កត្តា Collinear គឺ...
ការសម្រេចចិត្ត៖
វាត្រូវបានសន្មត់ថាអថេរពីរគឺជាប់គ្នាយ៉ាងច្បាស់ i.e. មានទំនាក់ទំនងគ្នាជាលីនេអ៊ែរ ប្រសិនបើ . នៅក្នុងគំរូរបស់យើង មានតែមេគុណនៃតំរែតំរង់លីនេអ៊ែរដែលបានផ្គូផ្គងរវាងកត្តា និងធំជាង 0.7។ ហេតុដូច្នេះហើយកត្តានិងជាគូ។
4. នៅក្នុងគំរូតំរែតំរង់ច្រើន កត្តាកំណត់នៃម៉ាទ្រីសនៃមេគុណទំនាក់ទំនងដែលបានផ្គូផ្គងរវាងកត្តា និងជិតដល់សូន្យ។ នេះមានន័យថាកត្តា និង...
ពហុជួរ
ឯករាជ្យ
បរិមាណ
ការសម្រេចចិត្ត៖
ដើម្បីវាយតម្លៃភាពចម្រុះនៃកត្តា កត្តាកំណត់នៃម៉ាទ្រីសនៃមេគុណជាប់ទាក់ទងគ្នាជាគូរវាងកត្តាអាចត្រូវបានប្រើ។ ប្រសិនបើកត្តាមិនជាប់ទាក់ទងគ្នាទេ នោះម៉ាទ្រីសនៃមេគុណទំនាក់ទំនងគូរវាងកត្តានឹងនៅលីវ។ ចាប់តាំងពីធាតុបិទអង្កត់ទ្រូងទាំងអស់។ នឹងស្មើនឹងសូន្យ។
, ដោយសារតែ = = និង = = = = 0 ។
ប្រសិនបើមានភាពអាស្រ័យលីនេអ៊ែរពេញលេញរវាងកត្តា និងមេគុណទំនាក់ទំនងគូទាំងអស់គឺស្មើនឹងមួយ នោះកត្តាកំណត់នៃម៉ាទ្រីសបែបនេះគឺស្មើនឹងសូន្យ។
ការខិតទៅជិតសូន្យនៃកត្តាកំណត់នៃម៉ាទ្រីសទំនាក់ទំនងអន្តរហ្វាតូរីស ភាពរឹងមាំនៃពហុជួរនៃកត្តា និងលទ្ធផលដែលមិនគួរឱ្យទុកចិត្តកាន់តែច្រើននៃតំរែតំរង់ច្រើន។ ផ្ទុយទៅវិញ កត្តាកំណត់នៃម៉ាទ្រីសទំនាក់ទំនង interfactorial កាន់តែខិតទៅជិតមួយ នោះភាពពហុជួរនៃកត្តាកាន់តែទាប។
5. សម្រាប់គំរូសេដ្ឋកិច្ចនៃសមីការតំរែតំរង់លីនេអ៊ែរច្រើននៃទម្រង់ ម៉ាទ្រីសនៃមេគុណទំនាក់ទំនងលីនេអ៊ែរដែលបានផ្គូផ្គង ( yគឺជាអថេរអាស្រ័យ; x (1),x (2), x (3), x(4)- អថេរឯករាជ្យ)៖
Collinear (ទាក់ទងយ៉ាងជិតស្និទ្ធ) អថេរឯករាជ្យ (ពន្យល់) មិនមែន …
x(2)និង x(3)
x(1)និង x(3)
x(1)និង x(4)
x(2)និង x(4)
ការសម្រេចចិត្ត៖
នៅពេលបង្កើតគំរូតំរែតំរង់ច្រើន វាចាំបាច់ក្នុងការដកចេញនូវលទ្ធភាពនៃទំនាក់ទំនងលីនេអ៊ែរយ៉ាងជិតស្និទ្ធរវាងអថេរឯករាជ្យ (ពន្យល់) ដែលនាំទៅដល់បញ្ហានៃពហុបន្ទាត់។ ក្នុងពេលជាមួយគ្នានេះ មេគុណទំនាក់ទំនងលីនេអ៊ែរត្រូវបានពិនិត្យសម្រាប់គូនីមួយៗនៃអថេរ (ពន្យល់) ឯករាជ្យ។ តម្លៃទាំងនេះត្រូវបានឆ្លុះបញ្ចាំងនៅក្នុងម៉ាទ្រីសនៃមេគុណទំនាក់ទំនងលីនេអ៊ែរជាគូ។ វាត្រូវបានគេជឿថាវត្តមាននៃមេគុណទំនាក់ទំនងគូរវាងអថេរពន្យល់លើសពី 0.7 ក្នុងតម្លៃដាច់ខាតឆ្លុះបញ្ចាំងពីទំនាក់ទំនងជិតស្និទ្ធរវាងអថេរទាំងនេះ (ភាពជិតស្និទ្ធនៃទំនាក់ទំនងជាមួយអថេរ yមិនត្រូវបានពិចារណាក្នុងករណីនេះ) ។ អថេរឯករាជ្យបែបនេះត្រូវបានគេហៅថា collinear ។ ប្រសិនបើតម្លៃនៃមេគុណទំនាក់ទំនងគូរវាងអថេរពន្យល់មិនលើសពី 0.7 ក្នុងតម្លៃដាច់ខាត នោះអថេរពន្យល់បែបនេះមិនជាប់គ្នាទេ។ ចូរយើងពិចារណាតម្លៃនៃមេគុណគូនៃការជាប់ទាក់ទងគ្នា interfactorial: រវាង x(1)និង x(2)តម្លៃគឺ 0,45; រវាង x(1)និង x(3)- ស្មើនឹង 0.82; រវាង x(1)និង x(4)- ស្មើនឹង 0,94; រវាង x(2)និង x(3)- ស្មើនឹង 0.3; រវាង x(2)និង x(4)- ស្មើ 0.7; រវាង x(3)និង x(4)ស្មើនឹង 0.12 ។ ដូច្នេះតម្លៃ , , , មិនលើសពី 0.7 ។ ដូច្នេះ collinear មិនមែនកត្តា x(1)និង x(2), x(2)និង x(3), x(3)និង x(4). ក្នុងចំណោមគូដែលបានរាយបញ្ជីចុងក្រោយ មានគូនៅក្នុងជម្រើសចម្លើយ x(2)និង x(3)គឺជាចម្លើយត្រឹមត្រូវ។ សម្រាប់គូស្នេហ៍ផ្សេងទៀត៖ x(1និង x(3), x(1)និង x(4), x(2)និង x(4)- តម្លៃនៃមេគុណគូនៃទំនាក់ទំនង interfactorial លើសពី 0.7 ហើយកត្តាទាំងនេះគឺ collinear ។
ប្រធានបទទី ៣៖ អថេរអត់ចេះសោះ
1. បានផ្តល់តារាងនៃទិន្នន័យដំបូងសម្រាប់ការកសាងគំរូតំរែតំរង់សេដ្ឋកិច្ច៖
អថេរអត់ចេះសោះ មិនមែន …
បទពិសោធន៍ការងារ
ផលិតភាពការងារ
កម្រិតនៃការអប់រំ
កម្រិតជំនាញបុគ្គលិក
ការសម្រេចចិត្ត៖
នៅពេលបង្កើតគំរូតំរែតំរង់ ស្ថានភាពអាចកើតឡើងនៅពេលដែលចាំបាច់ត្រូវបញ្ចូលក្នុងសមីការ បន្ថែមពីលើអថេរបរិមាណ អថេរដែលឆ្លុះបញ្ចាំងពីលក្ខណៈជាក់លាក់មួយចំនួន (ភេទ ការអប់រំ តំបន់។ល។)។ អថេរគុណភាពបែបនេះត្រូវបានគេហៅថាអថេរ "អត់ចេះសោះ" ។ ដើម្បីបង្កើតគំរូដែលបានបញ្ជាក់នៅក្នុងសេចក្តីថ្លែងការណ៍នៃភារកិច្ច អថេរអត់ចេះសោះត្រូវបានប្រើ៖ កម្រិតនៃការអប់រំ និងកម្រិតគុណវុឌ្ឍិរបស់និយោជិត។ អថេរផ្សេងទៀត។ មិនមែនប្រឌិត ជម្រើសដែលបានស្នើឡើងគឺរយៈពេលនៃសេវាកម្ម និងផលិតភាពការងារ។
2. នៅពេលសិក្សាពីការពឹងផ្អែកនៃការប្រើប្រាស់សាច់លើកម្រិតប្រាក់ចំណូល និងភេទរបស់អ្នកប្រើប្រាស់ យើងអាចណែនាំ...
ប្រើអថេរអត់ចេះសោះ - ភេទរបស់អ្នកប្រើប្រាស់
ចែកចំនួនប្រជាជនជាពីរ៖ សម្រាប់អ្នកប្រើប្រាស់ជាស្ត្រី និងអ្នកប្រើប្រាស់បុរស
ប្រើអថេរអត់ចេះសោះ - កម្រិតចំណូល
មិនរាប់បញ្ចូលពីការគិតគូរពីភេទរបស់អ្នកប្រើប្រាស់ ព្រោះកត្តានេះមិនអាចវាស់វែងជាបរិមាណបានទេ។
ការសម្រេចចិត្ត៖
នៅពេលបង្កើតគំរូតំរែតំរង់ ស្ថានភាពអាចកើតឡើងនៅពេលដែលចាំបាច់ត្រូវបញ្ចូលក្នុងសមីការ បន្ថែមពីលើអថេរបរិមាណ អថេរដែលឆ្លុះបញ្ចាំងពីលក្ខណៈជាក់លាក់មួយចំនួន (ភេទ ការអប់រំ តំបន់។ល។)។ អថេរគុណភាពបែបនេះត្រូវបានគេហៅថាអថេរ "អត់ចេះសោះ" ។ ពួកវាឆ្លុះបញ្ចាំងពីភាពខុសប្រក្រតីនៃចំនួនប្រជាជនស្ថិតិដែលកំពុងសិក្សា ហើយត្រូវបានប្រើប្រាស់សម្រាប់ការធ្វើគំរូកាន់តែប្រសើរឡើងនៃភាពអាស្រ័យនៅក្នុងវត្ថុផ្សេងៗគ្នានៃការសង្កេត។ នៅពេលធ្វើគំរូលើភាពអាស្រ័យបុគ្គលលើទិន្នន័យមិនដូចគ្នា អ្នកក៏អាចប្រើវិធីសាស្រ្តនៃការបែងចែកការប្រមូលទិន្នន័យមិនដូចគ្នាទាំងមូលទៅជាបណ្តុំដាច់ដោយឡែកជាច្រើន ដែលចំនួននេះស្មើនឹងចំនួនរដ្ឋនៃអថេរអត់ចេះសោះ។ ដូច្នេះ ចម្លើយដែលត្រឹមត្រូវគឺ៖ "ប្រើអថេរអត់ចេះសោះ - ភេទរបស់អ្នកប្រើប្រាស់" និង "បែងចែកចំនួនប្រជាជនជាពីរ៖ សម្រាប់អ្នកប្រើប្រាស់ស្ត្រី និងសម្រាប់អ្នកប្រើប្រាស់បុរស"។
3. យើងសិក្សាពីភាពអាស្រ័យនៃតម្លៃផ្ទះល្វែង ( នៅ) ពីតំបន់រស់នៅរបស់នាង ( X) និងប្រភេទផ្ទះ។ គំរូនេះរួមបញ្ចូលទាំងអថេរអត់ចេះសោះដែលឆ្លុះបញ្ចាំងពីប្រភេទផ្ទះដែលបានពិចារណា៖ ផ្ទះថ្ម បន្ទះ ឥដ្ឋ។ សមីការតំរែតំរង់ត្រូវបានទទួល៖ ,
កន្លែងណា ,
សមីការតំរែតំរង់ជាពិសេសសម្រាប់ឥដ្ឋ និង monolithic គឺ ...
