Sas တွင် breusch-pagan စမ်းသပ်မှုပြုလုပ်နည်း

ဆုတ်ယုတ်မှု ခွဲခြမ်းစိတ်ဖြာမှုတွင် မျိုးရိုးလိုက်ခြင်း ရှိမရှိ ဆုံးဖြတ်ရန် Breusch-Pagan စမ်းသပ်မှုကို အသုံးပြုသည်။

ဤသင်ခန်းစာသည် SAS တွင် Breusch-Pagan စမ်းသပ်မှုကို မည်သို့လုပ်ဆောင်ရမည်ကို ရှင်းပြထားသည်။

ဥပမာ- SAS တွင် Breusch-Pagan စမ်းသပ်မှု

ကျောင်းသားများ၏ နောက်ဆုံးစာမေးပွဲအဆင့်ကို ခန့်မှန်းရန် စာကျက်ချိန်နာရီအရေအတွက်နှင့် လက်တွေ့စာမေးပွဲအရေအတွက်တို့ကို အသုံးပြုသည့် Multiple linear regression model နှင့် ကိုက်ညီလိုသည်ဆိုပါစို့။

စာမေးပွဲရမှတ် = β ₀ + β ₁ (နာရီ) + β ₂ (အကြိုစာမေးပွဲများ)

ပထမဦးစွာ၊ ကျောင်းသား 20 အတွက် ဤအချက်အလက်ပါရှိသော ဒေတာအတွဲကို ဖန်တီးရန် အောက်ပါကုဒ်ကို အသုံးပြုပါမည်။

 /*create dataset*/
data exam_data;
    input hours prep_exams score;
    datalines ;
1 1 76
2 3 78
2 3 85
4 5 88
2 2 72
1 2 69
5 1 94
4 1 94
2 0 88
4 3 92
4 4 90
3 3 75
6 2 90
5 4 90
3 4 82
4 4 85
6 5 90
2 1 83
1 0 62
2 1 76
;
run ;

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

ထို့နောက်၊ ကျွန်ုပ်တို့သည် ဤမျိုးစုံသော မျဉ်း ဖြောင့်ဆုတ်ယုတ်မှုပုံစံနှင့် ကိုက်ညီရန် proc မော်ဒယ်ကို အသုံးပြုမည်ဖြစ်ပြီး မျိုးကွဲကွဲပြားမှုအတွက် Breusch-Pagan စမ်းသပ်မှုကို လုပ်ဆောင်ရန်-

 /*fit regression model and perform Breusch Pagan test*/
proc model data =exam_data;
    parms a1 b1 b2;
    score = a1 + b1*hours + b2*prep_exams;
    fit score / pagan=(1 hours prep_exams)
    out =resid1 outsid ;
run ;
quit ; 

နောက်ဆုံးရလဒ်ဇယားသည် Breusch-Pagan စမ်းသပ်မှုရလဒ်များကိုပြသသည်။

ဤဇယားမှ စမ်းသပ်စာရင်းအင်းသည် 5.05 ဖြစ်ပြီး ဆက်စပ် p-value သည် 0.0803 ဖြစ်ကြောင်း တွေ့နိုင်ပါသည်။

p-value သည် 0.05 ထက်မနည်းသောကြောင့်၊ null hypothesis ကို ငြင်းပယ်ရန် ပျက်ကွက်ပါသည်။

ဆိုလိုသည်မှာ ဆုတ်ယုတ်မှုပုံစံတွင် မျိုးရိုးလိုက်ခြင်းမျိုး ရှိနေကြောင်း အခိုင်အမာဆိုရန် ကျွန်ုပ်တို့တွင် လုံလောက်သော အထောက်အထား မရှိပါ။

ထို့ကြောင့် ဆုတ်ယုတ်မှုအနှစ်ချုပ်ဇယားရှိ ကိန်းဂဏန်းခန့်မှန်းချက်များ၏ စံအမှားများကို လုံခြုံစွာအဓိပ္ပာယ်ပြန်ဆိုရန် ဖြစ်နိုင်သည်။

ဘာဆက်လုပ်ရမလဲ

Breusch-Pagan စမ်းသပ်မှု၏ null hypothesis ကို သင် ငြင်းဆိုရန် ပျက်ကွက်ပါက၊ heteroskedasticity သည် မရှိနိုင်ဘဲ မူလဆုတ်ယုတ်မှု၏ ရလဒ်ကို အနက်ပြန်ဆိုရန် ဆက်လက်လုပ်ဆောင်နိုင်ပါသည်။

သို့သော်၊ သင်သည် null hypothesis ကို ငြင်းပယ်ပါက၊ heteroskedasticity သည် data တွင် ရှိနေသည်ဟု ဆိုလိုသည်။ ဤကိစ္စတွင်၊ regression output table တွင်ပြသထားသော standard errors များသည် စိတ်ချရမည်မဟုတ်ပါ။

ဤပြဿနာကို ဖြေရှင်းရန် ဘုံနည်းလမ်းများစွာ အပါအဝင်၊

1. တုံ့ပြန်မှုကိန်းရှင်ကို ပြောင်းလဲပါ။ တုံ့ပြန်မှု variable တွင် အသွင်ပြောင်းရန် သင်ကြိုးစားနိုင်သည်။

ဥပမာအားဖြင့်၊ မူရင်းတုံ့ပြန်မှုကိန်းရှင်အစား မှတ်တမ်းတုံ့ပြန်မှုကိန်းရှင်ကို သင်သုံးနိုင်သည်။

ယေဘူယျအားဖြင့် ၊ တုံ့ပြန်မှုကိန်းရှင်၏ မှတ်တမ်းကို ယူခြင်းသည် မျိုးရိုးလိုက်ခြင်းကို ဖယ်ရှားရန် ထိရောက်သောနည်းလမ်းဖြစ်သည်။

နောက်ထပ် ဘုံအသွင်ပြောင်းခြင်းမှာ တုံ့ပြန်မှုကိန်းရှင်၏ နှစ်ထပ်ကိန်းကို အသုံးပြုခြင်းဖြစ်သည်။

2. အလေးချိန် ဆုတ်ယုတ်မှုကို သုံးပါ။ ဤဆုတ်ယုတ်မှုအမျိုးအစားသည် ၎င်း၏တပ်ဆင်ထားသောတန်ဖိုး၏ကွဲလွဲမှုအပေါ်အခြေခံ၍ ဒေတာအမှတ်တစ်ခုစီအား အလေးချိန်တစ်ခုစီပေးသည်။

၎င်းသည် ကွဲလွဲမှုပိုများသော ဒေတာအမှတ်များအတွက် သေးငယ်သောအလေးချိန်များကို ပေးစွမ်းနိုင်ပြီး ၎င်းတို့၏ကျန်ရှိသော စတုရန်းများကို လျှော့ချပေးသည်။

သင့်လျော်သောအလေးချိန်ကိုအသုံးပြုသောအခါ၊ ၎င်းသည် heteroskedasticity ပြဿနာကိုဖယ်ရှားနိုင်သည်။