Category: လမ်းညွှန်
မော်ဒယ်တစ်ခု၏ ခန့်မှန်းချက် တိကျမှုကို တိုင်းတာရန် အသုံးအများဆုံး မက်ထရစ်များထဲမှ တစ်ခုမှာ MAPE ဖြစ်ပြီး ဆိုလိုသည်မှာ လုံးဝ ရာခိုင်နှုန်း အမှားအယွင်းကို ဆိုလိုသည်။ MAPE တွက်ချက်ရန် ဖော်မြူလာမှာ အောက်ပါအတိုင်း ဖြစ်ပါသည်။ MAPE = (1/n) * Σ(|အမှန်တကယ် – ခန့်မှန်းချက်| / |actual|) * 100 ရွှေ- ∑ – “ပေါင်း” ဟု အဓိပ္ပာယ်ရသော ဖန်စီသင်္ကေတ n – နမူနာအရွယ်အစား real...
အဝိုင်း ပုံဇယား သည် ဒေတာများ၏ ဆွေမျိုးအရွယ်အစားများကို ပြသရန် “ pies” ကို အသုံးပြုသည့် စက်ဝိုင်းပုံကားချပ်တစ်ခုဖြစ်သည်။ ဤသင်ခန်းစာသည် Stata ရှိ pie charts များကို ဖန်တီးခြင်းနှင့် တည်းဖြတ်နည်းကို ရှင်းပြထားသည်။ Stata တွင် Pie Charts ဖန်တီးနည်း Stata ရှိ စက်ဝိုင်းဇယားများကို ဖန်တီးခြင်းနှင့် တည်းဖြတ်နည်းကို သရုပ်ဖော်ရန် သန်းခေါင်စာရင်း ဟုခေါ်သော ဒေတာအတွဲကို အသုံးပြုပါမည်။ ပထမဦးစွာ၊ command box တွင်အောက်ပါတို့ကိုရိုက်ခြင်းဖြင့်ဒေတာကိုတင်ပါ- စနစ်တကျ သန်းခေါင်စာရင်း...
“ quantile-quantile” ၏ အတိုကောက်ဖြစ်သော QQ ကွက်ကွက်ကို ဆုတ်ယုတ်မှုခွဲခြမ်းစိတ်ဖြာမှုမှ ကျန်ရှိသော အရာများကို ပုံမှန်အတိုင်း ဖြန့်ဝေခြင်း ရှိ၊ မရှိ အကဲဖြတ်ရန် မကြာခဏ အသုံးပြုသည်။ ဤသင်ခန်းစာသည် Stata ရှိ QQ ကွက်ကွက်တစ်ခုကို ဖန်တီးပြီး အဓိပ္ပာယ်ပြန်ဆိုနည်းကို ရှင်းပြထားသည်။ ဥပမာ- Stata ရှိ QQ ကြံစည်မှု ဤဥပမာအတွက်၊ ကျွန်ုပ်တို့သည် Stata တွင် တည်ဆောက်ထားသော အလိုအလျောက် ဒေတာအတွဲကို အသုံးပြုပါမည်။ mpg နှင့် displacement တို့ကို...
Logistic regression သည် response variable binary ဖြစ်သောအခါ regression model တစ်ခုနှင့် ကိုက်ညီရန် ကျွန်ုပ်တို့အသုံးပြုသည့် ကိန်းဂဏန်းဆိုင်ရာ နည်းလမ်းတစ်ခုဖြစ်သည်။ ထောက်ပံ့ပို့ဆောင်ရေး ဆုတ်ယုတ်မှုပုံစံသည် ဒေတာအစုံနှင့် မည်မျှကိုက်ညီကြောင်း အကဲဖြတ်ရန်၊ အောက်ပါ မက်ထရစ်နှစ်ခုကို ကြည့်နိုင်သည်- အာရုံခံစားနိုင်မှု- ရလဒ်အမှန်တကယ်အပြုသဘောဖြစ်သောအခါ စောင့်ကြည့်မှုတစ်ခုအတွက် အပြုသဘောဆောင်သောရလဒ်ကို မော်ဒယ်က ခန့်မှန်းသည့်ဖြစ်နိုင်ခြေ။ တိကျမှု- ရလဒ်အမှန်တကယ် အနုတ်လက္ခဏာဖြစ်သောအခါ စောင့်ကြည့်မှုတစ်ခုအတွက် အနုတ်ရလဒ်ကို မော်ဒယ်က ခန့်မှန်းသည့် ဖြစ်နိုင်ခြေ။ ဤမက်ထရစ်နှစ်ခုကို မြင်သာစေရန် ရိုးရှင်းသောနည်းလမ်းမှာ ထောက်ပံ့ပို့ဆောင်ရေး ဆုတ်ယုတ်မှုပုံစံ၏...
