ပြိုင်ဘက် variable- အဓိပ္ပါယ်နှင့် ဥပမာများ

ပေါင်းစပ်ကိန်းရှင် (တစ်ခါတစ်ရံ “ covariate” ဟုခေါ်သည်) သည် လေ့လာမှုတစ်ခုတွင် အဓိကစိတ်ဝင်စားမှုမရှိသော ကိန်းရှင်တစ်ခုဖြစ်ပြီး မည်သို့ပင်ဆိုစေကာမူ လေ့လာနေသည့် ကိန်းရှင်(များ) နှင့် ဆက်စပ်မှုအချို့ရှိနိုင်ပါသည်။

ဤကိန်းရှင်အမျိုးအစားများကို ထည့်သွင်းတွက်ချက်ရန်ပျက်ကွက်ခြင်းသည် ခွဲခြမ်းစိတ်ဖြာမှုတစ်ခုတွင် ဘက်လိုက်မှု သို့မဟုတ် လွဲမှားသောရလဒ်များဆီသို့ ဦးတည်သွားစေနိုင်သည်။ ထို့ကြောင့် ဖြစ်နိုင်လျှင် ကုသရန် အရေးကြီးပါသည်။

စူးစမ်းလေ့လာမှုများတွင်၊ ပူးတွဲဖြစ်ပေါ်နေသော variable များသည် ဒေတာနှင့် variable များကြားတွင် ဆက်ဆံရေးကို ပုံမှန်မဟုတ်သော အဓိပ္ပာယ်ဖွင့်ဆိုမှုများဆီသို့ ဦးတည်သွားနိုင်သည်ကို သတိပြုမိရန် အရေးကြီးပါသည်။ စမ်းသပ်လေ့လာမှုများတွင် တွဲဖက်ကိန်းရှင်များ၏ အန္တရာယ်ကို ဖယ်ရှားရန် သို့မဟုတ် လျှော့ချသည့်နည်းလမ်းဖြင့် စမ်းသပ်မှုကို ဒီဇိုင်းရေးဆွဲရန် အရေးကြီးပါသည်။

အောက်ဖော်ပြပါ ဥပမာများသည် လေ့လာမှုတစ်ခုတွင် ပေါင်းစပ်ကိန်းရှင်များ ရှိနေနိုင်သည့် ဖြစ်ရပ်များစွာကို သရုပ်ဖော်သည်-

ဥပမာ ၁

သုတေသီများသည် လူဦးရေသိပ်သည်းမှုနှင့် ရေခဲမုန့်ရောင်းချမှုကြား ဆက်နွယ်မှုကို နားလည်လိုကြသည်။ သို့သော်၊ ရာသီဥတုသည် ရေခဲမုန့်ရောင်းအားအပေါ် သက်ရောက်မှုရှိမည့် ပေါင်းစပ်ပြောင်းလဲမှုတစ်ခုဖြစ်သည်။

ထို့ကြောင့်၊ သုတေသီများသည် လူဦးရေသိပ်သည်းမှုနှင့် ရေခဲမုန့်ရောင်းချမှုကြား ဆက်နွယ်မှုကို တွက်ချက်ရန် linear regression ကိုလုပ်ဆောင်လိုပါက၊ ၎င်းတို့သည် ဆုတ်ယုတ်မှု၏ ဤပြောင်းလဲမှုအား ထိန်းချုပ်နိုင်ပြီး ခန့်မှန်းချက်ရယူနိုင်ရန်အတွက် ရာသီဥတုဆိုင်ရာ အချက်အလက်များကို စုဆောင်းရန် ကြိုးပမ်းသင့်ပါသည်။ အတိအကျ ရေခဲမုန့်ရောင်းချမှုအပေါ် လူဦးရေသိပ်သည်းမှု၏ သက်ရောက်မှု။

ဥပမာ ၂

သုတေသီများသည် လေ့ကျင့်ချိန်နာရီပေါင်းများစွာနှင့် ဘတ်စကက်ဘောကစားသမားများ၏ တစ်ပွဲလျှင် ပျမ်းမျှရမှတ်များကြား ဆက်စပ်မှုကို နားလည်လိုကြသည်။ သို့ရာတွင်၊ ရမှတ်ပျမ်းမျှရမှတ်များအပေါ် သက်ရောက်မှုရှိနိုင်သည့် ပေါင်းစပ်ကိန်းရှင်သည် တစ်ဂိမ်းလျှင် ကစားသည့် မိနစ်အရေအတွက်ဖြစ်သည်။

ထို့ကြောင့်၊ သုတေသီများသည် ဂိမ်းတစ်ခုလျှင် ကစားသမားတစ်ဦးကစားသည့် မိနစ်အရေအတွက်ကိုလည်း ဆုတ်ယုတ်မှုခွဲခြမ်းစိတ်ဖြာမှုတွင် ပြောင်းလဲမှုတစ်ခုအဖြစ် ထည့်သွင်းနိုင်စေရန်နှင့် ဂိမ်းတစ်ခုလျှင် ပျမ်းမျှရမှတ်များပေါ်တွင် လေ့ကျင့်ခဲ့သော နာရီများ၏ အကျိုးသက်ရောက်မှုကို ခွဲထုတ်နိုင်စေရန် လုပ်ဆောင်သင့်သည်။

