ချိန်ညှိထားသော မသာမယာအချိုး- အဓိပ္ပါယ် + ဥပမာ

ကိန်းဂဏန်းစာရင်းဇယားများတွင်၊ ထူးထူးခြားခြားအချိုးသည် ကုသမှုအုပ်စုတစ်ခုအတွင်း ဖြစ်ပွားနိုင်ခြေနှင့် ထိန်းချုပ်မှုအုပ်စုတွင် ဖြစ်ပွားသည့် ဖြစ်ရပ်တစ်ခုဖြစ်နိုင်ခြေကြားအချိုးကို ပြောပြသည်။

တစ်ခု သို့မဟုတ် တစ်ခုထက်ပို သော ခန့်မှန်းချက်ကိန်း ရှင်များနှင့် binary တုံ့ပြန်မှု variable တစ်ခု သို့မဟုတ် တစ်ခုထက်ပိုသော ဆုတ်ယုတ်မှုပုံစံတစ်ခုနှင့် ကိုက်ညီရန် ကျွန်ုပ်တို့အသုံးပြုသည့် နည်းလမ်းတစ်ခုဖြစ်သည့် ထောက်လှမ်းဆုတ်ယုတ်မှုတွင် အတိုးနှုန်းများ အချိုးအစားများ အများဆုံးပေါ်နေသည်။

ချိန်ညှိထားသော odds အချိုး သည် မော်ဒယ်တစ်ခုရှိ အခြားကြိုတင်ခန့်မှန်းကိန်းရှင်များအတွက် ချိန်ညှိထားသည့် လေးနက်မှုအချိုးတစ်ခုဖြစ်သည်။

အခြားကြိုတင်ခန့်မှန်းကိန်းရှင်များ၏ အကျိုးသက်ရောက်မှုကို ချိန်ညှိ ပြီးနောက် အဖြစ်အပျက်တစ်ခုဖြစ်ပေါ်နိုင်ခြေများကို မည်သို့အကျိုးသက်ရောက်စေသည်ကို ကြိုတင်ခန့်မှန်းပေးသည့်ကိန်းရှင်က ကျွန်ုပ်တို့အား ကူညီရာတွင် အထူးအသုံးဝင်ပါသည်။

အောက်ဖော်ပြပါ ဥပမာသည် odds ratio နှင့် ချိန်ညှိထားသော odds အချိုးအကြား ခြားနားချက်ကို ဥပမာပေးပါသည်။

ဥပမာ- ချိန်ညှိထားသော လေးနက်မှုအချိုးများကို တွက်ချက်ခြင်း။

မိခင်၏အသက်အရွယ်သည် ကိုယ်အလေးချိန်နည်းသော ကလေးမွေးဖွားနိုင်ခြေကို သက်ရောက်မှုရှိမရှိ နားလည်လိုသည်ဆိုပါစို့။

၎င်းကိုလေ့လာရန်၊ ကျွန်ုပ်တို့သည် တုံ့ပြန်မှုကိန်းရှင် အဖြစ် အသက်အရွယ်ကို ခန့်မှန်းနိုင်သောကိန်းရှင်နှင့် မွေးကင်းစအလေးချိန် (ဟုတ် သို့မဟုတ် မဟုတ်ဘူး) အဖြစ် အသက်ကိုအသုံးပြု၍ ထောက်ပံ့ပို့ဆောင်ရေးဆုတ်ယုတ်မှုကို လုပ်ဆောင်နိုင်သည်။

ကျွန်ုပ်တို့သည် မိခင် 300 တွင် ဒေတာစုဆောင်းပြီး ထောက်ပံ့ပို့ဆောင်ရေး ဆုတ်ယုတ်မှုပုံစံကို အံဝင်ခွင်ကျဖြစ်စေသည်ဆိုပါစို့။ ဤသည်မှာ ရလဒ်များဖြစ်သည်-

အသက်အရွယ်အတွက် အလေးသာမှုအချိုးကို ရယူရန်၊ ဇယားမှ ကိန်းဂဏန်းခန့်မှန်းချက်ကို ရိုးရိုးရှင်းရှင်း ဖော်ပြပါ- e ^0.173 = 1.189 ။

၎င်းသည် အသက်တစ်နှစ်တိုးလာသည်နှင့်အမျှ မွေးကင်းစကလေးငယ်၏ ကိုယ်အလေးချိန် 1,189 တိုးလာခြင်းနှင့် ဆက်စပ်နေကြောင်း ၎င်းကဆိုသည်။ တစ်နည်းဆိုရသော် အသက်အရွယ်အလိုက် တစ်နှစ်ထက်တစ်နှစ် တိုးလာတိုင်း ကိုယ်အလေးချိန်နည်းသော ကလေးမွေးဖွားနိုင်ခြေ 18.9% တိုးလာသည်။

ဤအတိုးနှုန်းအချိုးကို “ crude” odds ratio သို့မဟုတ် “ unadjusted” odds ratio ဟုခေါ်ဝေါ်သည်

သို့သော် မိခင်၏အသက်အရွယ် နှင့် ဆေးလိပ်သောက်ခြင်းအလေ့အထများသည် မွေးကင်းစကိုယ်အလေးချိန်နည်းသော ကလေးမွေးဖွားနိုင်ခြေကို သက်ရောက်မှုရှိမရှိ နားလည်လိုသည်ဆိုပါစို့။

၎င်းကိုလေ့လာရန်၊ ကျွန်ုပ်တို့သည် အသက်အရွယ်နှင့် ဆေးလိပ်သောက်ခြင်းကို ခန့်မှန်းပေးသည့်ကိန်းရှင်များနှင့် တုံ့ပြန်မှုကိန်းရှင် အဖြစ် မွေးကင်းစကိုယ်အလေးချိန်နည်းသော အသက်အရွယ်နှင့် ဆေးလိပ်သောက်ခြင်းကို အသုံးပြု၍ ထောက်ပံ့ပို့ဆောင်ရေးဆုတ်ယုတ်မှုကို လုပ်ဆောင်နိုင်သည်။

