নির্ণয়ের সহগ কী?
সংকল্পের সহগ হ'ল পরিসংখ্যান বিশ্লেষণে ব্যবহৃত একটি পরিমাপ যা কোনও মডেল ভবিষ্যতের ফলাফলগুলি কীভাবে ব্যাখ্যা করে এবং পূর্বাভাস দেয় তা মূল্যায়ন করে। এটি ডেটা সেটে ব্যাখ্যাযোগ্য পরিবর্তনের মাত্রার সূচক। দৃ determination় সংকল্পের সহগ, সাধারণত "আর-স্কোয়ার্ড" নামেও পরিচিত, এটি মডেলের যথার্থতা পরিমাপের জন্য একটি গাইডলাইন হিসাবে ব্যবহৃত হয়।
এই চিত্রটির ব্যাখ্যার একটি উপায় বলতে হবে যে প্রদত্ত মডেলটিতে অন্তর্ভুক্ত ভেরিয়েবলগুলি পর্যবেক্ষণের ভিন্নতার প্রায় x% ব্যাখ্যা করে। সুতরাং, যদি আর 2 = 0.50 হয়, তবে পর্যবেক্ষণের পরিবর্তনের প্রায় অর্ধেকটি মডেল দ্বারা ব্যাখ্যা করা যেতে পারে।
আর-স্কোয়ারড
কী Takeaways
- সংকল্পের সহগ একটি ভবিষ্যতের মডেল সম্পর্কিত পরিসংখ্যানগত বিশ্লেষণকে কেন্দ্র করে একটি জটিল ধারণা। দৃ determination় সংকল্পের সহগটি অন্য ফ্যাক্টরের সাথে সম্পর্কের কারণে একটি কারণের কতটা পরিবর্তনশীলতা হতে পারে তা বোঝাতে ব্যবহার করা হয়।
নির্ণয়ের সহগ বোঝা
দৃ factor় সংখ্যার গুণকটি একটি ফ্যাক্টরের অপরিবর্তনীয়তা অন্য ফ্যাক্টরের সাথে সম্পর্কের কারণে ঘটতে পারে তা বোঝাতে ব্যবহৃত হয়। এটি প্রবণতা বিশ্লেষণে খুব বেশি নির্ভর করে এবং 0 এবং 1 এর মধ্যে একটি মান হিসাবে উপস্থাপিত হয়।
মানটি 1 এর কাছাকাছি, দুটি কারণের মধ্যে ফিট, বা সম্পর্ক তত ভাল। সংকল্পের সহগ পারস্পরিক সম্পর্ক সহগের বর্গ, এটি "আর" নামেও পরিচিত, যা এটি দুটি ভেরিয়েবলের মধ্যে লিনিয়ার পারস্পরিক সম্পর্কের ডিগ্রি প্রদর্শন করতে দেয়।
এই পারস্পরিক সম্পর্কটি "ফিটনেসের ধার্মিকতা" হিসাবে পরিচিত। 1.0 এর মান একটি নিখুঁত ফিটকে নির্দেশ করে এবং এটি ভবিষ্যতের পূর্বাভাসের জন্য এটি একটি খুব নির্ভরযোগ্য মডেল, ইঙ্গিত করে যে মডেলটি পর্যবেক্ষণের সমস্ত প্রকারভেদ ব্যাখ্যা করে। অন্যদিকে 0 এর মান ইঙ্গিত দেয় যে মডেলটি একেবারে ডেটা সঠিকভাবে মডেল করতে ব্যর্থ হয়। একাধিক রিগ্রেশন মডেলের মতো বেশ কয়েকটি ভেরিয়েবল সহ একটি মডেলের জন্য, অ্যাডজাস্ট করা আর 2 দৃ determination় সংকল্পের আরও ভাল সহগ। অর্থনীতিতে, 0.60 এর উপরে একটি আর 2 মান সার্থক হিসাবে দেখা হয়।
নির্ণয়ের সহগ বিশ্লেষণের সুবিধা
