 1.404

လေ့လာမှုတစ်ခုစီအတွက် စံသတ်မှတ်ထားသော ကျန်နေသေးသည့်အရာများကို ရှာဖွေရန် ဤလုပ်ငန်းစဉ်ကို ပြန်လုပ်နိုင်ပါသည်။

ထို့နောက် ကျွန်ုပ်တို့သည် စံချိန်စံညွှန်းသတ်မှတ်ထားသော အကြွင်းအကျန်များနှင့် ဆန့်ကျင်ဘက်ဖြစ်သော ခန့်မှန်းတန်ဖိုးများကို အမြန်ခွဲခြမ်းစိပ်ဖြာဖန်တီးနိုင်သည်-

ဂရပ်ဖ်မှ၊ စံသတ်မှတ်ထားသော အကြွင်းအကျန်တစ်ခုမှ 3 ၏ ပကတိတန်ဖိုးထက် မကျော်လွန်ကြောင်း ကျွန်ုပ်တို့တွေ့မြင်နိုင်ပါသည်။ ထို့ကြောင့် လေ့လာတွေ့ရှိချက်တစ်ခုမှ အစွန်းထွက်ပုံမပေါ်ပါ။

အချို့သောကိစ္စများတွင်၊ သုတေသီများသည် စံသတ်မှတ်ထားသော အကြွင်းအကျန်များသည် 2 ၏ ပကတိတန်ဖိုးထက်ကျော်လွန်သော စူးစမ်းလေ့လာမှုများကို အစွန်းအထင်းများဟု မှတ်ယူသင့်သည်။

သင်လုပ်ကိုင်နေသော နယ်ပယ်နှင့် သင်လုပ်ဆောင်နေသော တိကျသော ပြဿနာပေါ် မူတည်ပြီး၊ သင်သည် 2 သို့မဟုတ် 3 ၏ ပကတိတန်ဖိုးကို အစွန်းထွက်များအတွက် သင့်သတ်မှတ်ချက်အဖြစ် အသုံးပြုလိုသည်ဖြစ်စေ သင့်အပေါ် မူတည်ပါသည်။

ထပ်လောင်းအရင်းအမြစ်များ

အောက်ဖော်ပြပါ သင်ခန်းစာများသည် စံသတ်မှတ်ထားသော အကြွင်းအကျန်များအကြောင်း နောက်ထပ်အချက်အလက်များကို ပေးဆောင်သည်-

ကိန်းဂဏန်းစာရင်းဇယားတွင် ကျန်ရှိနေသော အရာများကား အဘယ်နည်း။
Excel တွင် စံသတ်မှတ်ထားသော အကြွင်းအကျန်များကို တွက်ချက်နည်း
R တွင် စံသတ်မှတ်ထားသော အကြွင်းအကျန်များကို တွက်ချက်နည်း
Python တွင် Standardized Residuals တွက်ချက်နည်း