Regression slope အတွက် ယုံကြည်မှုကြားကာလကို ဘယ်လိုတွက်မလဲ။

ရိုးရှင်းသော linear regression ကို ခန့်မှန်းသူ variable နှင့် response variable အကြား ဆက်နွယ်မှုကို အရေအတွက်သတ်မှတ်ရန်အတွက် အသုံးပြုသည်။

ဤနည်းလမ်းသည် ဒေတာအစုတစ်ခုနှင့် “ ကိုက်ညီ” အသင့်တော်ဆုံး အတန်းတစ်ခုကို ရှာတွေ့ပြီး အောက်ပါပုံစံကို ရယူသည်-

ŷ = b ₀ + b ₁ x

ရွှေ-

• ŷ : ခန့်မှန်းတုံ့ပြန်မှုတန်ဖိုး
• b ₀ : ဆုတ်ယုတ်မှုမျဉ်း၏ မူလအစ
• b ₁ : ဆုတ်ယုတ်မှုမျဉ်း၏ လျှောစောက်
• x : ကြိုတင်ခန့်မှန်းကိန်းရှင်၏တန်ဖိုး

ကျွန်ုပ်တို့သည် ခန့်မှန်းသူကိန်းရှင်၏ တစ်ယူနစ်တိုးလာမှုနှင့်ဆက်စပ်နေသော တုံ့ပြန်မှုကိန်းရှင် ၏ ပျမ်းမျှပြောင်းလဲမှုကို ပြောပြသည့် b ₁ ၏တန်ဖိုးကို မကြာခဏစိတ်ဝင်စားပါသည်။

β ₁ တန်ဖိုး၊ စုစုပေါင်းလူဦးရေအတွက် slope တန်ဖိုးအတွက် ယုံကြည်မှုကြားကာလကို တွက်ချက်ရန် အောက်ပါဖော်မြူလာကို အသုံးပြုနိုင်ပါသည်။

β ₁ အတွက် ယုံကြည်မှုကြားကာလ : b ₁ ± t _{1-α/2၊ n-2} * se(b ₁ )

ရွှေ-

•   b ₁ = ဆုတ်ယုတ်မှုဇယားတွင် ပြထားသည့် Slope coefficient
• t _{1-∝/2၊ n-2} = 1-∝ ယုံကြည်မှုအဆင့်အတွက် အရေးကြီးသော t တန်ဖိုးသည် လွတ်လပ်မှု၏ n-2 ဒီဂရီဖြစ်ပြီး n သည် ကျွန်ုပ်တို့၏ဒေတာအတွဲရှိ စုစုပေါင်းကြည့်ရှုမှုအရေအတွက်ဖြစ်သည်။
• se(b ₁ ) = ဆုတ်ယုတ်မှုဇယားတွင် ပြသထားသည့် b ₁ ၏ စံအမှား

အောက်ဖော်ပြပါ ဥပမာသည် လက်တွေ့တွင် ဆုတ်ယုတ်လျှောစောက်အတွက် ယုံကြည်မှုကြားကာလကို တွက်ချက်နည်းကို ပြသထားသည်။

ဥပမာ- regression slope အတွက် ယုံကြည်မှုကြားကာလ

အတန်းတစ်တန်းရှိ ကျောင်းသား 15 ဦးအတွက် တုံ့ပြန်မှုကိန်းရှင်အဖြစ် ခန့်မှန်းတွက်ချက်မှုကိန်းရှင်နှင့် စာမေးပွဲရမှတ်များအဖြစ် လေ့လာထားသော နာရီများကို အသုံးပြု၍ ရိုးရှင်းသောမျဉ်းကြောင်းဆုတ်ယုတ်မှုပုံစံကို အံကိုက်လုပ်လိုသည်ဆိုပါစို့။

Excel တွင် ရိုးရှင်းသော linear regression ကို လုပ်ဆောင်နိုင်ပြီး အောက်ပါရလဒ်ကို ရရှိနိုင်ပါသည်။

ရလဒ်အတွက် ဖော်ကိန်း ခန့်မှန်းချက်များကို အသုံးပြု၍ တပ်ဆင်ထားသော ရိုးရှင်းသော မျဉ်းဖြောင့်ဆုတ်ယုတ်မှုပုံစံကို အောက်ပါအတိုင်း ရေးသားနိုင်ပါသည်။

ရမှတ် = 65.334 + 1.982*(နာရီလေ့လာသည်)

regression slope ၏တန်ဖိုးသည် 1.982 ဖြစ်သည်။

၎င်းသည် သင်ယူချိန် နောက်ထပ်တစ်နာရီတိုင်းသည် စာမေးပွဲရမှတ်တွင် ပျမ်းမျှ 1,982 တိုးလာခြင်းနှင့် ဆက်စပ်နေကြောင်း ၎င်းကဆိုသည်။

လျှောစောက်အတွက် 95% ယုံကြည်မှုကြားကာလကို တွက်ချက်ရန် အောက်ပါဖော်မြူလာကို အသုံးပြုနိုင်ပါသည်။

• β ₁ အတွက် 95% CI : b ₁ ± t _{1-α/2၊ n-2} * se(b ₁ )
• β ₁ အတွက် 95% CI : 1.982 ± t _{0.975၊ 15-2} * 0.248
• β ₁ အတွက် 95% CI : 1.982 ± 2.1604 * 0.248
• β ₁ အတွက် 95% CI : [1.446၊ 2.518]

ဆုတ်ယုတ်မှုလျှောစောက်အတွက် 95% ယုံကြည်မှုကြားကာလသည် [1.446၊ 2.518] ဖြစ်သည်။

ဤယုံကြည်မှုကြားကာလသည် 0 တန်ဖိုးမပါဝင်သောကြောင့်၊ လေ့လာသည့်နာရီနှင့် စာမေးပွဲအဆင့်ကြားတွင် စာရင်းအင်းအရ သိသာထင်ရှားသောဆက်စပ်မှုရှိကြောင်း ကျွန်ုပ်တို့ ကောက်ချက်ချနိုင်ပါသည်။

မှတ်ချက် – ကျွန်ုပ်တို့သည် လွတ်လပ်မှု 13 ဒီဂရီရှိသော 95% ယုံကြည်မှုအဆင့်နှင့် ကိုက်ညီသော အရေးပါသော t တန်ဖိုးကို ရှာရန် ကျွန်ုပ်တို့သည် ပြောင်းပြန် t ဖြန့်ဝေမှုဂဏန်းတွက်စက်ကို အသုံးပြုခဲ့သည်။

ထပ်လောင်းအရင်းအမြစ်များ

အောက်ဖော်ပြပါ သင်ခန်းစာများသည် linear regression နှင့်ပတ်သက်သော နောက်ထပ်အချက်အလက်များကို ပေးဆောင်သည်-

Simple Linear Regression နိဒါန်း
Multiple Linear Regression အကြောင်း နိဒါန်း
Regression Table ကို ဘယ်လိုဖတ်ပြီး အဓိပါယ်ရမလဲ
ဆုတ်ယုတ်မှုရလဒ်များကို မည်သို့အစီရင်ခံမည်နည်း။