ကျွန်ုပ်တို့သည် မိခင် 300 တွင် ဒေတာစုဆောင်းပြီး ထောက်ပံ့ပို့ဆောင်ရေး ဆုတ်ယုတ်မှုပုံစံကို အံဝင်ခွင်ကျဖြစ်စေသည်ဆိုပါစို့။ ဤသည်မှာ ရလဒ်များဖြစ်သည်-

ရလဒ်များကို အဓိပ္ပာယ်ဖွင့်ဆိုပုံမှာ အောက်ပါအတိုင်းဖြစ်သည်။

အသက်- အသက်-ချိန်ညှိထားသော လေးနက်မှုအချိုးကို အောက်ပါအတိုင်း တွက်ချက်သည်- e ^0.045 = 1.046 ။ ဆိုလိုသည်မှာ ဆေးလိပ်သောက်ခြင်းမှာ ကိန်းသေရှိနေသည်ဟု ယူဆပါက နောက်ထပ်နှစ်စဉ်တိုးလာတိုင်း အသက်အရွယ်အလိုက် မွေးကင်းစကလေးမွေးနိုင်ခြေ 4.6% တိုးလာပါသည်။

ဥပမာ အမေ A နဲ့ အမေ B နှစ်ယောက်လုံး ဆေးလိပ်သောက်တယ် ဆိုပါစို့။ မိခင် A သည် မိခင် B ထက် တစ်နှစ်ပိုကြီးပါက မိခင် A သည် ကိုယ်အလေးချိန်နည်းသော ကလေးမွေးဖွားနိုင်ခြေသည် မိခင် B တွင် ကိုယ်အလေးချိန်နည်းသော ကလေးမွေးဖွားနိုင်ခြေ 1.046 ဆဖြစ်သည်။

ဆေးလိပ်သောက်ခြင်း : ဆေးလိပ်သောက်ခြင်းအတွက် ချိန်ညှိထားသော မသာမယာအချိုးကို အောက်ပါအတိုင်း တွက်ချက်သည်- ^e.485 = 1.624 ။ ဆိုလိုသည်မှာ မိခင်သည် ဆေးလိပ်သောက်ခြင်း (ဆေးလိပ်မသောက်ခြင်းနှင့် နှိုင်းယှဉ်ပါက) အသက်အရွယ် ကွာခြားချက်သည် အမြဲတစေ ရှိနေသည်ဟု ယူဆပါက မွေးကင်းစကလေးမွေးဖွားနိုင်ခြေ 62.4% တိုးလာပါသည်။

ဥပမာ အမေ A နဲ့ အမေ B နှစ်ယောက်စလုံး အသက် 30 ဆိုပါစို့။ ကိုယ်ဝန်ဆောင်ချိန်အတွင်း မိခင် A သည် ဆေးလိပ်သောက်ပြီး မိခင် B က ဆေးလိပ်မသောက်ပါက မိခင် A သည် ကိုယ်အလေးချိန်နည်းသော ကလေးမွေးဖွားနိုင်ခြေ 62.4% ထက် ပိုများသည်။

အသက်-ချိန်ညှိထားသော လေးနက်မှုအချိုးသည် ယခင်နမူနာမှ မညှိမထားသော လေးနက်မှုအချိုးထက် နိမ့်သည်ကို သတိပြုပါ။ အဘယ်ကြောင့်ဆိုသော် အခြားကြိုတင်ခန့်မှန်းကိန်းရှင်များသည် တုံ့ပြန်မှုကိန်းရှင်ဖြစ်ပေါ်နိုင်ခြေကို တိုးမြင့်လာသောအခါ၊ မော်ဒယ်တွင်ပါရှိပြီးသား ခန့်မှန်းသူကိန်းရှင်အတွက် ချိန်ညှိထားသော odds အချိုးသည် အမြဲတမ်းလျော့ကျသွားမည်ဖြစ်သည်။

အနှစ်ချုပ်- လေးနက်မှုအချိုးနှင့် ချိန်ညှိထားသော လေးနက်မှုအချိုး

odds အချိုး (တစ်ခါတစ်ရံ “ ရိုင်း” odds ratio ဟုခေါ်သည်) သည် ကြိုတင်ခန့်မှန်းကိန်းရှင်တစ်ခု၏ အပြောင်းအလဲများသည် တုံ့ပြန်မှုကိန်းရှင်ဖြစ်ပေါ်နိုင်သည့် အခွင့်အလမ်းများကို မည်ကဲ့သို့ အကျိုးသက်ရောက်သည်ကို ပြောပြရာတွင် အသုံးဝင်သည်။

ချိန်ညှိထားသော odds အချိုး သည် မော်ဒယ်တစ်ခုရှိ အခြားကြိုတင်ခန့်မှန်းကိန်းရှင်များကို ထိန်းချုပ် ပြီးနောက် တုံ့ပြန်မှုကိန်းရှင်ဖြစ်ပေါ်နိုင်သည့် အခွင့်အလမ်းများကို မည်ကဲ့သို့ အကျိုးသက်ရောက်စေသည့် အပြောင်းအလဲများကို ပြောပြရာတွင် အသုံးဝင်ပါသည်။

ထပ်လောင်းအရင်းအမြစ်များ

Logistic Regression နိဒါန်း
R တွင် logistic regression ကို မည်သို့လုပ်ဆောင်ရမည်နည်း
Python တွင် Logistic Regression ကို မည်သို့လုပ်ဆောင်မည်နည်း။