សម្រាប់ប្រភេទផ្ទះឥដ្ឋ
សម្រាប់ផ្ទះប្រភេទ monolithic
សម្រាប់ប្រភេទផ្ទះឥដ្ឋ
សម្រាប់ផ្ទះប្រភេទ monolithic
ការសម្រេចចិត្ត៖
វាត្រូវបានទាមទារដើម្បីស្វែងរកសមីការតំរែតំរង់ឯកជនសម្រាប់ផ្ទះឥដ្ឋនិង monolithic ។ សម្រាប់ផ្ទះឥដ្ឋតម្លៃនៃអថេរអត់ចេះសោះមានដូចខាងក្រោម , . សមីការនឹងមានទម្រង់៖ ឬ សម្រាប់ប្រភេទផ្ទះឥដ្ឋ។
សម្រាប់ផ្ទះ monolithic តម្លៃនៃអថេរអត់ចេះសោះមានដូចខាងក្រោម , . សមីការនឹងយកទម្រង់
ឬ សម្រាប់ប្រភេទនៃផ្ទះ monolithic ។
មេគុណទំនាក់ទំនងឆ្លុះបញ្ចាំងពីកម្រិតនៃទំនាក់ទំនងរវាងសូចនាករទាំងពីរ។ តែងតែយកតម្លៃពី -1 ទៅ 1។ ប្រសិនបើមេគុណមានទីតាំងនៅជិត 0 នោះពួកគេនិយាយថាមិនមានទំនាក់ទំនងរវាងអថេរទេ។
ប្រសិនបើតម្លៃនៅជិតមួយ (ពី 0.9 ឧទាហរណ៍) នោះមានទំនាក់ទំនងផ្ទាល់ខ្លាំងរវាងវត្ថុដែលបានសង្កេត។ ប្រសិនបើមេគុណនៅជិតចំណុចខ្លាំងផ្សេងទៀតនៃជួរ (-1) នោះមានទំនាក់ទំនងបញ្ច្រាសខ្លាំងរវាងអថេរ។ នៅពេលដែលតម្លៃស្ថិតនៅចំកណ្តាលពី 0 ទៅ 1 ឬពី 0 ទៅ -1 នោះយើងកំពុងនិយាយអំពីទំនាក់ទំនងខ្សោយ (ទៅមុខ ឬបញ្ច្រាស)។ ទំនាក់ទំនងនេះជាធម្មតាមិនត្រូវបានយកមកពិចារណាទេ៖ វាត្រូវបានចាត់ទុកថាមិនមានទេ។
ការគណនាមេគុណទំនាក់ទំនងក្នុង Excel
ជាឧទាហរណ៍ សូមពិចារណាវិធីសាស្រ្តសម្រាប់គណនាមេគុណទំនាក់ទំនង លក្ខណៈពិសេសនៃទំនាក់ទំនងផ្ទាល់ និងច្រាសរវាងអថេរ។
តម្លៃនៃសូចនាករ x និង y៖
Y គឺជាអថេរឯករាជ្យ x គឺជាអថេរអាស្រ័យ។ វាចាំបាច់ក្នុងការស្វែងរកកម្លាំង (ខ្លាំង / ខ្សោយ) និងទិសដៅ (ទៅមុខ / បញ្ច្រាស) នៃទំនាក់ទំនងរវាងពួកគេ។ រូបមន្តសម្រាប់មេគុណទំនាក់ទំនងមើលទៅដូចនេះ៖
ដើម្បីសម្រួលការយល់ដឹងរបស់វា យើងនឹងបំបែកវាទៅជាធាតុសាមញ្ញមួយចំនួន។
មានទំនាក់ទំនងផ្ទាល់ខ្លាំងរវាងអថេរ។
មុខងារ CORREL ដែលភ្ជាប់មកជាមួយជៀសវាងការគណនាស្មុគស្មាញ។ ចូរយើងគណនាមេគុណទំនាក់ទំនងគូក្នុង Excel ដោយប្រើវា។ យើងហៅថាមេនៃមុខងារ។ យើងស្វែងរកអ្វីដែលយើងត្រូវការ។ អាគុយម៉ង់អនុគមន៍គឺជាអារេនៃតម្លៃ y និងអារេនៃតម្លៃ x៖
ចូរបង្ហាញតម្លៃនៃអថេរនៅលើតារាង៖
មានទំនាក់ទំនងខ្លាំងរវាង y និង x ពីព្រោះ បន្ទាត់រត់ស្ទើរតែស្របគ្នា។ ទំនាក់ទំនងគឺដោយផ្ទាល់៖ បង្កើន y - បង្កើន x ថយចុះ y - ថយចុះ x ។
ម៉ាទ្រីសនៃមេគុណទំនាក់ទំនង Pairwise នៅក្នុង Excel
ម៉ាទ្រីសជាប់ទាក់ទងគ្នាគឺជាតារាងនៅចំណុចប្រសព្វនៃជួរដេកនិងជួរឈរដែលមានមេគុណជាប់ទាក់ទងគ្នារវាងតម្លៃដែលត្រូវគ្នា។ វាសមហេតុផលក្នុងការកសាងវាសម្រាប់អថេរជាច្រើន។
ម៉ាទ្រីសនៃមេគុណជាប់ទាក់ទងគ្នាក្នុង Excel ត្រូវបានបង្កើតដោយប្រើឧបករណ៍ "ការជាប់ទាក់ទងគ្នា" ពីកញ្ចប់ "ការវិភាគទិន្នន័យ" ។
ទំនាក់ទំនងផ្ទាល់ដ៏រឹងមាំមួយត្រូវបានរកឃើញរវាងតម្លៃនៃ y និង x1 ។ មានមតិប្រតិកម្មខ្លាំងរវាង x1 និង x2។ ជាក់ស្តែងមិនមានទំនាក់ទំនងជាមួយតម្លៃនៅក្នុងជួរឈរ x3 ទេ។
y | x (1) | x (2) | x (3) | x (4) | x (5) | |
y | 1.00 | 0.43 | 0.37 | 0.40 | 0.58 | 0.33 |
x (1) | 0.43 | 1.00 | 0.85 | 0.98 | 0.11 | 0.34 |
x (2) | 0.37 | 0.85 | 1.00 | 0.88 | 0.03 | 0.46 |
x (3) | 0.40 | 0.98 | 0.88 | 1.00 | 0.03 | 0.28 |
x (4) | 0.58 | 0.11 | 0.03 | 0.03 | 1.00 | 0.57 |
x (5) | 0.33 | 0.34 | 0.46 | 0.28 | 0.57 | 1.00 |
ការវិភាគនៃម៉ាទ្រីសនៃមេគុណទំនាក់ទំនងដែលបានផ្គូផ្គងបង្ហាញថាសូចនាករការអនុវត្តគឺទាក់ទងយ៉ាងជិតស្និទ្ធបំផុតទៅនឹងសូចនាករ x(4) - បរិមាណជីដែលប្រើក្នុង 1 ហិចតា () ។
ទន្ទឹមនឹងនេះទំនាក់ទំនងរវាងលក្ខណៈពិសេស - អាគុយម៉ង់គឺជិតស្និទ្ធណាស់។ ដូច្នេះ ជាក់ស្តែងមានទំនាក់ទំនងមុខងាររវាងចំនួនត្រាក់ទ័រកង់ ( x(1)) និងចំនួនឧបករណ៍ភ្ជួររាស់លើផ្ទៃដី .
វត្តមាននៃពហុជួរក៏ត្រូវបានបង្ហាញដោយមេគុណទំនាក់ទំនង និង . ដែលបានផ្តល់ឱ្យទំនាក់ទំនងជិតស្និទ្ធនៃសូចនាករ x (1) , x(2) និង x(3) មានតែមួយក្នុងចំណោមពួកគេអាចបញ្ចូលគំរូតំរែតំរង់ទិន្នផល។
ដើម្បីបង្ហាញពីផលប៉ះពាល់អវិជ្ជមាននៃពហុជួរ សូមពិចារណាគំរូតំរែតំរង់ទិន្នផល រួមទាំងធាតុបញ្ចូលទាំងអស់៖
Fobs = 121 ។
ក្នុងវង់ក្រចកគឺជាតម្លៃនៃការប៉ាន់ប្រមាណដែលបានកែតម្រូវនៃគម្លាតស្តង់ដារនៃការប៉ាន់ប្រមាណនៃមេគុណនៃសមីការ។ .
