પરીવહન રીગ્રેસન સુધારાયું: મોડલ અને પદ્ધતિઓ

и дискриминантного анализа используются тогда, когда необходимо четко дифференцировать респондентов по целевым категориям. પરીવહન રીગ્રેસન સુધારાયું અને ડિસ્ક્રીમીનન્ટ એનાલિસિસ ઉપયોગ કરવામાં આવે છે ત્યારે તે જરૂરી છે સ્પષ્ટ ઉત્તરદાતાઓ અલગ લક્ષ્યાંકિત કેટેગરીઝ. વધુમાં, આ જૂથો એક Univariate પરિમાણ સ્તર છે. а также выясним, для чего она нужна. વધુ વિગત પરીવહન રીગ્રેસન સુધારાયું મોડેલ ધ્યાનમાં, તેમજ તે શું હતું તે શોધવા.

અવલોકન

, может выступать классификация респондентов по группам покупающих и не покупающих горчицу. સમસ્યા એક ઉદાહરણ તરીકે, ઉકેલ જે પરીવહન રીગ્રેસન સુધારાયું વાપરવામાં આવે છે, જૂથ ખરીદી કરીને ઉત્તરદાતાઓ અને રાઈના ખરીદી નહીં વર્ગીકરણ હોઈ શકે છે. તફાવત સામાજિક-વસ્તીવિષયક લક્ષણો અનુસાર કરવામાં આવે છે. આ સમાવેશ થાય છે, ખાસ કરીને, ઉંમર, લિંગ, પરિવારના સભ્યો સંખ્યા, આવક અને તેથી સમાવેશ થાય છે. અલગ માપદંડ અને ઓપરેશન ચલ હોય છે. જે બાદમાં લક્ષ્ય શ્રેણી એનકોડ હકીકતમાં, ઉત્તરદાતાઓ વિભાજીત કરવાની જરૂર છે.

ઘોંઘાટ

, значительно уже, чем для дискриминантного анализа. એવું કહી શકાય જોઈએ કે કિસ્સાઓમાં શ્રેણી કે જે લાગુ પ્રત્યાગમન લોજિસ્ટિક્સ, ખૂબ ડિસ્ક્રીમીનન્ટ એનાલિસિસ કરતાં સાંકડો છે. આ સંદર્ભે, તફાવત માટે સાર્વત્રિક પદ્ધતિ તરીકે બાદમાં ઉપયોગ વધુ પ્રાધાન્ય ગણવામાં આવે છે. વધુમાં, નિષ્ણાતો વર્ગીકરણ અભ્યાસ ઊંડી નજરવાળું વિશ્લેષણ સાથે શરૂ ભલામણ કરીએ છીએ. અને માત્ર પરિણામો માટે અનિશ્ચિતતા કિસ્સામાં પરીવહન રીગ્રેસન સુધારાયું વાપરી શકાય છે. આ અનિવાર્ય અનેક પરિબળો દ્વારા કારણે થાય છે. используется при наличии четкого представления о типе независимых и зависимых переменных. જ્યારે ત્યાં સ્વતંત્ર અને આશ્રિત વેરિયેબલ્સ પ્રકાર વિશે સ્પષ્ટ વિચાર છે પરીવહન રીગ્રેસન સુધારાયું માટે વપરાય છે. તદનુસાર, 3 શક્ય કાર્યવાહી એક પસંદગી કરી હતી. જ્યારે ડિસ્ક્રીમીનન્ટ એનાલિસિસ, સંશોધક હંમેશા સ્થિર કામગીરી સાથે વ્યવહાર કરવામાં આવે છે. તે કોઇ પણ પ્રકારની પાયે સાથે એક આશ્રિત અને કેટલાક સ્વતંત્ર નિર્ણાયાત્મક વેરિયેબલ્સ સમાવેશ થાય છે.