সংকল্পের সহগটি হ'ল আসল স্কোরগুলির বিপরীতে কোনও ডেটা সেটে পূর্বাভাস করা স্কোরগুলির মধ্যে পারস্পরিক সম্পর্কের স্কোয়ার। এটি এক্স এবং ওয়াই স্কোরগুলির মধ্যে পারস্পরিক সম্পর্কের বর্গ হিসাবেও প্রকাশ করা যেতে পারে, এক্সটি স্বতন্ত্র ভেরিয়েবল এবং ওয়াই নির্ভর নির্ভরশীল হয়।
উপস্থাপনা নির্বিশেষে, 0 এর সমান একটি আর-স্কোয়ারের অর্থ হ'ল নির্ভরশীল ভেরিয়েবলটি স্বাধীন ভেরিয়েবল ব্যবহার করে পূর্বাভাস দেওয়া যায় না। বিপরীতে, যদি এটি 1 এর সমান হয় তবে এর অর্থ হ'ল একটি ভেরিয়েবলের নির্ভরশীল সর্বদা স্বাধীন ভেরিয়েবল দ্বারা ভবিষ্যদ্বাণী করা হয়।
এই পরিসরের মধ্যে পড়ার দৃ determination় সংকল্পের একটি গুণটি নির্ভর করে যে নির্ভরশীল ভেরিয়েবলটি স্বাধীন ভেরিয়েবল দ্বারা ভবিষ্যদ্বাণী করা হয়। 0.20 এর একটি আর-বর্গক্ষেত্র, উদাহরণস্বরূপ, নির্ভরশীল ভেরিয়েবলের 20% স্বাধীন ভেরিয়েবল দ্বারা পূর্বাভাস দেওয়া হয়।
ফিটের সদ্ব্যবহার বা লিনিয়ার পারস্পরিক সম্পর্কের ডিগ্রি গ্রাফের উপরে লাগানো লাইনের এবং গ্রাফের চারদিকে ছড়িয়ে থাকা সমস্ত ডেটা পয়েন্টের মধ্যে দূরত্ব পরিমাপ করে। তথ্যের টাইট সেটটিতে একটি রিগ্রেশন রেখা থাকবে যা পয়েন্টগুলির খুব কাছে এবং খুব উচ্চ স্তরের ফিট থাকবে, যার অর্থ লাইন এবং ডেটার মধ্যে দূরত্ব খুব কম is ভাল ফিটের একটি আর-স্কোয়ার থাকে যা 1 এর কাছাকাছি।
তবে, আর-স্কোয়ার্ড ডেটা পয়েন্ট বা পূর্বাভাস পক্ষপাতদুষ্ট কিনা তা নির্ধারণ করতে অক্ষম। এটি বিশ্লেষক বা ব্যবহারকারীকেও জানায় না যে সংকল্পের মানটির সহগটি ভাল কিনা। একটি কম আর-স্কোয়ার খারাপ নয়, উদাহরণস্বরূপ এবং আর-স্কোয়ার সংখ্যার উপর ভিত্তি করে সিদ্ধান্ত নেওয়া ব্যক্তিটির to
সংকল্পের সহগকে নির্দোষভাবে ব্যাখ্যা করা উচিত নয়। উদাহরণস্বরূপ, যদি কোনও মডেলের আর-স্কোয়ারটি 75% হিসাবে রিপোর্ট করা হয় তবে এর ত্রুটিগুলির বৈকল্পিক নির্ভরশীল ভেরিয়েবলের পরিবর্তনের তুলনায় 75% কম এবং এররগুলির স্ট্যান্ডার্ড বিচ্যুতি নির্ভরতার মানক বিচ্যুতির চেয়ে 50% কম পরিবর্তনশীল। মডেলের ত্রুটিগুলির স্ট্যান্ডার্ড বিচ্যুতিটি ত্রুটিগুলির স্ট্যান্ডার্ড বিচ্যুতির আকারের প্রায় এক তৃতীয়াংশ যা আপনি ধ্রুবক-কেবল মডেলের সাথে পাবেন।
অবশেষে, কোনও আর-স্কোয়ার মানটি বড় হলেও, কোনও মডেলটিতে ব্যাখ্যামূলক ভেরিয়েবলের কোনও পরিসংখ্যানগত তাত্পর্য থাকতে পারে না বা ব্যবহারিক দিক থেকে এই ভেরিয়েবলগুলির কার্যকর আকার খুব ছোট হতে পারে।
