መስመር-አልባ ዳግም መመለስ ይችላል። ብዙ ተጨማሪ ዓይነት ኩርባዎችን ይስማማል ፣ ግን እሱ ይችላል በጣም ጥሩውን ለማግኘት እና ለመፈለግ የበለጠ ጥረት ይፈልጋሉ መተርጎም ገለልተኛ ተለዋዋጮች ሚና. በተጨማሪም፣ R-squared ለ አይሰራም ቀጥተኛ ያልሆነ መመለሻ, እና የማይቻል ነው አስላ p-values ለቅርብ ግምቶች.
በዚህ መንገድ፣ ሪግሬሽን መደበኛ ያልሆነ ሊሆን ይችላል?
በስታቲስቲክስ ፣ ቀጥተኛ ያልሆነ መመለሻ መልክ ነው። መመለሻ የትኛዎቹ ምልከታ መረጃ በተቀረጸው ተግባር ሀ መደበኛ ያልሆነ የአምሳያው መለኪያዎች ጥምረት እና በአንድ ወይም በብዙ ገለልተኛ ተለዋዋጮች ላይ የተመሠረተ ነው። ውሂቡ በተከታታይ ግምቶች ዘዴ የተገጠመ ነው።
እንዲሁም አንድ ሰው ሊጠይቅ ይችላል፣ r ስኩዌር የሆነው ለመስመራዊ መመለሻ ብቻ ነው? አጠቃላይ የሂሳብ ማዕቀፍ ለ አር-አራት ማዕዘን ከሆነ በትክክል አይሰራም የመመለሻ ሞዴል አይደለም መስመራዊ. ምንም እንኳን ይህ ችግር ቢኖርም, አብዛኛው የስታቲስቲክስ ሶፍትዌር አሁንም ይሰላል አር-አራት ማዕዘን ላልሆኑ ሞዴሎች. ከተጠቀሙ አር-አራት ማዕዘን ምርጡን ለመምረጥ ሞዴል, ወደ ተገቢው ይመራል ሞዴል ብቻ 28-43% ጊዜ.
ይህንን በተመለከተ፣ ቀጥተኛ ያልሆነ ሪግሬሽን እንዴት ማስላት ይቻላል?
የእርስዎ ሞዴል አንድ የሚጠቀም ከሆነ እኩልታ በ Y = a ቅጽ0 + ለ1X1፣ ሀ ነው። መስመራዊ ሪግሬሽን ሞዴል. ካልሆነ ግን ነው። መደበኛ ያልሆነ.
Y = f (X, β) + ε
- X = የ p ትንበያዎች ቬክተር ፣
- β = የ k መለኪያዎች ቬክተር ፣
- ረ (-) = የታወቀ የመልሶ ማቋቋም ተግባር ፣
- ε = የስህተት ቃል
የመልሶ ማቋቋም ዓይነቶች ምንድ ናቸው?
የመልሶ ማቋቋም ዓይነቶች
- መስመራዊ ሪግሬሽን. በጣም ቀላሉ የመልሶ ማቋቋም ዘዴ ነው.
- ፖሊኖሚል ሪግሬሽን. የገለልተኛ ተለዋዋጭ ፖሊኖሚል ተግባራትን በመውሰድ የመስመር ላይ ያልሆነ እኩልታ ለማስማማት ቴክኒክ ነው።
- የሎጂስቲክ ሪግሬሽን.
- Quantile Regression.
- ሪጅ ሪግሬሽን.
- Lasso Regression.
- የላስቲክ ኔት ሪግሬሽን.
- ዋና አካላት መመለሻ (PCR)