પ્રકારો

, состоит в определении вероятности того, что определенный респондент будет отнесен к той или иной группе. ઉદ્દેશ આંકડાકીય સંશોધનો, જે પરીવહન રીગ્રેસન સુધારાયું વાપરે છે, શક્યતા છે કે જે ચોક્કસ રિસ્પોન્ડન્ટ ચોક્કસ જૂથ સોંપેલ આવશે તે નક્કી કરવા માટે છે. તફાવત ચોક્કસ પરિમાણો અનુસાર કરવામાં આવે છે. વ્યવહારમાં, એક કે તેથી વઘુ સ્વતંત્ર પરિબળો કિંમતો અનુસાર ઉત્તરદાતાઓના બે જૂથમાં વર્ગિકૃત કરી શકાય છે. . આ કિસ્સામાં, ત્યાં દ્વિસંગી પરીવહન રીગ્રેસન સુધારાયું છે. પણ ઉલ્લેખિત પરિમાણો જૂથ ફાળવણી વાપરી શકાય બે કરતા વધારે છે. આવી સ્થિતિમાં એક બહુપદી પરીવહન રીગ્રેસન સુધારાયું છે. પરિણામી જૂથ કોઇ એક ચલ સ્તર વ્યક્ત કરી હતી.

ઉદાહરણ

ધારો કે તેઓ મોસ્કો ઉપનગરો જમીન હસ્તગત કરવાની ઓફર રસ છે પ્રશ્નના ઉત્તરદાતાઓ જવાબો છે. આ કિસ્સામાં, વિકલ્પો "કોઈ" અને "હા." અમે શોધવા માટે શું પરિબળો સંભવિત ખરીદદારોને નિર્ણય પર મુખ્ય પ્રભાવ હોય જરૂર છે. આ રિસ્પોન્ડન્ટ માટે પ્રશ્નો પ્રદેશ ઇન્ફ્રાસ્ટ્રક્ચર વિશે પૂછવામાં આવે છે, મૂડી, જમીન વિસ્તાર, હાજરી / રહેણાંક ઇમારતો ગેરહાજરીમાં અને તેથી પર. વાપરીને દ્વિસંગી પ્રત્યાગમન અંતર, ઉત્તરદાતાઓ બે જૂથોમાં વહેંચી શકાય છે. અનુક્રમે સંભવિત ખરીદદારો, અને બીજા, જેઓ આવા એક ઓફર રસ નથી છે - પ્રથમ જેઓ ખરીદ રસ છે સમાવેશ થાય છે. દરેક રિસ્પોન્ડન્ટ તરીકે, વધુમાં, તે સોંપણી સંભાવના એક શ્રેણી માં અન્ય ગણતરી કરવામાં આવશે.

તુલનાત્મક લક્ષણો

બે ભારતીયોનો વિપરીત ઉપર ભિન્ન નંબર અને આશ્રિત જૂથો અને સ્વતંત્ર ચલ પ્રકાર સમાવેશ થાય છે. દ્વિસંગી પ્રત્યાગમન, ઉદાહરણ તરીકે, એક અથવા વધુ સ્વતંત્ર શરતો માંથી પરાધીનતા દ્વિઘાતાત્મક પરિબળ અભ્યાસ કર્યો હતો. આ કિસ્સામાં, ત્યાર બાદ તે સાપેક્ષ કોઈપણ પ્રકારની હોઇ શકે છે. બહુપદી પ્રત્યાગમન વર્ગીકરણ આવૃત્તિ એક પ્રકારનું માનવામાં આવે છે. તે 2 કરતાં વધુ જૂથો માટે આશ્રિત ચલ સાથે સંબંધિત છે. સ્વતંત્ર પરિબળો ક્યાં તો ક્રમવાચક અથવા નજીવી પાયે હોવી આવશ્યક છે.

SPSS માં પરીવહન રીગ્રેસન સુધારાયું

આંકડાકીય પેકેજ 11-12, વિશ્લેષણ ની નવી આવૃત્તિ રજૂ કરવામાં - ક્રમ. આ પદ્ધતિ ત્યારે આશ્રિત પરિબળ જ નામ (ક્રમવાચક) સ્કેલમાં સાથે સંલગ્ન થાય છે. આ કિસ્સામાં સ્વતંત્ર ચલ એક ખાસ પ્રકાર પસંદ કર્યો. તેઓ ક્યાં તો ક્રમવાચક અથવા નજીવી હોવા જોઈએ. અનેક શ્રેણીઓમાં વર્ગીકરણ સૌથી સર્વતોમુખી ગણવામાં આવે છે. આ પદ્ધતિ બધા અભ્યાસો દર્શાવે છે કે પરીવહન રીગ્રેસન સુધારાયું ઉપયોગ કરી શકાય છે. , однако, можно только с помощью всех трех приемов. મોડલ ગુણવત્તા સુધારવા, જોકે, માત્ર ત્રણેય પદ્ધતિઓનો ઉપયોગ દ્વારા શક્ય છે.

