Stata တွင် ခန့်မှန်းတန်ဖိုးများနှင့် အကြွင်းအကျန်များကို မည်သို့ရနိုင်မည်နည်း။

Linear regression သည် တစ်ခု သို့မဟုတ် တစ်ခုထက်ပိုသော explanatory variable နှင့် response variable အကြား ဆက်နွယ်မှုကို နားလည်ရန် အသုံးပြုနိုင်သော နည်းလမ်းတစ်ခုဖြစ်သည်။

ဒေတာအတွဲတစ်ခုပေါ်တွင် linear regression လုပ်ဆောင်သောအခါ၊ explanatory variables များ၏ တန်ဖိုးများကို ပေးထားသည့် တုံ့ပြန်မှုကိန်းရှင်၏ တန်ဖိုးများကို ခန့်မှန်းရန် အသုံးပြုနိုင်သည့် ဆုတ်ယုတ်မှုညီမျှခြင်းတစ်ခုဖြင့် အဆုံးသတ်ပါသည်။

ထို့နောက် ခန့်မှန်းချက်တစ်ခုစီအတွက် အကြွင်းအကျန်များကို ရယူရန် ခန့်မှန်းတန်ဖိုးများနှင့် အမှန်တကယ်တန်ဖိုးများအကြား ကွာခြားချက်ကို တိုင်းတာနိုင်သည်။ ၎င်းသည် ကျွန်ုပ်တို့၏ ဆုတ်ယုတ်မှုပုံစံသည် တုံ့ပြန်မှုတန်ဖိုးများကို မည်မျှကောင်းစွာ ဟောကိန်းထုတ်သည်ကို အကြံဥာဏ်တစ်ခုရရှိရန် ကူညီပေးသည်။

ဤသင်ခန်းစာသည် Stata ရှိ ဆုတ်ယုတ်မှုပုံစံအတွက် ခန့်မှန်းထားသော တန်ဖိုးများ နှင့် အကြွင်းအကျန်များကို မည်သို့ရယူရမည်ကို ရှင်းပြထားသည်။

ဥပမာ- ခန့်မှန်းတန်ဖိုးများနှင့် အကြွင်းအကျန်များကို ရယူနည်း

ဤဥပမာအတွက်၊ ကျွန်ုပ်တို့သည် auto ဟုခေါ်သော built-in Stata dataset ကို အသုံးပြုပါမည်။ ကျွန်ုပ်တို့သည် တုံ့ပြန်မှုကိန်းရှင်အဖြစ် ရှင်းလင်းချက်ကိန်းရှင်များနှင့် ဈေးနှုန်းများ အဖြစ် mpg နှင့် ရွှေ့ပြောင်းခြင်းကို အသုံးပြုပါမည်။

မျဉ်းကြောင်းပြန်ဆုတ်ခြင်းကိုလုပ်ဆောင်ရန် အောက်ပါအဆင့်များကိုသုံး၍ ဆုတ်ယုတ်မှုပုံစံအတွက် ခန့်မှန်းထားသောတန်ဖိုးများနှင့် ကျန်ရှိနေမှုများကို ရယူပါ။

အဆင့် 1: ဒေတာကိုတင်ပြီးပြသပါ။

ပထမဦးစွာ၊ ကျွန်ုပ်တို့သည် အောက်ပါ command ကို အသုံးပြု၍ ဒေတာကို တင်ပါမည်။

အလိုအလျောက်စနစ်အသုံးပြုခြင်း။

ထို့နောက်၊ အောက်ပါ command ကို အသုံးပြု၍ ဒေတာ၏ အမြန်အကျဉ်းချုပ်ကို ကျွန်ုပ်တို့ ရရှိပါမည်။

အကျဉ်းချုပ်ရန်

အဆင့် 2- ဆုတ်ယုတ်မှုပုံစံကို အံကိုက်လုပ်ပါ။

ထို့နောက်၊ ကျွန်ုပ်တို့သည် ဆုတ်ယုတ်မှုပုံစံနှင့်ကိုက်ညီရန် အောက်ပါ command ကိုအသုံးပြုပါမည်။

regression price စိုင်းစိုင်းခမ်းလှိုင် displacement

ခန့်မှန်းခြေဆုတ်ယုတ်ညီမျှခြင်းမှာ-

ခန့်မှန်းစျေးနှုန်း = 6672.766 -121.1833*(mpg) + 10.50885*(နေရာရွှေ့ပြောင်းမှု)