នៅក្រោមសមីការតំរែតំរង់ ប៉ារ៉ាម៉ែត្រគ្រប់គ្រាន់ខាងក្រោមត្រូវបានបង្ហាញ៖ មេគុណច្រើននៃការកំណត់ ; ការប៉ាន់ប្រមាណដែលត្រូវបានកែដំរូវនៃបំរែបំរួលដែលនៅសល់ កំហុសប្រហាក់ប្រហែលដែលទាក់ទងជាមធ្យម និងតម្លៃគណនានៃ -criterion Fobs = 121 ។
សមីការតំរែតំរង់គឺសំខាន់ដោយសារតែ F obl = 121 > F kp = 2.85 បានរកឃើញពីតារាង ច- ការចែកចាយនៅ a=0.05; n 1 = 6 និង n 2 = 14 ។
វាកើតឡើងពីនេះថា Q¹0, ឧ. និងយ៉ាងហោចណាស់មេគុណមួយនៃសមីការ q j (j= 0, 1, 2, ..., 5) មិនស្មើនឹងសូន្យ។
ដើម្បីសាកល្បងសម្មតិកម្មអំពីសារៈសំខាន់នៃមេគុណតំរែតំរង់បុគ្គល H0: q j =0 ដែល j=1,2,3,4,5 ប្រៀបធៀបតម្លៃសំខាន់ t kp = 2.14 រកឃើញពីតារាង t- ការចែកចាយនៅកម្រិតសារៈសំខាន់ a=2 សំណួរ=0.05 និងចំនួនដឺក្រេនៃសេរីភាព n=14 ជាមួយនឹងតម្លៃដែលបានគណនា។ វាធ្វើតាមពីសមីការដែលមេគុណតំរែតំរង់គឺសំខាន់ស្ថិតិតែនៅពេលដែល x(4) ចាប់តាំងពី½ t 4½=2.90 > t kp=2.14 ។
សញ្ញាអវិជ្ជមាននៃមេគុណតំរែតំរង់នៅ x(1) និង x(5) ។ ពីតម្លៃអវិជ្ជមាននៃមេគុណវាដូចខាងក្រោមថាការកើនឡើងនៃការតិត្ថិភាពនៃកសិកម្មជាមួយនឹងត្រាក់ទ័រកង់ ( x(1)) និងផលិតផលសុខភាពរុក្ខជាតិ ( x(5)) ប៉ះពាល់អវិជ្ជមានដល់ទិន្នផល។ ដូច្នេះ សមីការតំរែតំរង់លទ្ធផលគឺមិនអាចទទួលយកបានទេ។
ដើម្បីទទួលបានសមីការតំរែតំរង់ជាមួយនឹងមេគុណសំខាន់ៗ យើងប្រើក្បួនដោះស្រាយការវិភាគតំរែតំរង់ជាជំហានៗ។ ដំបូងយើងប្រើក្បួនដោះស្រាយមួយជំហានម្តងមួយៗជាមួយនឹងការលុបបំបាត់អថេរ។
មិនរាប់បញ្ចូលអថេរពីគំរូ x(1) ដែលត្រូវនឹងតម្លៃដាច់ខាតអប្បបរមានៃ½ t 1½=0.01។ សម្រាប់អថេរដែលនៅសល់ យើងនឹងបង្កើតសមីការតំរែតំរង់ម្តងទៀត៖
សមីការលទ្ធផលគឺសំខាន់, ដោយសារតែ F obs = 155 > F kp = 2.90 រកឃើញនៅកម្រិតសារៈសំខាន់ a=0.05 និងចំនួនដឺក្រេនៃសេរីភាព n 1 =5 និង n 2 =15 យោងតាមតារាង ច- ការចែកចាយ, ឧ។ វ៉ិចទ័រ q¹0. ទោះយ៉ាងណាក៏ដោយ មានតែមេគុណតំរែតំរង់ប៉ុណ្ណោះ ដែលមានសារៈសំខាន់នៅក្នុងសមីការនៅ x(៤)។ តម្លៃដែលបានគណនា½ t j ½ សម្រាប់មេគុណផ្សេងទៀតតិចជាង t cr = 2.131 រកឃើញក្នុងតារាង t- ការចែកចាយសម្រាប់ a=2 សំណួរ=0.05 និង n=15 ។
ដោយមិនរាប់បញ្ចូលអថេរពីគំរូ x(3) ដែលត្រូវនឹងតម្លៃអប្បបរមា t 3 = 0.35 និងទទួលបានសមីការតំរែតំរង់៖
(2.9)
នៅក្នុងសមីការលទ្ធផល វាមិនសំខាន់ជាស្ថិតិទេ ហើយយើងមិនអាចបកស្រាយតាមបែបសេដ្ឋកិច្ចនៃមេគុណនៅ x(5) ។ ដោយមិនរាប់បញ្ចូល x(5) យើងទទួលបានសមីការតំរែតំរង់៖
(2.10)
យើងទទួលបានសមីការតំរែតំរង់ដ៏មានអត្ថន័យជាមួយនឹងមេគុណដែលមានអត្ថន័យ និងអាចបកស្រាយបាន។
ទោះយ៉ាងណាក៏ដោយ សមីការលទ្ធផលមិនមែនជាគំរូទិន្នផល "ល្អ" ឬ "ល្អបំផុត" តែមួយគត់នៅក្នុងឧទាហរណ៍របស់យើងទេ។
ចូរយើងបង្ហាញវា។ នៅក្នុងលក្ខខណ្ឌនៃ multicollinearity ក្បួនដោះស្រាយជំហានដោយជំហានជាមួយនឹងការបញ្ចូលអថេរគឺមានប្រសិទ្ធភាពជាង។ជំហានដំបូងនៅក្នុងគំរូទិន្នផល yរួមបញ្ចូលអថេរ x(4) ដែលមានមេគុណទំនាក់ទំនងខ្ពស់បំផុតជាមួយ yពន្យល់ដោយអថេរ - r(y,x(4))=0.58។ នៅក្នុងជំហានទីពីរ រួមទាំងសមីការរួមជាមួយនឹង x(4) អថេរ x(1) ឬ x(3) យើងនឹងទទួលបានគំរូដែលខ្ពស់ជាង (2.10) សម្រាប់ហេតុផលសេដ្ឋកិច្ច និងលក្ខណៈស្ថិតិ៖
(2.11)
(2.12)
ការដាក់បញ្ចូលអថេរណាមួយក្នុងចំណោមអថេរទាំងបីនៅក្នុងសមីការធ្វើឱ្យលក្ខណៈសម្បត្តិរបស់វាកាន់តែអាក្រក់។ សូមមើលឧទាហរណ៍ សមីការ (២.៩)។
ដូច្នេះ យើងមានគំរូទិន្នផល "ល្អ" ចំនួនបី ដែលត្រូវតែជ្រើសរើសសម្រាប់ហេតុផលសេដ្ឋកិច្ច និងស្ថិតិ។
យោងតាមលក្ខណៈវិនិច្ឆ័យស្ថិតិ គំរូ (2.11) គឺគ្រប់គ្រាន់បំផុត។ វាត្រូវគ្នាទៅនឹងតម្លៃអប្បបរមានៃបំរែបំរួលសំណល់ = 2.26 និងកំហុសប្រហាក់ប្រហែលដែលទាក់ទងជាមធ្យម និងតម្លៃធំបំផុត និង Fobs = 273 ។
គំរូ (2.12) មានសូចនាករនៃភាពគ្រប់គ្រាន់ដែលអាក្រក់ជាងនេះបន្តិច ហើយបន្ទាប់មកគំរូ (2.10) ។
ឥឡូវនេះយើងនឹងជ្រើសរើសម៉ូដែលល្អបំផុត (2.11) និង (2.12) ។ ម៉ូដែលទាំងនេះខុសគ្នាពីគ្នាទៅវិញទៅមកក្នុងអថេរ x(1) និង x(៣). ទោះយ៉ាងណាក៏ដោយនៅក្នុងគំរូទិន្នផលអថេរ x(1) (ចំនួនត្រាក់ទ័រកង់ក្នុង 100 ហិចតា) គឺល្អសម្រាប់អថេរ x(3) (ចំនួននៃការភ្ជួររាស់លើផ្ទៃដីក្នុង 100 ហិចតា) ដែលជាចំនួនបន្ទាប់បន្សំ (ឬបានមកពី x (1)).
នៅក្នុងការតភ្ជាប់នេះ សម្រាប់ហេតុផលសេដ្ឋកិច្ច ចំណង់ចំណូលចិត្តគួរតែត្រូវបានផ្តល់ទៅឱ្យគំរូ (2.12) ។ ដូច្នេះបន្ទាប់ពីអនុវត្តក្បួនដោះស្រាយការវិភាគតំរែតំរង់ជាជំហាន ៗ ជាមួយនឹងការដាក់បញ្ចូលអថេរ និងគិតគូរពីការពិតដែលថាមានតែអថេរដែលទាក់ទងគ្នាមួយក្នុងចំណោមអថេរទាំងបីប៉ុណ្ណោះដែលគួរតែបញ្ចូលសមីការ ( x (1) , x(2) ឬ x(3) ជ្រើសរើសសមីការតំរែតំរង់ចុងក្រោយ៖
សមីការគឺសំខាន់នៅ a=0.05 ពីព្រោះ F obl = 266 > F kp = 3.20 បានរកឃើញពីតារាង ច- ការចែកចាយសម្រាប់ a = សំណួរ=0.05; n 1 = 3 និង n 2 = 17 ។ មេគុណតំរែតំរង់ទាំងអស់ក៏មានសារៈសំខាន់ផងដែរនៅក្នុងសមីការ½ t j½> t kp (a=2 សំណួរ=0.05; n=17)=2.11 ។ មេគុណតំរែតំរង់ q 1 គួរតែត្រូវបានទទួលស្គាល់ថាសំខាន់ (q 1 ¹0) សម្រាប់ហេតុផលសេដ្ឋកិច្ច ខណៈពេលដែល t 1 = 2.09 តិចជាងបន្តិច t kp = 2.11 ។
វាធ្វើតាមសមីការតំរែតំរង់ដែលការកើនឡើងក្នុងមួយឯកតានៃចំនួនត្រាក់ទ័រក្នុង 100 ហិកតានៃដីដាំដុះ (ជាមួយនឹងតម្លៃថេរ x(4)) នាំអោយមានការកើនឡើងនៃទិន្នផលគ្រាប់ធញ្ញជាតិជាមធ្យម 0.345 c/ha ។
ការគណនាប្រហាក់ប្រហែលនៃមេគុណនៃការបត់បែន e 1 "0.068 និង e 2" 0.161 បង្ហាញថាជាមួយនឹងការកើនឡើងនៃសូចនាករ x(1) និង x(4) ដោយ 1%, ទិន្នផលគ្រាប់ធញ្ញជាតិកើនឡើងជាមធ្យម 0.068% និង 0.161% រៀងគ្នា។
មេគុណច្រើននៃការកំណត់បង្ហាញថាមានតែ 46.9% នៃបំរែបំរួលទិន្នផលត្រូវបានពន្យល់ដោយសូចនាករដែលបានរួមបញ្ចូលក្នុងគំរូ ( x(1) និង x(4)) ពោលគឺការតិត្ថិភាពនៃផលិតកម្មដំណាំជាមួយនឹងត្រាក់ទ័រ និងជី។ ការបំរែបំរួលដែលនៅសល់គឺដោយសារសកម្មភាពនៃកត្តាដែលមិនបានគណនា ( x (2) , x (3) , x(៥) លក្ខខណ្ឌអាកាសធាតុ។ល។ កំហុសប្រហាក់ប្រហែលដែលទាក់ទងជាមធ្យមកំណត់លក្ខណៈគ្រប់គ្រាន់នៃគំរូ ក៏ដូចជាតម្លៃនៃបំរែបំរួលសំណល់។ នៅពេលបកស្រាយសមីការតំរែតំរង់ តម្លៃនៃកំហុសប្រហាក់ប្រហែលដែលទាក់ទងគឺជាការចាប់អារម្មណ៍ . សូមចាំថា - តម្លៃគំរូនៃសូចនាករប្រសិទ្ធភាពកំណត់តម្លៃទិន្នផលជាមធ្យមសម្រាប់ចំនួនសរុបនៃតំបន់ដែលបានពិចារណា ផ្តល់ថាតម្លៃនៃអថេរពន្យល់ x(1) និង x(4) ថេរនៅកម្រិតដូចគ្នា, ពោលគឺ x (1) = x ខ្ញុំ(1) និង x (4) = x ខ្ញុំ(៤)។ បន្ទាប់មកសម្រាប់តម្លៃនៃ d ខ្ញុំទិន្នផលអាចប្រៀបធៀបបាន។ តំបន់ដែលត្រូវគ្នានឹងតម្លៃ d ខ្ញុំ>0, មានទិន្នផលលើសពីមធ្យម និង ឃ ខ្ញុំ<0 - ниже среднего.
ក្នុងឧទាហរណ៍របស់យើង ផលិតកម្មដំណាំមានប្រសិទ្ធភាពបំផុតនៅក្នុងតំបន់ដែលត្រូវគ្នានឹង ឃ 7 \u003d 28% ដែលទិន្នផលខ្ពស់ជាងមធ្យមភាគសម្រាប់តំបន់ 28% និងមានប្រសិទ្ធភាពតិចបំផុត - នៅក្នុងតំបន់ដែលមាន ឃ 20 =-27,3%.
ភារកិច្ចនិងលំហាត់
2.1. ពីប្រជាជនទូទៅ ( y, x (1) , ..., x(p)) កន្លែងណា yមានច្បាប់ចែកចាយធម្មតាជាមួយនឹងការរំពឹងទុកគណិតវិទ្យាតាមលក្ខខណ្ឌ និងបំរែបំរួល s 2 ដែលជាគំរូចៃដន្យនៃបរិមាណ ន, តោះទៅ ( y ខ្ញុំ, x ខ្ញុំ (1) , ..., x ខ្ញុំ(p)) - លទ្ធផល ខ្ញុំការសង្កេត ( ខ្ញុំ=1, 2, ..., ន) កំណត់៖ ក) ការរំពឹងទុកតាមគណិតវិទ្យានៃការប៉ាន់ស្មានការេតិចបំផុតនៃវ៉ិចទ័រ q; ខ) ម៉ាទ្រីសនៃការប៉ាន់ប្រមាណការ៉េតិចបំផុតនៃវ៉ិចទ័រ q; គ) ការរំពឹងទុកគណិតវិទ្យានៃការប៉ាន់ស្មាន។
2.2. យោងតាមលក្ខខណ្ឌនៃបញ្ហា 2.1 ស្វែងរកការរំពឹងទុកគណិតវិទ្យានៃផលបូកនៃគម្លាតការេដោយសារការតំរែតំរង់ i.e. EQ Rកន្លែងណា
.
