হোমসকেস্টাস্টিক সংজ্ঞা

হোমসকেস্টাস্টিক কী?

হোমোসটেস্টেস্টিক ("হোমোসেসডেস্টিক" বানানও) এমন একটি শর্তকে বোঝায় যেখানে একটি রিগ্রেশন মডেলের অবশিষ্টাংশ বা ত্রুটি শব্দটির বৈকল্পিক স্থির থাকে। এটি হ'ল, ত্রুটি পদটি প্রেডিক্টর ভেরিয়েবল পরিবর্তনের মান হিসাবে ততটা পৃথক হয় না। তবে হোমোসকেডাস্টিকটির অভাব বলতে পারে যে নির্ভরতা পরিবর্তনশীলটির কর্মক্ষমতা ব্যাখ্যা করার জন্য রিগ্রেশন মডেলটিতে অতিরিক্ত পূর্বাভাসকারী ভেরিয়েবলগুলি অন্তর্ভুক্ত করতে হতে পারে।

কী Takeaways

• হোমোস্কেস্টাস্টিটিটি ঘটে যখন কোনও রিগ্রেশন মডেলটিতে ত্রুটি শর্তটির ভিন্নতা স্থির থাকে। যদি ত্রুটির শব্দটির বৈকল্পিকতা হোমসকেস্টাস্টিক হয় তবে মডেলটি ভালভাবে সংজ্ঞায়িত হয়েছিল। যদি খুব বেশি বৈকল্পিকতা থাকে তবে মডেলটি ভালভাবে সংজ্ঞায়িত করা হতে পারে না। অতিরিক্ত পূর্বাভাসকারী ভেরিয়েবলগুলি যুক্ত করা নির্ভরশীল ভেরিয়েবলের পারফরম্যান্স ব্যাখ্যা করতে সহায়তা করতে পারে error সম্ভবত, ত্রুটির শব্দটির বৈকল্পিক স্থির না হলে হিটারোস্কেস্টাস্টিটি হয়।

হোমসকেডাস্টিক কীভাবে কাজ করে

হোমোসকেস্টাস্টিটি লিনিয়ার রিগ্রেশন মডেলিংয়ের একটি অনুমান ass যদি রিগ্রেশন লাইনের চারপাশে ত্রুটির বিভিন্নতা ঘটে তবে রিগ্রেশন মডেলটি খারাপভাবে সংজ্ঞায়িত করা যেতে পারে। "সমজাতীয়" এর বিপরীত যেমন সমজাতীয়তার বিপরীত হিটারোস্কেস্টাস্টিটি হয় "ভিন্নধর্মী"। হিটারোস্কেস্টাস্টিটি ("হেটেরোসেসটাস্টিটি "ও বানান) এমন একটি শর্তকে বোঝায় যেখানে কোনও রিগ্রেশন সমীকরণে ত্রুটি শব্দটির বৈকল্পিক স্থির নয়।

যখন বিবেচনা করা যায় যে বৈকল্পিকতা পূর্বাভাসকৃত ফলাফল এবং প্রদত্ত পরিস্থিতির প্রকৃত ফলাফলের মধ্যে পরিমাপ করা পার্থক্য, সমকামীতা নির্ধারণ করা কোন কারণগুলিকে নির্ভুলতার জন্য সামঞ্জস্য করা দরকার তা নির্ধারণ করতে সহায়তা করতে পারে।

বিশেষ বিবেচ্য বিষয়

একটি সাধারণ রিগ্রেশন মডেল বা সমীকরণ, চারটি পদ নিয়ে গঠিত। বাম দিকে নির্ভরশীল পরিবর্তনশীল। এটি মডেলটি "ব্যাখ্যা" করতে চেয়েছিল এমন ঘটনাটিকে প্রতিনিধিত্ব করে। ডানদিকে একটি ধ্রুবক, ভবিষ্যদ্বাণীকারী পরিবর্তনশীল এবং একটি অবশিষ্ট বা ত্রুটি, পদ রয়েছে। ত্রুটি শব্দটি নির্ভরশীল ভেরিয়েবলের পরিবর্তনশীলতার পরিমাণ দেখায় যা ভবিষ্যদ্বাণী ভেরিয়েবল দ্বারা ব্যাখ্যা করা হয় না।