တစ်လမ်းသွား ANOVA သည် အချို့သော တုံ့ပြန်မှုကိန်းရှင်များတွင် ကိန်းဂဏန်းကွဲပြားသည့်ရလဒ်များဖြစ်ပေါ်စေခြင်းရှိ၊ မရှိ ဆုံးဖြတ်ရန် အသုံးပြုသည်။ ဥပမာအားဖြင့်၊ ပညာရေးအဆင့်သုံးဆင့် (တွဲဘက်ဘွဲ့၊ ဘွဲ့၊ မဟာဘွဲ့) သည် စာရင်းအင်းအရ နှစ်စဉ်ဝင်ငွေများကို ကွဲပြားစေသည်ဆိုသည်ကို နားလည်ရန် စိတ်ဝင်စားပေမည်။ ဤအခြေအနေတွင် ကျွန်ုပ်တို့တွင် ရှင်းလင်းချက်ပြောင်းနိုင်သောကိန်းရှင်တစ်ခုနှင့် တုံ့ပြန်မှုကိန်းရှင်တစ်ခုရှိသည်။ ရှင်းပြချက် ပြောင်းလဲနိုင်သော- ပညာရေးအဆင့် တုံ့ပြန်မှုပြောင်းလဲနိုင်သော- နှစ်စဉ်ဝင်ငွေ MANOVA သည် တုံ့ပြန်မှုတစ်ခုထက်ပိုသော ပြောင်းလဲနိုင်သော တစ်လမ်းသွား ANOVA ၏ တိုးချဲ့မှုတစ်ခုဖြစ်သည်။ ဥပမာအားဖြင့်၊ ပညာရေးအဆင့်သည် မတူညီသော နှစ်စဉ်...
Linear regression သည် တစ်ခု သို့မဟုတ် တစ်ခုထက်ပိုသော explanatory variable နှင့် response variable အကြား ဆက်နွယ်မှုကို နားလည်ရန် အသုံးပြုနိုင်သော နည်းလမ်းတစ်ခုဖြစ်သည်။ ပုံမှန်အားဖြင့်၊ ကျွန်ုပ်တို့သည် linear regression ကိုလုပ်ဆောင်သောအခါ၊ explanatory variable ၏တန်ဖိုးအပေါ်အခြေခံ၍ တုံ့ပြန်မှုကိန်းရှင်၏ပျမ်းမျှတန်ဖိုးကို ခန့်မှန်းလိုပါသည်။ သို့သော် ကျွန်ုပ်တို့သည် ပျမ်းမျှ သို့မဟုတ် 0.25 ရာခိုင်နှုန်း သို့မဟုတ် 0.90 ရာခိုင်နှုန်း သို့မဟုတ် ကျွန်ုပ်တို့လိုချင်သော အခြားရာခိုင်နှုန်းကို ခန့်မှန်းနိုင်သည်။ ဤနေရာတွင် ပမာဏ...
ကိန်းဂဏန်းစမ်းသပ်မှုများစွာသည် စမ်းသပ်မှုရလဒ်များကို ယုံကြည်စိတ်ချရရန်အတွက် ပုံမှန်အားဖြင့် ကိန်းရှင်တစ်ခု သို့မဟုတ် တစ်ခုထက်ပိုသော ကိန်းရှင်များကို ဖြန့်ဝေ ရန် လိုအပ်သည်။ ဤသင်ခန်းစာသည် Stata ရှိ variable များကြား ပုံမှန်ဖြစ်နိုင်ခြေအတွက် စမ်းသပ်ရန် သင်အသုံးပြုနိုင်သည့် နည်းလမ်းများစွာကို ရှင်းပြထားသည်။ ဤနည်းလမ်းတစ်ခုစီအတွက်၊ ကျွန်ုပ်တို့သည် auto ဟုခေါ်သော built-in Stata dataset ကို အသုံးပြုပါမည်။ အောက်ပါ command ကို အသုံးပြု၍ ဤဒေတာအတွဲကို သင်တင်နိုင်သည်- အလိုအလျောက်စနစ်အသုံးပြုခြင်း။ နည်းလမ်း 1- ဟစ်စတိုဂရမ်များ ကိန်းရှင်တစ်ခုအား...