ક્રમવાચક વર્ગીકરણ

એવું કહેવાય છે કે આંકડાકીય પેકેજ અગાઉ એક ક્રમવાચક માપક્રમ આશ્રિત પરિબળો માટે એક લાક્ષણિક વિશિષ્ટ વિશ્લેષણ કરવા તક આપવામાં આવી ન હતી. બધા ચલો માટે, એક કરતાં વધુ 2 જૂથો નંબર સાથે બહુપદી વિકલ્પ વપરાય છે. પ્રમાણમાં તાજેતરમાં રજૂ ક્રમ વિશ્લેષણ લક્ષણો ધરાવે છે. તેઓ ધ્યાનમાં પાયે તે સ્પષ્ટ કરે છે. часто не рассматривается как отдельный прием. દરમિયાન, પદ્ધતિયુક્ત પુસ્તિકામાં સામેલ ક્રમવાચક પરીવહન રીગ્રેસન સુધારાયું ઘણીવાર અલગ સ્વાગત તરીકે ગણવામાં આવતી નથી. કારણ નીચે પ્રમાણે છે: સીરીયલ વિશ્લેષણ બહુપદી પર કોઈ પણ નોંધપાત્ર લાભ નથી. સંશોધક તેમજ હાજરી અને ક્રમવાચક, અને નજીવી આશ્રિત ચલ માં બાદમાં વાપરી શકો છો. આમ કરવાથી, વર્ગીકરણ પ્રક્રિયા એકબીજાથી લગભગ અસ્પષ્ટતા છે. આનો અર્થ એ કે હોલ્ડિંગ ક્રમમાં વિશ્લેષણ કોઇ સમસ્યા નથી કારણ બનશે.

વિકલ્પો વિશ્લેષણ

દ્વિસંગી પ્રત્યાગમન - સરળ કેસ ધ્યાનમાં લો. ઉદાહરણ તરીકે, અમુક મેટ્રોપોલિટન યુનિવર્સિટી ઓફ સ્નાતકો માટે માર્કેટિંગ સંશોધન અંદાજ માંગ પ્રક્રિયામાં. પ્રશ્નાવલી, ઉત્તરદાતાઓ પ્રશ્નો સહિત કહેવામાં આવ્યું હતું:

1. તમે કામ કરી રહ્યા છે? (QL).
2. વર્ષની સ્નાતક (Q 21) સ્પષ્ટ કરો.
3. આઉટલેટ (વાજબી ઠરાવવું) ની સરેરાશ સ્કોર શું છે.
4. જાતિ (q22).

позволит оценить воздействие независимых факторов aver, q 21 и q 22 на переменную ql. પરીવહન રીગ્રેસન સુધારાયું ચલ QL પર આપેલા પ્ર 21 અને ક્યૂ 22 સ્વતંત્ર પરિબળો અસર વાજબી ઠરાવવું આકારણી કરશે. સરળ ભાષામાં કહીએ, વિશ્લેષણ હેતુ ક્ષેત્ર વર્ષના અંત છે, અને સરેરાશ સ્કોર પર માહિતીના આધારે સ્નાતકોની શક્યતા રોજગાર નક્કી કરવા માટે છે.

