Stata တွင် ပမာဏ ပမာဏ ဆုတ်ယုတ်မှု ကို မည်သို့ လုပ်ဆောင်ရမည်

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 ဆုတ်ယုတ်မှု ဝင်လာပါသည်။ မျဉ်းရိုးသာမန် ဆုတ်ယုတ်မှုကဲ့သို့ပင်၊ ပမာဏ ဆုတ်ယုတ်မှု သည် ရှင်းလင်းချက်ကိန်းရှင်၏ တန်ဖိုးအပေါ် အခြေခံထားသော တုံ့ပြန်မှုကိန်းရှင်တစ်ခုအတွက် အချို့သောတန်ဖိုး (ဥပမာ အလယ်အလတ်၊ 0.25 ရာခိုင်နှုန်း၊ 0.90 ရာခိုင်နှုန်း စသည်) ကို ခန့်မှန်းသည့် ဆုတ်ယုတ်မှုညီမျှခြင်းကို ဖန်တီးသည်။

ဤသင်ခန်းစာသည် Stata တွင် ပမာဏဆုတ်ယုတ်မှုကို မည်သို့လုပ်ဆောင်ရမည်ကို ရှင်းပြထားသည်။

ဥပမာ- Stata ရှိ အရေအတွက် ဆုတ်ယုတ်မှု

ဤဥပမာအတွက်၊ ကျွန်ုပ်တို့သည် auto ဟုခေါ်သော built-in Stata dataset ကို အသုံးပြုပါမည်။ ကျွန်ုပ်တို့သည် ကိုယ်အလေးချိန်ကို ခန့်မှန်းသူကိန်းရှင်နှင့် တုံ့ပြန်မှုကိန်းရှင်အဖြစ် mpg အဖြစ် အလေးချိန်ကိုအသုံးပြုကာ မျဉ်းနားဆုတ်ယုတ်မှုပုံစံကို ပထမဦးစွာ ဖြည့်ဆည်းပေးပါမည်။ ၎င်းသည် ၎င်း၏အလေးချိန်ပေါ်အခြေခံ၍ ကားတစ်စီး၏ ပျမ်းမျှ မျှော်လင့်ထားသော mpg ကိုပြောပြပါမည်။ ထို့နောက်၊ ၎င်း၏အလေးချိန်ပေါ်မူတည်၍ ကားတစ်စီး၏ 0.90 mpg ရာခိုင်နှုန်းကို ခန့်မှန်းရန် အရေအတွက် ဆုတ်ယုတ်မှုပုံစံကို တပ်ဆင်ပါမည်။

အဆင့် 1: ဒေတာကိုတင်ပြီးပြသပါ။

ဒေတာကို တင်ရန် အောက်ပါ command ကို သုံးပါ ။

အလိုအလျောက်စနစ်အသုံးပြုခြင်း။

mpg နှင့် weight variable များ၏ အကျဉ်းချုပ်ကို ရယူရန် အောက်ပါ command ကို အသုံးပြုပါ။

စိုင်းစိုင်းခမ်းလှိုင်ရဲ့ အလေးချိန်ကို ခြုံငုံကြည့်လိုက်ပါ။

အဆင့် 2- ရိုးရှင်းသော မျဉ်းကြောင်းပြန်ဆုတ်ခြင်းကို လုပ်ဆောင်ပါ။

ရိုးရှင်းသောမျဉ်းကြောင်းဆုတ်ယုတ်မှုလုပ်ဆောင်ရန် အောက်ပါ command ကိုအသုံးပြု၍ တုံ့ပြန်မှုကိန်းရှင်အဖြစ် အလေးချိန်ကို ရှင်းလင်းချက်ပြောင်းနိုင်သောကိန်းရှင်နှင့် mpg အဖြစ်အသုံးပြုသည်-

အလေးချိန်ကို စိုင်းစိုင်းခမ်းလှိုင်သို့ ပြန်ပြောင်းပါ။

အထွက်ဇယားမှ ခန့်မှန်းခြေဆုတ်ယုတ်မှုညီမျှခြင်းကို ကျွန်ုပ်တို့တွေ့မြင်နိုင်သည်-

ခန့်မှန်းထားသော စိုင်းစိုင်းခမ်းလှိုင် = 39.44028 – 0.0060087*(အလေးချိန်)

ကားတစ်စီးအတွက် ခန့်မှန်းခြေ ပျမ်းမျှ စိုင်းစိုင်းခမ်းလှိုင်ကို ရှာဖွေရန် ဤညီမျှခြင်းအား အသုံးပြု၍ ၎င်း၏အလေးချိန်ကို ပေးနိုင်ပါသည်။ ဥပမာအားဖြင့်၊ ပေါင် 4,000 အလေးချိန်ရှိသော ကားတစ်စီးတွင် စိုင်းစိုင်းခမ်းလှိုင် 15,405 ရှိမည်ဟု ခန့်မှန်းရသည်။

စိုင်းစိုင်းခမ်းလှိုင် = 39.44028 – 0.0060087*(4000) = 15.405

အဆင့် 3- ပမာဏ ဆုတ်ယုတ်မှုကို လုပ်ဆောင်ပါ။

ထို့နောက်၊ ၎င်း၏အလေးချိန်ပေါ် မူတည်၍ ကားတစ်စီး၏ ဆီစားသက်သာမှု၏ ခန့်မှန်းခြေ ရာခိုင်နှုန်း ⁹⁰ ကို ရရှိရန် ပမာဏ ဆုတ်ယုတ်မှုတစ်ခုကို လုပ်ဆောင်ကြပါစို့။