ဆက်စပ်- Regression Coefficients ကို ဘယ်လိုအဓိပ္ပာယ်ဖွင့်မလဲ။

ဥပမာ ၃

အချို့သော ဓာတ်မြေသြဇာများသည် အပင်ကြီးထွားမှုကို တိုးမြင့်စေခြင်း ရှိ၊မရှိကို သုတေသီများက သိချင်ကြသည်။ သို့သော်လည်း နေရောင်ခြည်ထိတွေ့မှုနှင့် ရေလောင်းကြိမ်နှုန်းသည် အပင်ကြီးထွားမှုကို ထိခိုက်စေနိုင်သည့် အလားအလာရှိသော ကိန်းရှင်နှစ်ခုဖြစ်သည်။

ထို့ကြောင့် သုတေသီများသည် နေရောင်ခြည်ထိတွေ့မှုနှင့် ရေလောင်းနှုန်းဆိုင်ရာ အချက်အလက်များကို ဆုတ်ယုတ်မှု ခွဲခြမ်းစိတ်ဖြာမှုတွင် ကိန်းရှင်များအဖြစ် ထည့်သွင်းကာ နေရောင်ခြည်နှင့် ထိတွေ့မှုနှင့် ရေလောင်းကြိမ်နှုန်းကို ထည့်သွင်းစဉ်းစားပြီးနောက် ကြီးထွားလာသော အပင်များအပေါ် ဓာတ်မြေသြဇာ၏ အကျိုးသက်ရောက်မှုကို နားလည်နိုင်စေရန်လည်း စုဆောင်းသင့်သည်။

concomitant variable တွေကို ဘယ်လိုခွဲခြားပြီး ဖယ်ရှားမလဲ။

ပူးတွဲဖြစ်ပေါ်နေသော ကိန်းရှင်များကို ဖော်ထုတ်ရန်၊ လေ့လာနေသည့် နယ်ပယ်တွင် ဒိုမိန်းကျွမ်းကျင်မှုရှိရန် အထောက်အကူဖြစ်သည်။ လေ့လာမှုတွင် အထူးတလည်မပါဝင်သည့် လေ့လာမှုကိန်းရှင်များအကြား ဆက်စပ်မှုကို အကျိုးသက်ရောက်နိုင်သည့်အလားအလာရှိသည့် ကိန်းရှင်များကို သိရှိခြင်းဖြင့်၊ အလားအလာရှိသော ပူးတွဲဖြစ်ပေါ်နေသော ကိန်းရှင်များကို သင်ဖော်ထုတ်နိုင်မည်ဖြစ်ပါသည်။

စူးစမ်းလေ့လာမှုများတွင်၊ concomitant variables များ၏အန္တရာယ်ကို ဖယ်ရှားရန် အလွန်ခက်ခဲနိုင်သည်။ ကိစ္စအများစုတွင်၊ သင်လုပ်ဆောင်နိုင်သည့် အကောင်းဆုံးမှာ လေ့လာမှုအပေါ် သက်ရောက်မှုရှိနိုင်သည့် ပူးတွဲဖြစ်ပေါ်နိုင်သည့် အလားအလာများကို ကာကွယ်ခြင်းထက် ရိုးရှင်းစွာ ခွဲခြားသတ်မှတ်ခြင်းဖြစ်သည်။

သို့သော်၊ စမ်းသပ်လေ့လာမှုများတွင် ပေါင်းစပ်ကိန်းရှင်များ၏ အကျိုးသက်ရောက်မှုကို ကောင်းသောစမ်းသပ်ပုံစံဖြင့် ဖယ်ရှားနိုင်သည်။

ဥပမာအားဖြင့်၊ ဆေးနှစ်လုံးသည် သွေးပေါင်ချိန်အပေါ် မတူညီသောအကျိုးသက်ရောက်မှုရှိမရှိ သိလိုသည်ဆိုကြပါစို့။ အစားအသောက် နှင့် ဆေးလိပ်သောက်သည့်အလေ့အထများ ကဲ့သို့သော ဆက်စပ်ပြောင်းလဲမှုများသည် သွေးဖိအားကိုလည်း သက်ရောက်မှုရှိကြောင်း ကျွန်ုပ်တို့သိပါသည်။ ထို့ကြောင့် ကျွန်ုပ်တို့သည် ကျပန်းပုံစံဖြင့် ဤပေါင်းစပ်ကိန်းရှင်များကို ထိန်းချုပ်ရန် ကြိုးစားနိုင်သည်။ ဆိုလိုသည်မှာ ကျွန်ုပ်တို့သည် ပထမ သို့မဟုတ် ဒုတိယဆေးကို သောက်ရန် လူနာများကို ကျပန်းသတ်မှတ်ပေးခြင်းဖြစ်သည်။

ကျွန်ုပ်တို့သည် လူနာများကို အုပ်စုများထံ ကျပန်းသတ်မှတ်ပေးသောကြောင့်၊ ပေါင်းစပ်ကိန်းရှင်များသည် အုပ်စုနှစ်ခုလုံးကို အနီးစပ်ဆုံး တူညီစွာ သက်ရောက်မှုရှိမည်ဟု ကျွန်ုပ်တို့ ယူဆနိုင်ပါသည်။ ဆိုလိုသည်မှာ သွေးပေါင်ချိန် ခြားနားချက်သည် ပေါင်းစပ်ကိန်းရှင်၏ အကျိုးသက်ရောက်မှုထက် ဆေးပြားကြောင့်ဟု ယူဆနိုင်သည်။