પરીવહન રીગ્રેસન સુધારાયું

દ્વિસંગી પ્રત્યાગમન મદદથી પરિમાણો સુયોજિત કરવા માટે, Analyze►Regression►Binary લોજિસ્ટિક મેનુ વાપરો. પરીવહન રીગ્રેસન સુધારાયું ઉપલબ્ધ ચલનો આશ્રિત પરિબળ બાકી યાદીમાં પસંદ કરો. તેઓ QL છે. આ ચલ આશ્રિત ક્ષેત્ર મૂકવામાં હોવું જ જોઈએ. Q 21, Q 22, વાજબી ઠરાવવું - કે પછી, તમે સાઇટ Covariates સ્વતંત્ર પરિબળો દાખલ કરવું જ પડશે. પછી તમે તેમને વિશ્લેષણ સહિતના એક રસ્તો પસંદ કરવાની જરૂર છે. 2 કરતાં વધુ સ્વતંત્ર પરિબળો નંબર, પગલું દ્વારા તમામ પરિવર્તનશીલ, કે જે મૂળભૂત રીતે સ્થાપિત થયેલ છે એકી સાથે વહીવટ, અને પગલું પદ્ધતિ ઉપયોગ કરતા નથી તો. સૌથી વધુ લોકપ્રિય માર્ગ પાછળ ગણવામાં આવે છે: LR. બટન પસંદ કરો મદદથી, તમે બધા ઉત્તરદાતાઓ અભ્યાસ, અને માત્ર એક ચોક્કસ લક્ષ્ય શ્રેણી સમાવેશ થાય છે કરી શકો છો.

શ્રેણીગત ચલો વ્યાખ્યાયિત

શ્રેણીગત બટન કિસ્સામાં વાપરવા માટે જ્યારે વેરિયેબલ્સ એક કરતાં વધુ 2 વર્ગોમાં સંખ્યા ક્રમ અપાયેલું છે. આ પરિસ્થિતિ માં, શ્રેણીગત Covariates સ્ટેશન હમણાં જ વિકલ્પ મૂકવામાં શ્રેણીગત ચલો વિન્ડો વ્યાખ્યાયિત કરો. આ ઉદાહરણમાં, જેમ કે વેરિયેબલ ખૂટે છે. કે ડ્રોપ ડાઉન સૂચિ પછી, આઇટમ કોન્ટ્રાસ્ટ વિચલન પસંદ કરો અને બટન બદલો પર ક્લિક કરો. પરિણામે, આશ્રિત વેરિયેબલ્સ કેટલાક ક્રમાંકિત પરિબળ પૈકી પ્રત્યેકમાંથી જનરેટ કરવામાં આવશે. તેમની સંખ્યા કેટેગરીમાં મૂળ શરતોની સંખ્યા અનુલક્ષે છે.

નવા ચલો સાચવો

મુખ્ય અભ્યાસમાં બટન સાચવો વાપરો નવી સેટિંગ્સ સંવાદ બોક્સ બનાવવા માટે સુયોજિત થયેલ છે. તેઓ પ્રત્યાગમન પ્રક્રિયામાં ગણતરી નંબરો ધરાવશે. ખાસ કરીને, તે અસ્થિર પરિબળો કે જે નક્કી બનાવવા માટે શક્ય છે:

1. વર્ગીકરણ ચોક્કસ કેટેગરી (Groupmembership) સાથે સંકળાયેલા છે.
2. દરેક સ્ટડી ગ્રૂપ (સંભાવનાઓ) માં ઉત્તરદાતાઓ વર્ગીકરણ સંભાવના.

વિકલ્પો બટન સંશોધક ઉપયોગ કરતી વખતે કોઈ પણ નોંધપાત્ર તકો પ્રાપ્ત નથી. તદનુસાર, તે અવગણવામાં કરી શકાય છે. મુખ્ય વિંડોમાં "ઓકે" બટન દબાવ્યા પછી વિશ્લેષણ પરિણામો પ્રદર્શિત કરવામાં આવશે.

પરીવહન રીગ્રેસન સુધારાયું પર્યાપ્તતા ગુણવત્તા નિયંત્રણ

ટેબલ ઓમનીબસ Testsof મોડલ સહગુણાંકો વિચાર કરો. તે અંદાજ મોડેલ ગુણવત્તા વિશ્લેષણ પરિણામો દર્શાવે છે. હકીકત વૃદ્ધિગત વિકલ્પ તમે છેલ્લા તબક્કામાં પરિણામો જોવાની જરૂર છે કે કારણે (પગલું 2) સુયોજિત કરવામાં આવી છે. હકારાત્મક પરિણામ ગણવામાં આવી શકે છે જેમાં શોધાયેલ વધારો આગામી પગલું પર સંક્રમણ માં ચી-સ્ક્વેર ઇન્ડેક્સ મહત્વ એક ઉચ્ચ ડિગ્રી (સિગ. <0,05) ખાતે. મોડેલ ગુણવત્તા મોડલ લાઇન અંદાજ છે. તમે નકારાત્મક કિંમત મેળવવા માટે, પરંતુ જો એકંદર ઉચ્ચ પાર્થિવ મોડેલ, છેલ્લા વ્યવહારીક ઉપયોગી ગણી શકાય તે નોંધપાત્ર તરીકે ગણવામાં ન આવે તો.