2.3. យោងតាមលក្ខខណ្ឌនៃបញ្ហា 2.1 កំណត់ការរំពឹងទុកគណិតវិទ្យានៃផលបូកនៃគម្លាតការេដោយសារតែបំរែបំរួលសំណល់ដែលទាក់ទងទៅនឹងបន្ទាត់តំរែតំរង់ i.e. EQ ost កន្លែងណា
2.4. បង្ហាញថានៅក្រោមសម្មតិកម្ម Н 0: q=0 ស្ថិតិ
មានការចែកចាយ F ជាមួយដឺក្រេនៃសេរីភាព n 1 = p + 1 និង n 2 = n-p-1 ។
2.5. បង្ហាញថានៅពេលដែលសម្មតិកម្ម H 0: q j =0 ត្រូវបានបំពេញ ស្ថិតិមានការចែកចាយ t ជាមួយនឹងចំនួនដឺក្រេនៃសេរីភាព n=n-p-1 ។
2.6. ដោយផ្អែកលើទិន្នន័យ (តារាង 2.3) លើការពឹងផ្អែកនៃការរួញនៃនំបុ័ងចំណី ( y) នៅលើរយៈពេលនៃការផ្ទុក ( x) ស្វែងរកការប៉ាន់ប្រមាណចំណុចនៃការរំពឹងទុកគណិតវិទ្យាតាមលក្ខខណ្ឌក្រោមការសន្មត់ថាសមីការតំរែតំរង់ទូទៅគឺលីនេអ៊ែរ។
តារាង 2.3 ។
វាត្រូវបានទាមទារ៖ ក) ដើម្បីស្វែងរកការប៉ាន់ប្រមាណ និងបំរែបំរួលសំណល់ s 2 ក្រោមការសន្មត់ថាសមីការតំរែតំរង់ទូទៅមានទម្រង់ ; b) ពិនិត្យមើល a=0.05 សារៈសំខាន់នៃសមីការតំរែតំរង់, i.e. សម្មតិកម្ម H 0: q=0; គ) ជាមួយនឹងភាពជឿជាក់ g=0.9 កំណត់ការប៉ាន់ស្មានចន្លោះពេលនៃប៉ារ៉ាម៉ែត្រ q 0 , q 1 ; d) ជាមួយនឹងភាពអាចជឿជាក់បាន g=0.95 កំណត់ការប៉ាន់ស្មានចន្លោះពេលនៃការរំពឹងទុកតាមលក្ខខណ្ឌសម្រាប់ X 0=6; e) កំណត់នៅ g = 0.95 ចន្លោះពេលទំនុកចិត្តនៃការទស្សន៍ទាយនៅចំណុច X=12.
2.7. ដោយផ្អែកលើទិន្នន័យស្តីពីសក្ដានុពលនៃអត្រាកំណើននៃតម្លៃភាគហ៊ុនសម្រាប់រយៈពេល 5 ខែ ដែលបានផ្តល់ឱ្យក្នុងតារាង។ ២.៤.
តារាង 2.4 ។
ខែ ( x) | |||||
y (%) |
និងការសន្មត់ថាសមីការតំរែតំរង់ទូទៅមានទម្រង់ វាត្រូវបានទាមទារ៖ ក) ដើម្បីកំណត់ការប៉ាន់ប្រមាណ និងប៉ារ៉ាម៉ែត្រនៃសមីការតំរែតំរង់ និងបំរែបំរួលសំណល់ s 2 ; b) ពិនិត្យនៅ a=0.01 សារៈសំខាន់នៃមេគុណតំរែតំរង់, i.e. សម្មតិកម្ម H 0: q 1 = 0;
គ) ជាមួយនឹងភាពអាចជឿជាក់បាន g=0.95 ស្វែងរកការប៉ាន់ស្មានចន្លោះពេលនៃប៉ារ៉ាម៉ែត្រ q 0 និង q 1 ; ឃ) ជាមួយនឹងភាពជឿជាក់ g = 0.9 បង្កើតការប៉ាន់ស្មានចន្លោះពេលនៃការរំពឹងទុកគណិតវិទ្យាតាមលក្ខខណ្ឌសម្រាប់ x 0=4; e) កំណត់នៅ g=0.9 ចន្លោះពេលជឿជាក់នៃការទស្សន៍ទាយនៅចំណុច x=5.
2.8. លទ្ធផលនៃការសិក្សាអំពីសក្ដានុពលនៃការឡើងទម្ងន់ចំពោះសត្វវ័យក្មេងត្រូវបានផ្តល់ឱ្យក្នុងតារាង 2.5 ។
តារាង 2.5 ។
ដោយសន្មតថាសមីការតំរែតំរង់ទូទៅគឺលីនេអ៊ែរ វាត្រូវបានទាមទារ៖ ក) ដើម្បីកំណត់ការប៉ាន់ប្រមាណ និងប៉ារ៉ាម៉ែត្រនៃសមីការតំរែតំរង់ និងបំរែបំរួលសំណល់ s 2 ; b) ពិនិត្យមើល a=0.05 សារៈសំខាន់នៃសមីការតំរែតំរង់, i.e. សម្មតិកម្ម H 0: q=0;
គ) ជាមួយនឹងភាពជឿជាក់ g=0.8 ដើម្បីស្វែងរកការប៉ាន់ស្មានចន្លោះពេលនៃប៉ារ៉ាម៉ែត្រ q 0 និង q 1 ; ឃ) ជាមួយនឹងភាពអាចជឿជាក់បាន g=0.98 កំណត់ និងប្រៀបធៀបការប៉ាន់ស្មានចន្លោះពេលនៃការរំពឹងទុកគណិតវិទ្យាតាមលក្ខខណ្ឌសម្រាប់ x 0 = 3 និង x 1 =6;
e) កំណត់នៅ g=0.98 ចន្លោះពេលនៃការព្យាករណ៍នៅចំណុច x=8.
2.9. ថ្លៃដើម ( y) សៀវភៅមួយច្បាប់ អាស្រ័យលើការចរាចរ ( x) (ពាន់ច្បាប់ចម្លង) ត្រូវបានកំណត់លក្ខណៈដោយទិន្នន័យដែលប្រមូលដោយគ្រឹះស្ថានបោះពុម្ពផ្សាយ (តារាង 2.6)។ កំណត់ការប៉ាន់ស្មានការេតិចបំផុត និងប៉ារ៉ាម៉ែត្រនៃសមីការតំរែតំរង់អ៊ីពែរបូល ជាមួយនឹងភាពជឿជាក់ g=0.9 បង្កើតចន្លោះពេលទំនុកចិត្តសម្រាប់ប៉ារ៉ាម៉ែត្រ q 0 និង q 1 ក៏ដូចជាការរំពឹងទុកតាមលក្ខខណ្ឌនៅ x=10.
តារាង 2.6 ។
កំណត់ការប៉ាន់ប្រមាណនិងប៉ារ៉ាម៉ែត្រនៃសមីការតំរែតំរង់នៃប្រភេទ x=20.
2.11. នៅក្នុងតារាង។ 2.8 បានរាយការណ៍ពីអត្រាកំណើន (%) នៃសូចនាករម៉ាក្រូសេដ្ឋកិច្ចខាងក្រោម ន\u003d ប្រទេសអភិវឌ្ឍន៍ចំនួន 10 នៃពិភពលោកសម្រាប់ឆ្នាំ 1992៖ GNP - x(1) ផលិតកម្មឧស្សាហកម្ម x(2) សន្ទស្សន៍តម្លៃ x (3) .