ဤပမာဏကို ဆုတ်ယုတ်မှုလုပ်ဆောင်ရန် quantile(0.90) ဖြင့် qreg အမိန့်ကို အသုံးပြုပါ-

အလေးချိန် qreg စိုင်းစိုင်းခမ်းလှိုင်၊ ပမာဏ (၀.၉၀)၊

အထွက်ဇယားမှ ခန့်မှန်းခြေဆုတ်ယုတ်မှုညီမျှခြင်းကို ကျွန်ုပ်တို့တွေ့မြင်နိုင်သည်-

^၉၀ ရာခိုင်နှုန်း စိုင်းစိုင်းခမ်းလှိုင် = 47.02632 – 0.0072368*(အလေးချိန်)

ခန့်မှန်းခြေကိုရှာရန် ဤညီမျှခြင်းကို ကျွန်ုပ်တို့သုံးနိုင်သည်။   စိုင်းစိုင်းခမ်းလှိုင်သည် ၎င်း၏အလေးချိန်ကိုထည့်သွင်းစဉ်းစားပြီး ^90th ရာခိုင်နှုန်းရှိကားတစ်စီးအတွက်။ ဥပမာအားဖြင့်၊ ပေါင် 4,000 အလေးချိန်ရှိသော ကားတစ်စီးအတွက် ^90th percentile mpg ကို 18,709 ဟု ခန့်မှန်းသည်-

^90th ရာခိုင်နှုန်း ခန့်မှန်းထားသော စိုင်းစိုင်းခမ်းလှိုင် = 47.02632 – 0.0072368*(4,000) = 18.079

ပေါင် 4,000 အလေးချိန်ရှိသော ကားတစ်စီးသည် ခန့်မှန်းခြေ ပျမ်းမျှ ဆီစားနှုန်း 15,405 mpg ရှိကြောင်း ကျွန်ုပ်တို့၏ယခင် linear regression model မှ ပြောပြသည်ကို သတိရပါ။ ထို့ကြောင့် ပေါင် 4,000 အလေးချိန်ရှိသော ကားတစ်စီးသည် အလေးချိန် 18,079 mpg ကိုရရှိရန် လိုအပ်ပြီး အဆိုပါအလေးချိန်ရှိကားအားလုံး၏ ⁹⁰ ရာခိုင်နှုန်းတွင် ရှိနေရန် ဤပမာဏပမာဏကို ဆုတ်ယုတ်မှုပုံစံက အဓိပ္ပါယ်ရှိစေပါသည်။

Stata တွင် တစ်ကြိမ်တည်းတွင် ပမာဏများစွာသော ဆုတ်ယုတ်မှုများ

Stata တွင် တစ်ကြိမ်တည်း ပမာဏများစွာသော ဆုတ်ယုတ်မှုများစွာကို လုပ်ဆောင်ရန်လည်း ဖြစ်နိုင်သည်။ ဥပမာအားဖြင့်၊ ကျွန်ုပ်တို့သည် ^25th ရာခိုင်နှုန်း၊ ပျမ်းမျှ (ဥပမာ၊ ^50th ရာခိုင်နှုန်း) နှင့် ^90th ရာခိုင်နှုန်းတို့ကို တပြိုင်နက် ခန့်မှန်းလိုသည်ဆိုပါစို့။

၎င်းကိုလုပ်ဆောင်ရန်၊ ခန့်မှန်းရန် quantiles ကိုသတ်မှတ်ရန် sqreg command ကို သုံးနိုင်သည်။

အလေးချိန် mpg sqreg၊ q (0.25၊ 0.50၊ 0.90)

ဤရလဒ်ကို အသုံးပြု၍ အရေအတွက် ဆုတ်ယုတ်မှုတစ်ခုစီအတွက် ခန့်မှန်းခြေ ဆုတ်ယုတ်မှုညီမျှခြင်းများကို တည်ဆောက်နိုင်သည်-

(1) ^25th percentile စိုင်းစိုင်းခမ်းလှိုင် = 35.22414 – 0.0051724*(အလေးချိန်)

(2) ^50th ရာခိုင်နှုန်း စိုင်းစိုင်းခမ်းလှိုင် = 36.94667 – 0.0053333*(အလေးချိန်)

(၃) ^၉၀ ရာခိုင်နှုန်း ခန့်မှန်းထားသော စိုင်းစိုင်းခမ်းလှိုင် = 47.02632 – 0.0072368*(အလေးချိန်)

ထပ်လောင်းအရင်းအမြစ်များ

Stata တွင် ရိုးရှင်းသော မျဉ်းကြောင်းပြန်ဆုတ်ခြင်းကို မည်သို့လုပ်ဆောင်ရမည်နည်း။
Stata တွင် မျဉ်းကြောင်းကြောင်း ဆုတ်ယုတ်မှု အများအပြားကို လုပ်ဆောင်နည်း
Stata တွင် လေးပုံတပုံ ဆုတ်ယုတ်မှုအား မည်သို့လုပ်ဆောင်ရမည်နည်း။