કોષ્ટકો

મોડલ સમરી કુલ વિક્ષેપ ઇન્ડેક્સ છે, કે જે બાંધકામ મોડેલ (આ આંકડો આર સ્ક્વેર) વર્ણવે અંદાજ પૂરો પાડે છે. તે કિંમત Nagelker લાગુ કરવા ભલામણ કરવામાં આવે છે. જો તે 0.50 કરતા વધુ છે હકારાત્મક સૂચક, એક પરિમાણ Nagelkerke આર સ્ક્વેર તરીકે ગણવામાં કરી શકાય છે. વર્ગીકરણની જેમાં એક અથવા અભ્યાસ અન્ય વર વાસ્તવિક સંકેતો પ્રત્યાગમન મોડલ દ્વારા આગાહી તે સાથે સરખાવવામાં આવે છે પરિણામો મૂલ્યાંકન પછી. આ હેતુ ટેબલ વર્ગીકરણ ટેબલ માટે. તે પણ તમે પ્રશ્નમાં જૂથ દરેક માટે તફાવતના ચોકસાઈ વિશે તારણો કાઢે છે માટે પરવાનગી આપે છે. . નીચેનું કોષ્ટક તે શક્ય આંકડાકીય રીતે નોંધપાત્ર સ્વતંત્ર વિશ્લેષણ તેમજ બિન-પ્રમાણભૂત પરિબળ પરીવહન રીગ્રેસન સુધારાયું દાખલ પરિબળો શોધવા માટે બનાવે છે. આ સંકેતો આધારે ચોક્કસ જૂથને નમૂના દરેક રિસ્પોન્ડન્ટ ના જોડાણ આગાહી કરી શકો છો. ન્યૂ વેરિયેબલ્સ બટન સાચવો મદદથી દાખલ કરી શકાય છે. તેઓ એક ખાસ વર્ગીકરણ કેટેગરી (Predictedcategory) અને આ જૂથો સમાવેશ થવાની સંભાવના (આગાહી સંભાવનાઓ સભ્યપદ) સભ્યપદ પર જાણકારી ધરાવશે. મુખ્ય વિંડોમાં "ઓકે" બટન દબાવ્યા પછી દેખાશે બહુપદી પરીવહન રીગ્રેસન સુધારાયું ગણતરી પરિણામો.

પ્રથમ ટેબલ, કે જે સંશોધક માટે મહત્વપૂર્ણ સંકેતો સમાવે - મોડલ ફિટિંગ માહિતી. આંકડાકીય મહત્વ એક ઉચ્ચ સ્તર વ્યવહારુ સમસ્યાઓ ઉકેલવા માટે ઉચ્ચ ગુણવત્તા અને મોડેલો ઉપયોગ યોગ્યતા માટે નિર્દેશ કરશે. અન્ય એક મહત્વની ટેબલ સ્યુડો આર સ્ક્વેર છે. તે તમને આશ્રિત પરિબળ છે, જે વિશ્લેષણ પસંદગી સ્વતંત્ર ચલ કારણે થાય છે કુલ અંતરના ભાગનો અંદાજ આપે છે. કોષ્ટક શક્યતા ગુણોત્તર ટેસ્ટ મુજબ બાદમાં આંકડાકીય મહત્વ વિશે તારણો કાઢે છે શકે છે. પરિમાણ અંદાજ પ્રતિબિંબિત બિન-પ્રમાણભૂત સહગુણાંકો. તેઓ સમીકરણ બાંધકામમાં વાપરવામાં આવે છે. વધુમાં, વેરિયેબલ્સ દરેક સંયોજન માટે નિર્ભર પરિબળ પર તેમની અસર સ્ટેસ્ટીકલ નક્કી થાય છે. દરમિયાન, બજાર સંશોધન વારંવાર નથી અલગથી ઉત્તરદાતાઓના વર્ગોમાં અલગ કરવા માટે જરૂરી છે, પરંતુ લક્ષ્ય જૂથના ભાગ તરીકે. આ હેતુ માટે કોષ્ટક Observedand આગાહી ફ્રીક્વન્સીઝ.