តារាង 2.8 ។
ប្រទេស | x និងប៉ារ៉ាម៉ែត្រនៃសមីការតំរែតំរង់ ការប៉ាន់ប្រមាណនៃបំរែបំរួលសំណល់; b) ពិនិត្យនៅ a=0.05 សារៈសំខាន់នៃមេគុណតំរែតំរង់, i.e. H 0: q 1 = 0; គ) ជាមួយនឹងភាពជឿជាក់ g=0.9 ស្វែងរកចន្លោះពេលប៉ាន់ស្មាន q 0 និង q 1 ; ឃ) រកនៅ g = 0.95 ចន្លោះពេលទំនុកចិត្តសម្រាប់នៅចំណុច X 0 =x ខ្ញុំកន្លែងណា ខ្ញុំ=5; ង) ប្រៀបធៀបលក្ខណៈស្ថិតិនៃសមីការតំរែតំរង់៖ 1, 2 និង 3 ។ 2.12. ដោះស្រាយបញ្ហា 2.11 ដោយយកតម្លៃដែលត្រូវពន្យល់ ( នៅ) សូចនាករ x(1) និងសម្រាប់ការពន្យល់ ( X) ប្រែប្រួល x (3) . 1. Ayvazyan S.A., Mkhitaryan V.S. ស្ថិតិអនុវត្ត និងមូលដ្ឋានគ្រឹះនៃសេដ្ឋកិច្ច៖ សៀវភៅសិក្សា។ M., UNITI, 1998 (ការបោះពុម្ពលើកទី 2 ឆ្នាំ 2001); 2. Ayvazyan S.A., Mkhitaryan V.S. ស្ថិតិអនុវត្តក្នុងបញ្ហា និងលំហាត់៖ សៀវភៅសិក្សា។ អិម យូនីធី - ដាណា ឆ្នាំ ២០០១; 3. Aivazyan S.A., Enyukov I.S., Meshalkin L.D. ស្ថិតិដែលបានអនុវត្ត។ ការស្រាវជ្រាវភាពអាស្រ័យ។ M. , ហិរញ្ញវត្ថុនិងស្ថិតិ, 1985, 487p ។ ; 4. Aivazyan S.A., Buchstaber V.M., Enyukov I.S., Meshalkin L.D. ស្ថិតិដែលបានអនុវត្ត។ ការចាត់ថ្នាក់និងការកាត់បន្ថយវិមាត្រ។ M. , ហិរញ្ញវត្ថុនិងស្ថិតិ, 1989, 607p ។ ; 5. Johnston J. Econometric Methods, Moscow: Statistics, 1980, 446 pp.; 6. Dubrov A.V., Mkhitaryan V.S., Troshin L.I. វិធីសាស្រ្តស្ថិតិចម្រុះ។ M. , ហិរញ្ញវត្ថុនិងស្ថិតិ, 2000; 7. Mkhitaryan V.S., Troshin L.I. ការស្រាវជ្រាវនៃការពឹងផ្អែកដោយវិធីសាស្រ្តនៃការជាប់ទាក់ទងគ្នានិងតំរែតំរង់។ M. , MESI, 1995, 120 ទំព័រ; 8. Mkhitaryan V.S., Dubrov A.M., Troshin L.I. វិធីសាស្រ្តស្ថិតិពហុវិមាត្រក្នុងសេដ្ឋកិច្ច។ M. , MESI, 1995, 149p ។; 9. Dubrov A.M., Mkhitaryan V.S., Troshin L.I. ស្ថិតិគណិតវិទ្យាសម្រាប់អ្នកជំនួញ និងអ្នកគ្រប់គ្រង។ M. , MESI, 2000, 140s ។; 10. Lukashin Yu.I. ការតំរែតំរង់និងវិធីសាស្រ្តព្យាករណ៍ការបន្សាំ៖ សៀវភៅសិក្សា, M., MESI, 1997 ។ 11. Lukashin Yu.I. វិធីសាស្រ្តបន្សាំនៃការព្យាករណ៍រយៈពេលខ្លី។ - M. , ស្ថិតិ, 1979 ។ កម្មវិធី ឧបសម្ព័ន្ធ ១. ជម្រើសសម្រាប់ភារកិច្ចសម្រាប់ការស្រាវជ្រាវកុំព្យូទ័រឯករាជ្យ។ |
1. គណនាម៉ាទ្រីសនៃមេគុណជាប់ទាក់ទងគ្នាជាគូ; វិភាគភាពតឹងតែងនិងទិសដៅនៃទំនាក់ទំនងនៃលក្ខណៈលទ្ធផល យជាមួយនឹងកត្តានីមួយៗ។ X; វាយតម្លៃសារៈសំខាន់ស្ថិតិនៃមេគុណទំនាក់ទំនង r(យ,Xខ្ញុំ); ជ្រើសរើសកត្តាផ្តល់ព័ត៌មានបំផុត។
2. បង្កើតគំរូតំរែតំរង់ជាគូជាមួយនឹងកត្តាផ្តល់ព័ត៌មានច្រើនបំផុត។ ផ្តល់ការបកស្រាយសេដ្ឋកិច្ចនៃមេគុណតំរែតំរង់។
3. វាយតម្លៃគុណភាពនៃគំរូដោយប្រើកំហុសដែលទាក់ទងជាមធ្យមនៃការប៉ាន់ប្រមាណមេគុណនៃការកំណត់និង F - លក្ខណៈវិនិច្ឆ័យរបស់អ្នកនេសាទ (យកកម្រិតសារៈសំខាន់α = 0.05) ។
4. ជាមួយនឹងប្រូបាប៊ីលីតេនៃភាពជឿជាក់ γ=80% ដើម្បីទស្សន៍ទាយតម្លៃមធ្យមនៃសូចនាករ យ(តម្លៃព្យាករណ៍នៃកត្តាត្រូវបានផ្តល់ឱ្យក្នុងឧបសម្ព័ន្ធទី 6) ។ បង្ហាញតម្លៃជាក់ស្តែងតាមក្រាហ្វិក និងតម្លៃគំរូ យ, លទ្ធផលទស្សន៍ទាយ។
5. ដោយប្រើវិធីសាស្ត្រដាក់បញ្ចូល បង្កើតគំរូកត្តាពីរ ដោយរក្សាកត្តាព័ត៌មានច្រើនបំផុតនៅក្នុងពួកវា។ បង្កើតគំរូកត្តាបីជាមួយនឹងបញ្ជីកត្តាពេញលេញ។
6. ជ្រើសរើសម៉ូដែលដែលល្អបំផុតដែលបានសាងសង់។ ផ្តល់ការបកស្រាយសេដ្ឋកិច្ចនៃមេគុណរបស់វា។
7. ពិនិត្យមើលសារៈសំខាន់នៃមេគុណតំរែតំរង់ច្រើនដោយប្រើ tការធ្វើតេស្តរបស់សិស្ស (ទទួលយកកម្រិតសារៈសំខាន់ α=0.05) ។ តើគុណភាពនៃម៉ូដែលច្រើនមានភាពប្រសើរឡើងបើប្រៀបធៀបទៅនឹងម៉ូដែលគូ?
8. វាយតម្លៃឥទ្ធិពលនៃកត្តាលើលទ្ធផលដោយប្រើមេគុណនៃការបត់បែន មេគុណបេតា និងដីសណ្ត។
កិច្ចការទី 2. ការធ្វើគំរូនៃស៊េរីពេលវេលាមួយវិមាត្រ
ឧបសម្ព័ន្ធទី 7 បង្ហាញពីស៊េរីពេលវេលា Y(t)សូចនាករសេដ្ឋកិច្ចសង្គមសម្រាប់ដែនដី Altai សម្រាប់រយៈពេលពីឆ្នាំ 2000 ដល់ឆ្នាំ 2011។ វាត្រូវបានទាមទារដើម្បីសិក្សាពីសក្ដានុពលនៃសូចនាករដែលត្រូវគ្នាទៅនឹងវ៉ារ្យ៉ង់នៃភារកិច្ច។
ជម្រើស | ការកំណត់ឈ្មោះ ឯកតារង្វាស់នៃសូចនាករ | |
Y1 | ការចំណាយជាមធ្យមរបស់អតិថិជនក្នុងមនុស្សម្នាក់ (ក្នុងមួយខែ) ជូត។ | |
យ២ | ការបំភាយសារធាតុពុលទៅក្នុងបរិយាកាសរាប់ពាន់តោន | |
យ៣ | តម្លៃជាមធ្យមនៅក្នុងទីផ្សារលំនៅដ្ឋានបន្ទាប់បន្សំ (នៅចុងឆ្នាំក្នុងមួយម៉ែត្រការ៉េនៃផ្ទៃដីសរុប) ជូត | |
យ៤ | បរិមាណនៃសេវាកម្មបង់ថ្លៃក្នុងមនុស្សម្នាក់ ជូត | |
យ៥ | ចំនួនជាមធ្យមប្រចាំឆ្នាំនៃមនុស្សធ្វើការនៅក្នុងសេដ្ឋកិច្ចគឺរាប់ពាន់នាក់។ | |
យ៦ | ចំនួនរថយន្តផ្ទាល់ខ្លួនក្នុង 1000 នាក់ (នៅចុងឆ្នាំ) គ្រឿង | |
យ៧ | ប្រាក់ចំណូលជាមធ្យមសម្រាប់មនុស្សម្នាក់ៗ (ក្នុងមួយខែ) ជូត | |
យ៨ | សន្ទស្សន៍តម្លៃទំនិញប្រើប្រាស់ (ខែធ្នូ ដល់ខែធ្នូ ឆ្នាំមុន),% | |
យ៩ | ការវិនិយោគលើទ្រព្យសកម្មថេរ (តម្លៃជាក់ស្តែង) លានរូប្លិ | |
យ១០ | ចំណូលពាណិជ្ជកម្មលក់រាយក្នុងមនុស្សម្នាក់ (គិតជាតម្លៃជាក់ស្តែង) ជូត |
លំដាប់ការងារ
1. បង្កើតគំរូលីនេអ៊ែរនៃស៊េរីពេលវេលា ប៉ារ៉ាម៉ែត្រដែលត្រូវបានប៉ាន់ស្មានដោយការ៉េតិចបំផុត។ ពន្យល់ពីអត្ថន័យនៃមេគុណតំរែតំរង់។
2. វាយតម្លៃភាពគ្រប់គ្រាន់នៃគំរូដែលបានសាងសង់ដោយប្រើលក្ខណៈសម្បត្តិនៃភាពចៃដន្យ ឯករាជ្យ និងការឆ្លើយឆ្លងនៃសមាសធាតុសំណល់ទៅនឹងច្បាប់ចែកចាយធម្មតា។
3. វាយតម្លៃភាពត្រឹមត្រូវនៃគំរូដោយផ្អែកលើការប្រើប្រាស់នៃកំហុសប្រហាក់ប្រហែលដែលទាក់ទងជាមធ្យម។
4. ព្យាករណ៍សូចនាករដែលកំពុងពិចារណាសម្រាប់មួយឆ្នាំខាងមុខ (គណនាចន្លោះពេលព្យាករណ៍ជាមួយនឹងកម្រិតទំនុកចិត្ត 70%)។
5. បង្ហាញក្រាហ្វិកនូវតម្លៃជាក់ស្តែងនៃសូចនាករ លទ្ធផលនៃការធ្វើគំរូ និងការព្យាករណ៍។
6. គណនាប៉ារ៉ាម៉ែត្រនៃលោការីត ពហុធា (ពហុនាមនៃសញ្ញាប័ត្រទី 2) អំណាច និទស្សន្តនិទស្សន្ត និងអ៊ីពែរបូល។ ដោយផ្អែកលើរូបភាពក្រាហ្វិក និងតម្លៃនៃសន្ទស្សន៍កំណត់ សូមជ្រើសរើសប្រភេទនិន្នាការដែលសមស្របបំផុត។
7. ដោយមានជំនួយពីគំរូដែលមិនមែនជាលីនេអ៊ែរល្អបំផុត អនុវត្តការព្យាករណ៍ចំណុចនៃសូចនាករដែលបានពិចារណាសម្រាប់ឆ្នាំខាងមុខ។ ប្រៀបធៀបលទ្ធផលដែលទទួលបានជាមួយនឹងចន្លោះពេលទំនុកចិត្តព្យាករណ៍ដែលបានសាងសង់ដោយប្រើគំរូលីនេអ៊ែរ។
ឧទាហរណ៍
អនុវត្តការងារត្រួតពិនិត្យ
កិច្ចការទី 1
ក្រុមហ៊ុនលក់រថយន្តជជុះ។ ឈ្មោះសូចនាករ និងទិន្នន័យដំបូងសម្រាប់ការធ្វើគំរូសេដ្ឋកិច្ចត្រូវបានបង្ហាញក្នុងតារាង៖
តម្លៃជាក់ស្តែង, ពាន់ c.u. ( យ) | តម្លៃនៃឡានថ្មីមួយពាន់ c.u. ( X1) | អាយុកាលសេវាកម្ម, ឆ្នាំ ( x2) | ដ្រាយដៃឆ្វេង - 1, ដ្រាយខាងស្តាំ - 0, ( X3) |
8,33 | 13,99 | 3,8 | |
10,40 | 19,05 | 2,4 | |
10,60 | 17,36 | 4,5 | |
16,58 | 25,00 | 3,5 | |
20,94 | 25,45 | 3,0 | |
19,13 | 31,81 | 3,5 | |
13,88 | 22,53 | 3,0 | |
8,80 | 16,24 | 5,0 | |
13,89 | 16,54 | 2,0 | |
11,03 | 19,04 | 4,5 | |
14,88 | 22,61 | 4,6 | |
20,43 | 27,56 | 4,0 | |
14,80 | 22,51 | 3,3 | |
26,05 | 31,75 | 2,3 |
ទាមទារ៖
1. គណនាម៉ាទ្រីសនៃមេគុណជាប់ទាក់ទងគ្នាជាគូ; វិភាគភាពតឹងតែងនិងទិសដៅនៃទំនាក់ទំនងនៃលក្ខណៈលទ្ធផល Y ជាមួយនឹងកត្តានីមួយៗ X; វាយតម្លៃសារៈសំខាន់ស្ថិតិនៃមេគុណទំនាក់ទំនង r(Y, X i); ជ្រើសរើសកត្តាផ្តល់ព័ត៌មានបំផុត។
ការប្រើប្រាស់ Excel (ទិន្នន័យ / ការវិភាគទិន្នន័យ / ការកែតម្រូវ):
ចូរយើងទទួលបានម៉ាទ្រីសនៃមេគុណទំនាក់ទំនងគូរវាងអថេរដែលមានទាំងអស់៖
នៅ | X1 | x2 | X3 | |
នៅ | ||||
X1 | 0,910987 | |||
x2 | -0,4156 | -0,2603 | ||
X3 | 0,190785 | 0,221927 | -0,30308 |
ចូរយើងវិភាគមេគុណទំនាក់ទំនងរវាងលក្ខណៈលទ្ធផល យនិងកត្តានីមួយៗ X j:
> 0 ដូច្នេះរវាងអថេរ យនិង X១ មានការជាប់ទាក់ទងគ្នាផ្ទាល់៖ តម្លៃរថយន្តថ្មីកាន់តែខ្ពស់ តម្លៃលក់កាន់តែខ្ពស់។
> 0.7 - ការពឹងផ្អែកនេះគឺនៅជិត។
< 0, значит, между переменными យនិង X 2 បានសង្កេត
ទំនាក់ទំនងបញ្ច្រាស៖ តម្លៃលក់គឺទាបជាងសម្រាប់ស្វ័យប្រវត្តិ
ទូរស័ព្ទចល័តដែលមានអាយុកាលសេវាកម្មយូរ។
- ការពឹងផ្អែកនេះគឺកម្រិតមធ្យម ខិតទៅជិតខ្សោយ។
> 0 ដូច្នេះរវាងអថេរ យនិង X 3 បង្ហាញពីការជាប់ទាក់ទងគ្នាផ្ទាល់៖ តម្លៃលក់គឺខ្ពស់ជាងសម្រាប់រថយន្តដែលប្រើដៃឆ្វេង។
< 0,4 – эта зависимость слабая.