হোমসকেস্টাস্টিকের উদাহরণ

উদাহরণস্বরূপ, ধরুন আপনি প্রতিটি শিক্ষার্থীর পড়াশোনায় যে পরিমাণ সময় ব্যয় করেছেন তা ব্যবহার করে আপনি শিক্ষার্থীদের পরীক্ষার স্কোরগুলি ব্যাখ্যা করতে চেয়েছিলেন। এই ক্ষেত্রে, পরীক্ষার স্কোরগুলি নির্ভরশীল পরিবর্তনশীল এবং অধ্যয়নের জন্য ব্যয় করা সময়টি হবে ভবিষ্যদ্বাণীকারী ভেরিয়েবল।

ত্রুটি শর্তটি পরীক্ষার স্কোরগুলির বৈচিত্রের পরিমাণটি প্রদর্শন করবে যা অধ্যয়নকালীন সময়ের পরিমাণ দ্বারা ব্যাখ্যা করা হয়নি। যদি সেই বৈকল্পিকতা অভিন্ন বা হোমসকেস্টাস্টিক হয়, তবে মডেলটি পরীক্ষার পারফরম্যান্সের জন্য পর্যাপ্ত ব্যাখ্যা হতে পারে studying অধ্যয়নের সময় ব্যয় করার ক্ষেত্রে এটি ব্যাখ্যা করে।

তবে বৈকল্পিকটি হিটারোস্কেস্টাস্টিক হতে পারে। ত্রুটি টার্ম ডেটার একটি প্লট উচ্চ পরীক্ষার স্কোরগুলির সাথে খুব ঘনিষ্ঠভাবে মিলিত অধ্যয়নের সময় দেখাতে পারে তবে কম অধ্যয়নের সময় পরীক্ষার স্কোরগুলি বিস্তৃত হয় এবং এমনকি কিছু খুব উচ্চ স্কোরও অন্তর্ভুক্ত থাকে। সুতরাং স্কোরের বৈকল্পিকতা কেবলমাত্র একজন ভবিষ্যদ্বাণীকারী ভেরিয়েবল দ্বারা সঠিকভাবে ব্যাখ্যা করা যায় না time অধ্যয়নের সময় পরিমাণ। এই ক্ষেত্রে, সম্ভবত অন্য কিছু ফ্যাক্টর কাজ করছে এবং এটি বা তাদের সনাক্ত করার জন্য মডেলটিকে বাড়ানো দরকার হতে পারে। আরও তদন্তে প্রকাশিত হতে পারে যে কিছু শিক্ষার্থী পরীক্ষার উত্তর আগেই দেখেছিল বা তারা আগে একটি অনুরূপ পরীক্ষা দিয়েছিল, তাই এই বিশেষ পরীক্ষার জন্য অধ্যয়নের প্রয়োজন পড়েনি।

রিগ্রেশন মডেলটির উন্নতি করার জন্য, গবেষক, তাই আরও একটি ব্যাখ্যামূলক পরিবর্তনশীল যুক্ত করবেন যা ইঙ্গিত করে যে কোনও শিক্ষার্থী পরীক্ষার আগে উত্তরগুলি দেখেছিল কিনা। রিগ্রেশন মডেলটির পরে দুটি ব্যাখ্যাযোগ্য ভেরিয়েবল থাকবে studying সময় অধ্যয়নরত এবং শিক্ষার্থীদের উত্তরগুলির পূর্ববর্তী জ্ঞান ছিল কিনা। এই দুটি ভেরিয়েবলের সাহায্যে পরীক্ষার স্কোরের আরও বৈকল্পিকতা ব্যাখ্যা করা হবে এবং ত্রুটি শর্তটির বৈকল্পিকতা হোমোসকেস্টাস্টিক হতে পারে, যা পরামর্শ দিয়েছিল যে মডেলটি সঠিকভাবে সংজ্ঞায়িত ছিল।