အဆင့် 3- ခန့်မှန်းတန်ဖိုးများကို ရယူပါ။

ခန့်မှန်းထားသော command ကို အသုံးပြု၍ ကျွန်ုပ်တို့သည် ခန့်မှန်းထားသော တန်ဖိုးများကို ရရှိနိုင်ပြီး ဤတန်ဖိုးများကို ကျွန်ုပ်တို့ဆန္ဒရှိသည့်အတိုင်း အမည်ပေးထားသော ကိန်းရှင်တစ်ခုတွင် သိမ်းဆည်းပါ။ ဤကိစ္စတွင်၊ ကျွန်ုပ်တို့သည် pred_price အမည်ကို အသုံးပြုပါမည်။

pred_price ကို ခန့်မှန်းပါ။

စာရင်း command ကို အသုံးပြု၍ အမှန်တကယ်စျေးနှုန်းများနှင့် ခန့်မှန်းထားသောစျေးနှုန်းများကို ဘေးချင်းယှဉ်ပြသနိုင်ပါသည်။ စုစုပေါင်း ခန့်မှန်းတန်ဖိုး 74 ခု ရှိသည်၊ သို့သော် ကျွန်ုပ်တို့သည် 1/10 အမိန့်ကို အသုံးပြု၍ ပထမ 10 ကိုသာ ပြသပါမည်-

စျေးနှုန်း 1/10 တွင် pred_price စာရင်း

အဆင့် 4: အကြွင်းအကျန်ကိုရယူပါ။

residuals command ကိုသုံး၍ ခန့်မှန်းချက်တစ်ခုစီ၏ကျန်ရှိသောတန်ဖိုးများကိုကျွန်ုပ်တို့လိုချင်သမျှအမည်ပေးထားသော variable တွင်ဤတန်ဖိုးများကိုသိမ်းဆည်းထားသည်။ ဤကိစ္စတွင်၊ ကျွန်ုပ်တို့သည် resid_price အမည်ကို အသုံးပြုပါမည်။

နေထိုင်မှု_စျေးနှုန်း၊ လက်ကျန်များကို ခန့်မှန်းပါ။

စာရင်း command ကို အသုံးပြု၍ အမှန်တကယ်စျေးနှုန်း၊ မျှော်မှန်းစျေးနှုန်းနှင့် အကြွင်းအကျန်များကို ဖော်ပြနိုင်သည်-

စာရင်းစျေးနှုန်း pred_price resid_price 1/10 ရှိ

အဆင့် 5: အကြွင်းအကျန်များနှင့် ဆန့်ကျင်သည့် ခန့်မှန်းတန်ဖိုးများကို တစ်ကွက်ဖန်တီးပါ။

နောက်ဆုံးတွင်၊ ခန့်မှန်းထားသော တန်ဖိုးများနှင့် အကြွင်းအကျန်များကြား ဆက်စပ်မှုကို မြင်သာစေရန် အပိုင်းအစတစ်ခုကို ဖန်တီးနိုင်သည်-

dispersion reside_price pred_price

တပ်ဆင်ထားသောတန်ဖိုးများ တိုးလာသည်နှင့်အမျှ ကျန်အကြွင်းအကျန်များသည် ပျမ်းမျှအားဖြင့် တိုးလာတတ်သည်ကို ကျွန်ုပ်တို့တွေ့မြင်နိုင်ပါသည်။ တုံ့ပြန်မှုအဆင့်တစ်ခုစီတွင် အကြွင်းအကျန်များ ဖြန့်ဝေမှု မတည်မငြိမ်ဖြစ်သည့်အခါ ၎င်းသည် မျိုးရိုး လိုက်သောလက္ခဏာဖြစ်နိုင်သည်။

Breusch-Pagan စမ်းသပ်မှုကို အသုံးပြု၍ မျိုးကွဲကွဲပြားမှုအတွက် တရားဝင်စမ်းသပ်နိုင်ပြီး ခိုင်ခံ့သောစံအမှားများကို အသုံးပြု၍ ၎င်းကိုဖြေရှင်းနိုင်သည်။