ដើម្បីពិនិត្យមើលសារៈសំខាន់នៃមេគុណទំនាក់ទំនងដែលបានរកឃើញ យើងប្រើតេស្តរបស់សិស្ស។
សម្រាប់មេគុណទំនាក់ទំនងនីមួយៗ គណនា t- ស្ថិតិតាមរូបមន្ត ហើយបញ្ចូលលទ្ធផលគណនាក្នុងជួរឈរបន្ថែមនៃតារាងទំនាក់ទំនង៖
នៅ | X1 | x2 | X3 | t-ស្ថិតិ | |
នៅ | |||||
X1 | 0,910987 | 7,651524603 | |||
x2 | -0,4156 | -0,2603 | 1,582847988 | ||
X3 | 0,190785 | 0,221927 | -0,30308 | 0,673265587 |
នេះបើយោងតាមតារាងនៃចំណុចសំខាន់នៃការចែកចាយរបស់សិស្សនៅកម្រិតនៃសារៈសំខាន់ និងចំនួនដឺក្រេនៃសេរីភាព យើងកំណត់តម្លៃសំខាន់ (ឧបសម្ព័ន្ធទី 1 ឬមុខងារ STUDRASP)។Y និងអាយុកាលសេវាកម្ម X 2 គឺអាចទុកចិត្តបាន។
< , следовательно, коэффициент не является значимым. На основании выборочных данных нет оснований утверждать, что зависимость между ценой реализации យនិងទីតាំងចង្កូត X 3 គួរឱ្យទុកចិត្ត។
ដូច្នេះទំនាក់ទំនងជិតស្និទ្ធ និងសំខាន់បំផុតគឺត្រូវបានសង្កេតឃើញរវាងតម្លៃលក់ យនិងតម្លៃឡានថ្មី។ Xមួយ ; កត្តា X 1 គឺជាព័ត៌មានច្រើនបំផុត។
ការតំរែតំរង់ច្រើនមិនមែនជាលទ្ធផលនៃការបំប្លែងសមីការទេ៖
-
;
-
.
លីនេអ៊ែរនីយកម្មបង្កប់នូវនិតិវិធី...
- នាំយកសមីការនៃការតំរែតំរង់ច្រើនទៅបន្ទប់ចំហាយទឹក;
+ នាំយកសមីការមិនមែនលីនេអ៊ែរទៅជាទម្រង់លីនេអ៊ែរ។
- ការកាត់បន្ថយសមីការលីនេអ៊ែរទៅជាទម្រង់មិនលីនេអ៊ែរ;
- ការកាត់បន្ថយសមីការមិនលីនេអ៊ែរទាក់ទងនឹងប៉ារ៉ាម៉ែត្រទៅនឹងសមីការដែលមានលក្ខណៈលីនេអ៊ែរទាក់ទងនឹងលទ្ធផល។
នៅសល់មិនផ្លាស់ប្តូរ;
ចំនួននៃការសង្កេតមានការថយចុះ
នៅក្នុងសមីការតំរែតំរង់ច្រើនស្តង់ដារ អថេរគឺ៖
អថេរដំបូង;
ប៉ារ៉ាម៉ែត្រស្តង់ដារ;
តម្លៃមធ្យមនៃអថេរដំបូង;
អថេរស្តង់ដារ។
វិធីសាស្រ្តមួយសម្រាប់កំណត់តម្លៃលេខទៅអថេរអត់ចេះសោះគឺ។ . .
+- ចំណាត់ថ្នាក់;
ការតម្រឹមតម្លៃលេខតាមលំដាប់ឡើង;
ការតម្រឹមតម្លៃលេខតាមលំដាប់ចុះ;
ការស្វែងរកមធ្យម។
ម៉ាទ្រីសនៃមេគុណជាប់ទាក់ទងគ្នាជាគូបង្ហាញតម្លៃនៃមេគុណទំនាក់ទំនងលីនេអ៊ែរជាគូរវាង។ . . .
អថេរ;
ប៉ារ៉ាម៉ែត្រ;
ប៉ារ៉ាម៉ែត្រនិងអថេរ;
កត្តាអថេរ និងចៃដន្យ។
វិធីសាស្រ្តសម្រាប់ការប៉ាន់ប្រមាណប៉ារ៉ាម៉ែត្រនៃម៉ូដែលដែលមានសំណល់ heteroscedastic ត្រូវបានគេហៅថា ____________ វិធីសាស្ត្រការ៉េតិចបំផុត:
ធម្មតា;
ដោយប្រយោល;
ទូទៅ;
អប្បបរមា។
សមីការតំរែតំរង់ត្រូវបានផ្តល់ឱ្យ។ កំណត់លក្ខណៈបច្ចេកទេសនៃគំរូ។
សមីការតំរែតំរង់គូពហុនាម;
សមីការតំរែតំរង់សាមញ្ញលីនេអ៊ែរ;
សមីការពហុនាមនៃតំរែតំរង់ច្រើន;
សមីការតំរែតំរង់ច្រើនលីនេអ៊ែរ។
នៅក្នុងសមីការស្ដង់ដារ ពាក្យឥតគិតថ្លៃគឺ…
ស្មើ ១;
ស្មើនឹងមេគុណនៃការកំណត់ច្រើន;
ស្មើនឹងមេគុណទំនាក់ទំនងច្រើន;
អវត្តមាន។
កត្តាត្រូវបានរួមបញ្ចូលជាអថេរអត់ចេះសោះនៅក្នុងគំរូតំរែតំរង់ច្រើន។
មានតម្លៃប្រូបាប៊ីលីតេ;
មានតម្លៃបរិមាណ;
មិនមានតម្លៃគុណភាព;
មិនមានតម្លៃបរិមាណ។
កត្តានៃគំរូសេដ្ឋកិច្ចគឺ collinear ប្រសិនបើមេគុណ...
ទំនាក់ទំនងរវាងពួកវាម៉ូឌុលច្រើនជាង 0.7;
ការកំណត់រវាងពួកវាគឺធំជាង 0.7 នៅក្នុងតម្លៃដាច់ខាត;
ការកំណត់រវាងពួកវាគឺតិចជាង 0.7 នៅក្នុងតម្លៃដាច់ខាត;
វិធីសាស្ត្រការការ៉េតិចបំផុតទូទៅខុសពីវិធីសាស្ត្រការ៉េតិចបំផុតធម្មតានៅក្នុងនោះ ពេលប្រើ GLS ...
កម្រិតដើមនៃអថេរត្រូវបានបំប្លែង;
នៅសល់មិនផ្លាស់ប្តូរ;
នៅសល់គឺស្មើនឹងសូន្យ;
ចំនួននៃការសង្កេតមានការថយចុះ។
ទំហំគំរូត្រូវបានកំណត់ ...
តម្លៃជាលេខនៃអថេរដែលបានជ្រើសរើសក្នុងគំរូ;
បរិមាណប្រជាជនទូទៅ;
ចំនួនប៉ារ៉ាម៉ែត្រសម្រាប់អថេរឯករាជ្យ;
ចំនួនអថេរលទ្ធផល។
11. ការតំរែតំរង់ច្រើនមិនមែនជាលទ្ធផលនៃការបំប្លែងសមីការទេ៖
+-
;
-
;
-
.
តម្លៃដំបូងនៃអថេរអត់ចេះគិតទុកជាតម្លៃ...
គុណភាព;
បរិមាណដែលអាចវាស់វែងបាន;
ដូចគ្នា;
តម្លៃ។
វិធីសាស្ត្រការការ៉េតិចបំផុតដែលមានន័យថា...
ការបម្លែងអថេរ;
ការផ្លាស់ប្តូរពីតំរែតំរង់ច្រើនទៅតំរែតំរង់គូ;
លីនេអ៊ែរនៃសមីការតំរែតំរង់;
ការអនុវត្តពីរដំណាក់កាលនៃវិធីសាស្ត្រការ៉េតិចបំផុត។
សមីការលីនេអ៊ែរនៃការតំរែតំរង់ច្រើនមានទម្រង់។ កំណត់កត្តាណាមួយ។ ឬ :
+- ចាប់តាំងពី 3.7>2.5;
ពួកគេមានឥទ្ធិពលដូចគ្នា;
- ចាប់តាំងពី 2.5>-3.7;
យោងតាមសមីការនេះ វាមិនអាចទៅរួចទេក្នុងការឆ្លើយសំណួរដែលបានចោទឡើង ចាប់តាំងពីមេគុណតំរែតំរង់គឺមិនអាចប្រៀបផ្ទឹមបានក្នុងចំណោមខ្លួនគេ។
ការដាក់បញ្ចូលកត្តាមួយនៅក្នុងគំរូគឺត្រូវបានណែនាំប្រសិនបើមេគុណតំរែតំរង់សម្រាប់កត្តានេះគឺ ...
សូន្យ;
មិនសំខាន់;
សំខាន់;
មិនសំខាន់។
តើអ្វីត្រូវបានបំប្លែងនៅពេលអនុវត្តវិធីសាស្ត្រការការ៉េតិចបំផុតទូទៅ?