વ્યવહારુ અરજી

વિશ્લેષણ ગણવામાં પદ્ધતિ વ્યાપક વેપારીઓ કામ માટે વપરાય છે. 1991 માં, જો sigmoid પરીવહન રીગ્રેસન સુધારાયું સૂચક વિકસાવવામાં આવી હતી. તેમણે ઉપયોગમાં સરળ અને કાર્યક્ષમ સાધન છે કે જે તેમના "ગરમથી" તેવી શક્યતા ભાવમાં આગાહી ઉપયોગ કરી શકાય છે. સૂચક એક ચેનલ સમાંતર વિસ્તરે બે લીટીઓ દ્વારા રચાયેલી સ્વરૂપમાં એક ગ્રાફ પર પ્રસ્તુત છે. તેઓ વલણ એક સમાન અંતર દૂર કર્યું. કોરિડોરની પહોળાઈ સમયગાળા પર જ નિર્ભર છે. કિંમતી ધાતુઓ માટે ચલણ જોડીઓ થી - સૂચક ત્યારે લગભગ તમામ એસેટ સાથે કામ માટે વપરાય છે.

વિરામ અને રિવર્સલ: વ્યવહારમાં, તે સાધન વાપરવા માટે 2 કી વ્યૂહરચના ઉત્પાદન કર્યું હતું. બીજા કિસ્સામાં વેપારી ચેનલ અંદર ભાવ ફેરફારના ગતિશીલતા પર ધ્યાન કેન્દ્રિત કરશે. પર શક્યતા આંદોલન વિરુદ્ધ દિશામાં શરૂ થાય છે, કારણ કે તે આધાર અથવા પ્રતિકાર રેખા દર કિંમત પહોંચે છે. ભાવ નજીકથી ઉપલા મર્યાદા ફિટ છે, તો પછી એસેટ નાબૂદ કરી શકાય છે. જો તે નીચલી મર્યાદા છે, તો તમે ખરીદવા વિશે વિચારવું જોઈએ. સ્ટ્રેટેજી વિરામ વોરંટ ઉપયોગ થાય છે. તેઓ ટૂંકા અંતર મર્યાદા બહાર લગાવવામાં આવે છે. એકાઉન્ટ કે કેટલાક કિસ્સાઓમાં ભાવ તેમને થોડા સમય માટે ઉલ્લંઘન કરે છે કે ટેકિંગ, તો તમે તેને સુરક્ષિત ભજવે છે અને સ્ટોપ નુકશાન સેટ કરવું જોઇએ. તે જ સમયે, અલબત્ત, પસંદ કરેલ વ્યૂહરચના અનુલક્ષીને વેપારી બેપરવાઈથી વધારવા સાબિત અને આકારણી પરિસ્થિતિ કે બજારમાં ઊભી થઈ છે કરવાની જરૂર છે.

નિષ્કર્ષ

આમ, પરીવહન રીગ્રેસન સુધારાયું ઉપયોગ તમે ઝડપથી અને સરળતાથી સ્પષ્ટ પરિમાણો અનુસાર વર્ગોમાં ઉત્તરદાતાઓ શ્રેણીબદ્ધ કરવા માટે પરવાનગી આપે છે. જ્યારે એક નિશ્ચિત રીતે શક્ય ઉપયોગ વિશ્લેષણ. ખાસ કરીને, વિવિધ બહુપદી નિયતસંબંધ પર વર્સેટિલિટીનું. જોકે, નિષ્ણાતો બધા સંકુલમાં ઉપર વર્ણવ્યા પદ્ધતિઓ ઉપયોગ ભલામણ કરીએ છીએ. આ હકીકત એ છે કે આ કિસ્સામાં મોડેલ ગુણવત્તા નોંધપાત્ર રીતે ઊંચા હશે કારણે છે. આ, બદલામાં, તેની અરજી શ્રેણી વિસ્તૃત.