ဆုတ်ယုတ်မှုခွဲခြမ်းစိတ်ဖြာမှုတွင် Multicollinearity သည် ဆုတ်ယုတ်မှုပုံစံတွင် ထူးခြားသော သို့မဟုတ် အမှီအခိုကင်းသော အချက်အလက်များကို ပေးဆောင်ခြင်းမရှိသည့် နှစ်ခု သို့မဟုတ် ထို့ထက်ပိုသော ရှင်းပြချက်တစ်ခုနှင့်တစ်ခု တစ်ခုနှင့်တစ်ခု အလွန်ဆက်စပ်နေသောအခါတွင် ဖြစ်ပေါ်သည်။ ကိန်းရှင်များကြားတွင် ဆက်စပ်ဆက်စပ်မှုဒီဂရီသည် လုံလောက်စွာမြင့်မားပါက၊ ၎င်းသည် ဆုတ်ယုတ်မှုပုံစံကို အံဝင်ခွင်ကျဖြစ်စေပြီး အနက်ပြန်ဆိုရာတွင် ပြဿနာများဖြစ်စေနိုင်သည်။ ဥပမာအားဖြင့်၊ သင်သည် အောက်ပါကိန်းရှင်များနှင့်အတူ မျဉ်းကြောင်းပြန်ဆုတ်မှုများစွာကို လုပ်ဆောင်သည်ဆိုပါစို့။ ပြောင်းလဲနိုင်သော တုံ့ပြန်မှု- အများဆုံး ဒေါင်လိုက်ခုန်ခြင်း။ ရှင်းလင်းချက်ပြောင်းလွဲချက်များ- ဖိနပ်အရွယ်အစား၊ အမြင့်၊ လေ့ကျင့်ချိန် ဤကိစ္စတွင်၊ အရပ်ရှည်သူများသည် ဖိနပ်အရွယ်အစား ပိုကြီးလေ့ရှိသောကြောင့်...
Mann-Whitney U စမ်းသပ်မှု (တစ်ခါတစ်ရံ Wilcoxon rank sum test ဟုခေါ်သည်) ကို နမူနာဖြန့်ဝေမှုများကို ပုံမှန်မဖြန့်ဝေဘဲ နမူနာအရွယ်အစား သေးငယ်သောအခါ (n < 30) နမူနာနှစ်ခုကြား ကွာခြားချက်ကို နှိုင်းယှဉ်ရန် အသုံးပြုပါသည်။ ၎င်းကို နမူနာနှစ်ခု t စမ်းသပ်မှု ၏ parametric ညီမျှခြင်းဟု ယူဆသည်။ ဤသင်ခန်းစာသည် Excel တွင် Mann-Whitney U စမ်းသပ်မှုကို မည်သို့လုပ်ဆောင်ရမည်ကို ရှင်းပြထားသည်။ ဥပမာ- Excel တွင် Mann-Whitney...
ဆုတ်ယုတ်မှုခွဲခြမ်းစိတ်ဖြာမှုတွင် Multicollinearity သည် ဆုတ်ယုတ်မှုပုံစံတွင် ထူးခြားသော သို့မဟုတ် အမှီအခိုကင်းသော အချက်အလက်များကို ပေးဆောင်ခြင်းမရှိသည့် နှစ်ခု သို့မဟုတ် ထို့ထက်ပိုသော ရှင်းပြချက်တစ်ခုနှင့်တစ်ခု တစ်ခုနှင့်တစ်ခု အလွန်ဆက်စပ်နေသောအခါတွင် ဖြစ်ပေါ်သည်။ ကိန်းရှင်များကြားတွင် ဆက်စပ်ဆက်စပ်မှုဒီဂရီသည် လုံလောက်စွာမြင့်မားပါက၊ ၎င်းသည် ဆုတ်ယုတ်မှုပုံစံကို အံဝင်ခွင်ကျဖြစ်စေပြီး အနက်ပြန်ဆိုရာတွင် ပြဿနာများဖြစ်စေနိုင်သည်။ ကံကောင်းထောက်မစွာ၊ ဆုတ်ယုတ်မှုပုံစံတွင် ရှင်းပြထားသောကိန်းရှင်များကြားတွင် ဆက်စပ်မှုနှင့် ခိုင်ခံ့မှုကို တိုင်းတာသည့် variance inflation factor (VIF) ဟုခေါ်သော မက်ထရစ်ကို အသုံးပြု၍ multicollinearity ကို ရှာဖွေတွေ့ရှိနိုင်သည်။ ဤသင်ခန်းစာတွင်...