មេគុណតំរែតំរង់ស្តង់ដារ;
ការបែកខ្ញែកនៃមុខងារមានប្រសិទ្ធភាព;
កម្រិតដំបូងនៃអថេរ;
ការបែកខ្ញែកនៃសញ្ញាកត្តា។
ការសិក្សាមួយកំពុងត្រូវបានធ្វើឡើងពីការពឹងផ្អែកលើការផលិតរបស់បុគ្គលិកសហគ្រាសលើកត្តាមួយចំនួន។ ឧទាហរណ៍នៃអថេរអត់ចេះសោះនៅក្នុងគំរូនេះនឹងក្លាយជាបុគ្គលិក ______ ។
អាយុ;
កម្រិតនៃការអប់រំ;
ប្រាក់ឈ្នួល។
ការផ្លាស់ប្តូរពីការប៉ាន់ប្រមាណចំណុចទៅការប៉ាន់ប្រមាណចន្លោះពេលគឺអាចធ្វើទៅបានប្រសិនបើការប៉ាន់ស្មានគឺ៖
មានប្រសិទ្ធិភាពនិងក្ស័យធន;
គ្មានប្រសិទ្ធភាពនិងទ្រព្យសម្បត្តិ;
មានប្រសិទ្ធិភាពនិងមិនលំអៀង;
មានទ្រព្យសម្បត្តិ និងផ្លាស់ទីលំនៅ។
ម៉ាទ្រីសនៃមេគុណទំនាក់ទំនងគូត្រូវបានបង្កើតឡើងដើម្បីកំណត់អត្តសញ្ញាណ collinear និង multicollinear…
ប៉ារ៉ាម៉ែត្រ;
កត្តាចៃដន្យ;
កត្តាសំខាន់;
លទ្ធផល។
ដោយផ្អែកលើការបំប្លែងអថេរដោយប្រើវិធីសាស្ត្រការេទូទៅតិចបំផុត យើងទទួលបានសមីការតំរែតំរង់ថ្មី ដែលជា៖
ការតំរែតំរង់ទម្ងន់ដែលអថេរត្រូវបានគេយកជាមួយទម្ងន់
;
;
ការតំរែតំរង់មិនលីនេអ៊ែរដែលអថេរត្រូវបានគេយកជាមួយទម្ងន់
;
ការតំរែតំរង់ទម្ងន់ដែលអថេរត្រូវបានគេយកជាមួយទម្ងន់ .
ប្រសិនបើតម្លៃគណនានៃលក្ខណៈវិនិច្ឆ័យ Fisher តិចជាងតម្លៃតារាង នោះសម្មតិកម្មនៃភាពមិនសំខាន់នៃស្ថិតិនៃសមីការ ...
ច្រានចោល;
មិនសំខាន់;
ទទួលយក;
មិនសំខាន់ទេ។
ប្រសិនបើកត្តាត្រូវបានបញ្ចូលក្នុងគំរូជាផលិតផល នោះគំរូត្រូវបានគេហៅថា៖
សរុប;
ដេរីវេ;
សារធាតុបន្ថែម;
ពហុគុណ។
សមីការតំរែតំរង់ដែលទាក់ទងនឹងលក្ខណៈលទ្ធផលទៅនឹងកត្តាមួយជាមួយនឹងតម្លៃនៃអថេរផ្សេងទៀតដែលបានជួសជុលនៅកម្រិតមធ្យមត្រូវបានគេហៅថា៖
ច្រើន;
សំខាន់;
ឯកជន;
មិនសំខាន់។
ទាក់ទងនឹងចំនួនកត្តាដែលរួមបញ្ចូលនៅក្នុងសមីការតំរែតំរង់មាន...
តំរែតំរង់លីនេអ៊ែរនិងមិនលីនេអ៊ែរ;
ការតំរែតំរង់ដោយផ្ទាល់និងដោយប្រយោល;
តំរែតំរង់សាមញ្ញនិងច្រើន;
តំរែតំរង់ច្រើន និងច្រើនវ៉ារ្យ៉ង់។
តម្រូវការសម្រាប់សមីការតំរែតំរង់ ប៉ារ៉ាម៉ែត្រដែលអាចត្រូវបានរកឃើញដោយប្រើវិធីសាស្ត្រការេតិចបំផុតគឺ៖
សមភាពទៅសូន្យនៃតម្លៃនៃគុណលក្ខណៈកត្តា ៤
ភាពមិនលីនេអ៊ែរនៃប៉ារ៉ាម៉ែត្រ;
សមភាពទៅសូន្យនៃតម្លៃមធ្យមនៃអថេរលទ្ធផល;
លីនេអ៊ែរនៃប៉ារ៉ាម៉ែត្រ។
វិធីសាស្ត្រការ៉េតិចបំផុតមិនអាចអនុវត្តបានសម្រាប់...
សមីការលីនេអ៊ែរនៃតំរែតំរង់គូ;
សមីការតំរែតំរង់ពហុនាម;
សមីការដែលមិនមែនជាលីនេអ៊ែរនៅក្នុងលក្ខខណ្ឌនៃប៉ារ៉ាម៉ែត្រប៉ាន់ស្មាន;
សមីការលីនេអ៊ែរនៃការតំរែតំរង់ច្រើន។
នៅពេលដែលអថេរអត់ចេះសោះត្រូវបានបញ្ចូលក្នុងគំរូ ពួកគេត្រូវបានចាត់តាំង ...
តម្លៃគ្មានន័យ;
ស្លាកលេខ;
តម្លៃដូចគ្នា;
ស្លាកគុណភាព។
ប្រសិនបើមានទំនាក់ទំនងមិនត្រង់បន្ទាត់រវាងសូចនាករសេដ្ឋកិច្ច នោះ...
វាមិនមែនជាការអនុវត្តជាក់ស្តែងក្នុងការប្រើប្រាស់ការបញ្ជាក់នៃសមីការតំរែតំរង់ដែលមិនមែនជាលីនេអ៊ែរទេ។
វាត្រូវបានណែនាំឱ្យប្រើការបញ្ជាក់នៃសមីការតំរែតំរង់ដែលមិនមែនជាលីនេអ៊ែរ;
វាត្រូវបានណែនាំឱ្យប្រើការបញ្ជាក់នៃសមីការតំរែតំរង់ជាគូលីនេអ៊ែរ។
វាចាំបាច់ក្នុងការរួមបញ្ចូលកត្តាផ្សេងទៀតនៅក្នុងគំរូ និងប្រើសមីការតំរែតំរង់លីនេអ៊ែរ។
លទ្ធផលនៃលីនេអ៊ែរនៃសមីការពហុនាមគឺ...
សមីការតំរែតំរង់គូមិនលីនេអ៊ែរ;
សមីការលីនេអ៊ែរនៃតំរែតំរង់គូ;
សមីការតំរែតំរង់ច្រើនមិនលីនេអ៊ែរ;
សមីការលីនេអ៊ែរនៃការតំរែតំរង់ច្រើន។
នៅក្នុងសមីការតំរែតំរង់ច្រើនស្តង់ដារ
0,3;
-2.1. កំណត់កត្តាណាមួយ។ ឬ មានឥទ្ធិពលខ្លាំងលើ :
+- ចាប់តាំងពី 2.1>0.3;
យោងទៅតាមសមីការនេះ វាមិនអាចទៅរួចទេក្នុងការឆ្លើយសំណួរដែលចោទឡើងដោយហេតុថាតម្លៃនៃមេគុណតំរែតំរង់ "សុទ្ធ" គឺមិនស្គាល់។
- ចាប់តាំងពី 0.3>-2.1;
យោងតាមសមីការនេះ វាមិនអាចទៅរួចទេក្នុងការឆ្លើយសំណួរដែលបានចោទឡើងដោយហេតុថាមេគុណស្តង់ដារមិនអាចប្រៀបធៀបគ្នាបាន។
អថេរកត្តានៃសមីការតំរែតំរង់ច្រើនដែលបំប្លែងពីគុណភាពទៅជាបរិមាណត្រូវបានគេហៅថា...
មិនធម្មតា;
ច្រើន;
ផ្គូផ្គង;
ប្រឌិត។
ការប៉ាន់ប្រមាណនៃប៉ារ៉ាម៉ែត្រនៃសមីការលីនេអ៊ែរនៃការតំរែតំរង់ច្រើនអាចត្រូវបានរកឃើញដោយប្រើវិធីសាស្ត្រ៖
ការ៉េមធ្យម;
ការ៉េធំបំផុត;
ការ៉េធម្មតា;
ការ៉េតិចបំផុត។
តម្រូវការចម្បងសម្រាប់កត្តារួមបញ្ចូលនៅក្នុងគំរូតំរែតំរង់ច្រើនគឺ៖
កង្វះទំនាក់ទំនងរវាងលទ្ធផលនិងកត្តា;
កង្វះទំនាក់ទំនងរវាងកត្តា;
កង្វះទំនាក់ទំនងលីនេអ៊ែររវាងកត្តា;
វត្តមាននៃទំនាក់ទំនងជិតស្និទ្ធរវាងកត្តា។
អថេរមិនចេះគិតត្រូវបានរួមបញ្ចូលក្នុងសមីការតំរែតំរង់ច្រើនដើម្បីគិតពីឥទ្ធិពលនៃលក្ខណៈពិសេសលើលទ្ធផល...
តួអក្សរគុណភាព;
ធម្មជាតិបរិមាណ;
នៃធម្មជាតិមិនសំខាន់;
តួអក្សរចៃដន្យ។
ពីកត្តាមួយគូ គំរូសេដ្ឋកិច្ចរួមបញ្ចូលកត្តា
ដែល, ជាមួយនឹងទំនាក់ទំនងជិតស្និទ្ធដោយស្មើភាពជាមួយនឹងលទ្ធផល, មានទំនាក់ទំនងដ៏អស្ចារ្យបំផុតជាមួយនឹងកត្តាផ្សេងទៀត;
ដែល, នៅក្នុងការអវត្ដមាននៃការតភ្ជាប់ជាមួយនឹងលទ្ធផល, មានការតភ្ជាប់អតិបរមាជាមួយនឹងកត្តាផ្សេងទៀត;
ដែល, នៅក្នុងការអវត្ដមាននៃការតភ្ជាប់ជាមួយនឹងលទ្ធផល, មានទំនាក់ទំនងតិចបំផុតជាមួយនឹងកត្តាផ្សេងទៀត;
ដែលដោយមានទំនាក់ទំនងជិតស្និទ្ធនឹងលទ្ធផលមានទំនាក់ទំនងតូចជាងជាមួយកត្តាផ្សេងទៀត។
Heteroskedasticity សំដៅលើ...
ភាពជាប់លាប់នៃការប្រែប្រួលនៃសំណល់ដោយមិនគិតពីតម្លៃនៃកត្តា;
ការពឹងផ្អែកនៃការរំពឹងទុកគណិតវិទ្យានៃសំណល់នៅលើតម្លៃនៃកត្តា;
ភាពអាស្រ័យនៃភាពខុសគ្នានៃសំណល់នៅលើតម្លៃនៃកត្តា;
ឯករាជ្យនៃការរំពឹងទុកគណិតវិទ្យានៃសំណល់ពីតម្លៃនៃកត្តា។
តម្លៃនៃបំរែបំរួលសំណល់នៅពេលដែលកត្តាសំខាន់មួយត្រូវបានរួមបញ្ចូលនៅក្នុងគំរូ៖
នឹងមិនផ្លាស់ប្តូរ;
នឹងកើនឡើង;
នឹងសូន្យ;
នឹងថយចុះ។
ប្រសិនបើការបញ្ជាក់នៃគំរូបង្ហាញទម្រង់មិនលីនេអ៊ែរនៃការពឹងផ្អែករវាងសូចនាករសេដ្ឋកិច្ច នោះសមីការមិនមែនលីនេអ៊ែរ ...
ការតំរែតំរង់;
ការប្តេជ្ញាចិត្ត;
ទំនាក់ទំនង;
ការប៉ាន់ស្មាន។
ការពឹងផ្អែកត្រូវបានស៊ើបអង្កេត ដែលត្រូវបានកំណត់លក្ខណៈដោយសមីការតំរែតំរង់លីនេអ៊ែរ។ សម្រាប់សមីការ តម្លៃនៃភាពតឹងនៃទំនាក់ទំនងរវាងអថេរលទ្ធផល និងសំណុំនៃកត្តាត្រូវបានគណនា។ ជាសូចនាករនេះ មេគុណច្រើនត្រូវបានប្រើ ...
