Sas တွင် polynomial regression လုပ်နည်း

ဆုတ်ယုတ်မှုခွဲခြမ်းစိတ်ဖြာမှု၏ အသုံးအများဆုံးအမျိုးအစားမှာ ရိုးရှင်းသောမျဉ်းကြောင်းဆုတ်ယုတ်မှု ဖြစ်ပြီး၊ ခန့်မှန်းသူကိန်းရှင်နှင့် တုံ့ပြန်မှုကိန်းရှင်သည် မျဉ်းကြောင်းဆက်စပ်မှုရှိသည့်အခါ အသုံးပြုသည်။

သို့သော် တစ်ခါတစ်ရံတွင် ကြိုတင်ခန့်မှန်းကိန်းရှင်နှင့် တုံ့ပြန်မှုကိန်းရှင်ကြား ဆက်ဆံရေးသည် လိုင်းမဟုတ်ပေ။

ဤကိစ္စများတွင်၊ ကိန်းရှင်များကြားတွင် linear မဟုတ်သော ဆက်နွယ်မှုကို တွက်ချက်နိုင်သည့် polynomial regression ကို အသုံးပြုခြင်းသည် အဓိပ္ပါယ်ရှိစေသည်။

အောက်ဖော်ပြပါ ဥပမာသည် SAS တွင် polynomial regression လုပ်နည်းကို ပြသသည်။

ဥပမာ- SAS တွင် Polynomial Regression

SAS တွင် အောက်ပါဒေတာအစုံရှိသည် ဟု ယူဆကြပါစို့။

 /*create dataset*/
data my_data;
    input xy;
    datalines ;
2 18
4 14
4 16
5 17
6 18
7 23
7 25
8 28
9 32
12 29
;
run ;

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

ယခု dataset ရှိ variables x နှင့် y အကြား ဆက်နွယ်မှုကို မြင်ယောင်နိုင်ရန် scatterplot တစ်ခုကို ဖန်တီးသည်ဆိုပါစို့။

 /*create scatter plot of x vs. y*/
proc sgplot data =my_data;
    scatter x =x y =y;
run ; 

ဂရပ်မှ၊ x နှင့် y အကြား ဆက်နွယ်မှုကို ကုဗပုံဟု မြင်နိုင်သည်။

ထို့ကြောင့်၊ ကျွန်ုပ်တို့သည် ကျွန်ုပ်တို့၏ဒေတာအတွဲ (x ² နှင့် x ³ ) တွင် ကြိုတင်ခန့်မှန်းနိုင်သောကိန်းရှင်အသစ်နှစ်ခုကို သတ်မှတ်နိုင်သည်၊ ထို့နောက် ဤကြိုတင်ခန့်မှန်းကိန်းရှင်များကို အသုံးပြု၍ ကိန်းဂဏာန်းပြောင်းလဲခြင်းပုံစံတစ်ခုနှင့် ကိုက်ညီရန် proc reg ကို အသုံးပြုပါ-

 /*create dataset with new predictor variables*/
data my_data;
    input xy;
    x2 = x** 2 ;
    x3 = x** 3 ;
    datalines ;
2 18
4 14
4 16
5 17
6 18
7 23
7 25
8 28
9 32
12 29
;
run ;

/*fit polynomial regression model*/
proc reg data =my_data;
    model y = x x2 x3;
run ;

Parameter Estimates ဇယားမှ၊ ကျွန်ုပ်တို့သည် ကိန်းဂဏန်း ခန့်မှန်းချက်များကို ရှာဖွေနိုင်ပြီး ကျွန်ုပ်တို့၏ အံဝင်ခွင်ကျဖြစ်သော ကိန်းဂဏန်းများ ဆုတ်ယုတ်မှုညီမျှခြင်းကို ရေးသားနိုင်သည်-

y = 37.213 – 14.238x + 2.648x ² – 0.126x ³

ခန့်မှန်းသူကိန်းရှင်၏ ပေးထားသောတန်ဖိုးတစ်ခုပေးထားသည့် တုံ့ပြန်မှုကိန်းရှင်၏မျှော်မှန်းတန်ဖိုးကို ရှာဖွေရန် ဤညီမျှခြင်းအား အသုံးပြုနိုင်သည်။

ဥပမာ၊ xa သည် 4 တန်ဖိုးရှိပါက y သည် 14.565 တန်ဖိုးရှိသင့်သည်-

y = 37.213 – 14.238(4) + 2.648(4) ² – 0.126(4) ³ = 14.565

polynomial regression model တွင် ချိန်ညှိထားသော R-squared value သည် 0.9636 ရှိပြီး၊ ၎င်းသည် တစ်ခုနှင့် အလွန်နီးကပ်နေပြီး မော်ဒယ်သည် data set နှင့် အံဝင်ခွင်ကျဖြစ်ရန် အကောင်းဆုံးလုပ်ဆောင်နေကြောင်း ကျွန်ုပ်တို့ကို တွေ့မြင်နိုင်သည်။

ဆက်စပ်- ချိန်ညှိထားသော R-Squared (ဥပမာများဖြင့်) အဓိပါယ်ဖွင့်နည်း

ထပ်လောင်းအရင်းအမြစ်များ

အောက်ဖော်ပြပါ သင်ခန်းစာများသည် SAS တွင် အခြားဘုံအလုပ်များကို မည်သို့လုပ်ဆောင်ရမည်ကို ရှင်းပြသည်-

SAS တွင် ရိုးရှင်းသော linear regression လုပ်ဆောင်နည်း
SAS တွင် မျဉ်းကြောင်းပြန်ဆုတ်ခြင်းများစွာကို မည်သို့လုပ်ဆောင်ရမည်နည်း။
SAS တွင် အရေအတွက် ဆုတ်ယုတ်မှုအား မည်သို့လုပ်ဆောင်ရမည်နည်း