ទំនាក់ទំនង;
ការបត់បែន;
ការតំរែតំរង់;
ការកំណត់។
គំរូនៃការពឹងផ្អែកនៃតម្រូវការលើកត្តាមួយចំនួនកំពុងត្រូវបានសាងសង់។ អថេរអត់ចេះសោះក្នុងសមីការតំរែតំរង់ច្រើននេះមិនមែនជា _________consumer ទេ។
ស្ថានភាពគ្រួសារ;
កម្រិតនៃការអប់រំ;
សម្រាប់ប៉ារ៉ាម៉ែត្រសំខាន់ តម្លៃគណនានៃលក្ខណៈវិនិច្ឆ័យរបស់សិស្ស...
ច្រើនជាងតម្លៃតារាងនៃលក្ខណៈវិនិច្ឆ័យ;
ស្មើសូន្យ;
មិនលើសពីតម្លៃតារាងនៃលក្ខណៈវិនិច្ឆ័យរបស់សិស្ស;
តិចជាងតម្លៃតារាងនៃលក្ខណៈវិនិច្ឆ័យ។
ប្រព័ន្ធ LSM ដែលបង្កើតឡើងដើម្បីប៉ាន់ប្រមាណប៉ារ៉ាម៉ែត្រនៃសមីការតំរែតំរង់លីនេអ៊ែរអាចត្រូវបានដោះស្រាយ ...
វិធីសាស្រ្តផ្លាស់ប្តូរមធ្យម;
វិធីសាស្រ្តនៃកត្តាកំណត់;
វិធីសាស្រ្តនៃភាពខុសគ្នាដំបូង;
វិធីសាស្រ្តសាមញ្ញ។
សូចនាករកំណត់លក្ខណៈចំនួន sigmas លទ្ធផលនឹងផ្លាស់ប្តូរជាមធ្យមនៅពេលដែលកត្តាដែលត្រូវគ្នាផ្លាស់ប្តូរដោយមួយ sigma ជាមួយនឹងកម្រិតនៃកត្តាផ្សេងទៀតមិនផ្លាស់ប្តូរត្រូវបានគេហៅថា ____________ មេគុណតំរែតំរង់
ស្តង់ដារ;
ធម្មតា;
តម្រឹម;
កណ្តាល។
ភាពចម្រុះនៃកត្តានៃគំរូសេដ្ឋកិច្ចបង្កប់ន័យ…
វត្តមាននៃទំនាក់ទំនងមិនលីនេអ៊ែររវាងកត្តាទាំងពីរ;
វត្តមាននៃទំនាក់ទំនងលីនេអ៊ែររវាងកត្តាច្រើនជាងពីរ;
កង្វះការពឹងផ្អែករវាងកត្តា;
វត្តមាននៃទំនាក់ទំនងលីនេអ៊ែររវាងកត្តាទាំងពីរ។
ការ៉េតិចបំផុតជាទូទៅមិនត្រូវបានប្រើសម្រាប់ម៉ូដែលដែលមានសំណល់ _______ ទេ។
ជាប់ទាក់ទងគ្នាដោយស្វ័យប្រវត្តិនិងតំណពូជ;
homoscedastic;
heteroskedastic;
ទាក់ទងដោយស្វ័យប្រវត្តិ។
វិធីសាស្រ្តសម្រាប់កំណត់តម្លៃលេខទៅអថេរអត់ចេះសោះគឺមិនមែន៖
ជួរ;
ការចាត់តាំងស្លាកសញ្ញាឌីជីថល;
ស្វែងរកតម្លៃមធ្យម;
ការចាត់តាំងតម្លៃបរិមាណ។
សំណល់ចែកចាយជាធម្មតា;
សំណល់ homoscedastic;
សំណល់នៃទំនាក់ទំនងស្វ័យប្រវត្តិ;
ការជាប់ទាក់ទងគ្នាដោយស្វ័យប្រវត្តិនៃលក្ខណៈលទ្ធផល។
ការជ្រើសរើសកត្តានៅក្នុងគំរូតំរែតំរង់ច្រើនដោយប្រើវិធីសាស្ត្រដាក់បញ្ចូលគឺផ្អែកលើការប្រៀបធៀបតម្លៃ...
បំរែបំរួលសរុបមុន និងក្រោយ រួមទាំងកត្តានៅក្នុងគំរូ;
បំរែបំរួលសំណល់មុននិងក្រោយរួមទាំងកត្តាចៃដន្យនៅក្នុងគំរូ;
វ៉ារ្យ៉ង់មុននិងក្រោយការបញ្ចូលលទ្ធផលនៅក្នុងគំរូ;
បំរែបំរួលសំណល់មុន និងក្រោយពេលដាក់បញ្ចូលគំរូកត្តា។
វិធីសាស្ត្រការ៉េតិចបំផុតទូទៅត្រូវបានប្រើដើម្បីកែ...
ប៉ារ៉ាម៉ែត្រនៃសមីការតំរែតំរង់ nonlinear;
ភាពត្រឹមត្រូវនៃការកំណត់មេគុណនៃការជាប់ទាក់ទងគ្នាច្រើន;
ការជាប់ទាក់ទងគ្នាដោយស្វ័យប្រវត្តិរវាងអថេរឯករាជ្យ;
Heteroskedasticity នៃសំណល់នៅក្នុងសមីការតំរែតំរង់។
បន្ទាប់ពីបានអនុវត្តវិធីសាស្ត្រការ៉េតិចបំផុតដែលមានលក្ខណៈទូទៅ វាអាចទៅរួចដើម្បីជៀសវាងសំណល់ _________
heteroskedasticity;
ការចែកចាយធម្មតា;
ស្មើនឹងសូន្យផលបូក;
តួអក្សរចៃដន្យ។
អថេរអត់ចេះសោះត្រូវបានរួមបញ្ចូលនៅក្នុងសមីការ ____________ តំរែតំរង់
ចៃដន្យ;
បន្ទប់ស្ទីម;
ដោយប្រយោល;
ច្រើន។
អន្តរកម្មនៃកត្តានៃគំរូសេដ្ឋកិច្ចមានន័យថា…
ឥទ្ធិពលនៃកត្តានៅលើលក្ខណៈលទ្ធផលគឺអាស្រ័យលើតម្លៃនៃកត្តាដែលមិនមែនជា collinear មួយផ្សេងទៀត;
ឥទ្ធិពលនៃកត្តាលើគុណលក្ខណៈលទ្ធផលកើនឡើង ដោយចាប់ផ្តើមពីកម្រិតជាក់លាក់នៃតម្លៃកត្តា។
កត្តាចម្លងឥទ្ធិពលគ្នាទៅវិញទៅមកលើលទ្ធផល;
ឥទ្ធិពលនៃកត្តាមួយលើគុណលក្ខណៈលទ្ធផលមិនអាស្រ័យលើតម្លៃនៃកត្តាផ្សេងទៀតទេ។
ប្រធានបទ តំរែតំរង់ច្រើន (បញ្ហា)
សមីការតំរែតំរង់ដែលត្រូវបានបង្កើតឡើងនៅលើការសង្កេតចំនួន 15 មានទម្រង់:
បាត់តម្លៃក៏ដូចជាចន្លោះពេលទំនុកចិត្តសម្រាប់
ជាមួយនឹងប្រូបាប៊ីលីតេនៃ 0.99 គឺ៖
សមីការតំរែតំរង់ដែលត្រូវបានបង្កើតឡើងនៅលើការសង្កេតចំនួន 20 មានទម្រង់៖
ជាមួយនឹងប្រូបាប៊ីលីតេនៃ 0.9 គឺ:
សមីការតំរែតំរង់ដែលបានបង្កើតឡើងនៅលើការសង្កេតចំនួន 16 មានទម្រង់:
បាត់តម្លៃក៏ដូចជាចន្លោះពេលទំនុកចិត្តសម្រាប់ ជាមួយនឹងប្រូបាប៊ីលីតេនៃ 0.99 គឺ៖
សមីការតំរែតំរង់ក្នុងទម្រង់ស្តង់ដារគឺ៖
មេគុណនៃការបត់បែនផ្នែកគឺស្មើនឹង៖
សមីការតំរែតំរង់ស្តង់ដារគឺ៖
មេគុណនៃការបត់បែនផ្នែកគឺស្មើនឹង៖
សមីការតំរែតំរង់ស្តង់ដារគឺ៖
មេគុណនៃការបត់បែនផ្នែកគឺស្មើនឹង៖
សមីការតំរែតំរង់ស្តង់ដារគឺ៖
មេគុណនៃការបត់បែនផ្នែកគឺស្មើនឹង៖
សមីការតំរែតំរង់ស្តង់ដារគឺ៖
មេគុណនៃការបត់បែនផ្នែកគឺស្មើនឹង៖
ដោយផ្អែកលើការសង្កេតចំនួន 18 ទិន្នន័យខាងក្រោមត្រូវបានទទួល:
;
;
;
;
គឺស្មើគ្នា៖
ផ្អែកលើការសង្កេតចំនួន ១៧ ទិន្នន័យខាងក្រោមត្រូវបានទទួល៖
;
;
;
;
តម្លៃនៃមេគុណដែលបានកែតម្រូវនៃការកំណត់ មេគុណផ្នែកនៃការបត់បែន និងប៉ារ៉ាម៉ែត្រ គឺស្មើគ្នា៖
ផ្អែកលើការសង្កេតចំនួន ២២ ទិន្នន័យខាងក្រោមត្រូវបានទទួល៖
;
;
;
;
តម្លៃនៃមេគុណដែលបានកែតម្រូវនៃការកំណត់ មេគុណផ្នែកនៃការបត់បែន និងប៉ារ៉ាម៉ែត្រ គឺស្មើគ្នា៖
ផ្អែកលើការសង្កេតចំនួន ២៥ ទិន្នន័យខាងក្រោមត្រូវបានទទួល៖
;
;
;
;
តម្លៃនៃមេគុណដែលបានកែតម្រូវនៃការកំណត់ មេគុណផ្នែកនៃការបត់បែន និងប៉ារ៉ាម៉ែត្រ គឺស្មើគ្នា៖
ផ្អែកលើការសង្កេតចំនួន ២៤ ទិន្នន័យខាងក្រោមត្រូវបានទទួល៖
;
;
;
;
តម្លៃនៃមេគុណដែលបានកែតម្រូវនៃការកំណត់ មេគុណផ្នែកនៃការបត់បែន និងប៉ារ៉ាម៉ែត្រ គឺស្មើគ្នា៖
ផ្អែកលើការសង្កេតចំនួន ២៨ ទិន្នន័យខាងក្រោមត្រូវបានទទួល៖
;
;
;
;
តម្លៃនៃមេគុណដែលបានកែតម្រូវនៃការកំណត់ មេគុណផ្នែកនៃការបត់បែន និងប៉ារ៉ាម៉ែត្រ គឺស្មើគ្នា៖
ដោយផ្អែកលើការសង្កេតចំនួន 26 ទិន្នន័យខាងក្រោមត្រូវបានទទួល:
;
;
;
;
តម្លៃនៃមេគុណដែលបានកែតម្រូវនៃការកំណត់ មេគុណផ្នែកនៃការបត់បែន និងប៉ារ៉ាម៉ែត្រ គឺស្មើគ្នា៖
នៅក្នុងសមីការតំរែតំរង់៖
ស្តារលក្ខណៈដែលបាត់; បង្កើតចន្លោះពេលទំនុកចិត្តសម្រាប់ ជាមួយនឹងប្រូបាប៊ីលីតេនៃ 0.95 ប្រសិនបើ n = 12