የሊኒየር ሪግሬሽን የውይይት ጥያቄዎች ምሳሌ

መስመራዊ ሪግሬሽን ምሳሌ ጥያቄዎች እና ውይይቶች

መስመራዊ ሪግሬሽን በሁለት ወይም ከዚያ በላይ በሆኑ ተለዋዋጮች መካከል ያለውን ግንኙነት ለመወሰን የሚያገለግል የስታቲስቲክስ ዘዴ ነው። ይህ ዘዴ በተለያዩ ዘርፎች በስፋት ጥቅም ላይ ይውላል፣ ለምሳሌ በኢኮኖሚክስ፣ በንግድ፣ በማህበራዊ ሳይንስ እና በተፈጥሮ ሳይንስ። በዚህ ጽሑፍ ውስጥ፣ መስመራዊ ሪግሬሽን፣ እንዴት ማስላት እንደሚቻል እና አንባቢዎች ይህንን ፅንሰ-ሀሳብ በጥልቀት እንዲረዱ የሚያግዙ በርካታ ምሳሌዎችን ከማብራሪያዎች ጋር እናቀርባለን።

መስመራዊ ሪግሬሽንን መረዳት

መስመራዊ ሪግሬሽን በአንድ ወይም ከዚያ በላይ ገለልተኛ ተለዋዋጮች (ትንበያዎች) እና ጥገኛ ተለዋዋጮች (ምላሽ) መካከል ያለውን ግንኙነት ለመምሰል የሚያገለግል የትንታኔ ዘዴ ነው። ቀላል መስመራዊ ሪግሬሽን አንድ ገለልተኛ ተለዋዋጮችን እና አንድ ጥገኛ ተለዋዋጮችን ያካትታል፣ በርካታ መስመራዊ ሪግሬሽን ደግሞ ከአንድ በላይ ገለልተኛ ተለዋዋጮችን ያካትታል።

የአንድ ቀላል መስመራዊ ተዛምዶ መስመር እኩልታ፡
\[ Y = a + bX \]

የት፡
– \( Y \) ጥገኛ ተለዋዋጭ ነው።
– \( X \) ነፃ ተለዋዋጭ ነው።
– \( a \) መቆራረጥ ሲሆን፣ X = 0 ሲሆን የ Y እሴት ነው።
– \( b \) የሪግሬሽን ኮፊሸንት ነው፣ ማለትም X በአንድ አሃድ ከተቀየረ Y ምን ያህል እንደሚለወጥ።

መስመራዊ የመመለሻ ደረጃዎች

1. መረጃ መሰብሰብ፡- በመጀመሪያ፣ የሚተነተነውን መረጃ መሰብሰብ።
2. የሴራ ዳታ፡ በተለዋዋጮች መካከል መስመራዊ ግንኙነት መኖሩን ለማየት የተበታተነ ሴራ ይፍጠሩ።
3. የሪግሬሽን ኮፊሸንትን አስሉ፡ ምርጡን መስመር ለመወሰን ትንሹን ካሬ ዘዴ ይጠቀሙ።
4. ሞዴሉን መሞከር፡- የሪግሬሽን ኮፊሸንቶችን አስፈላጊነት በቲ-ሙከራ ይፈትሹ እና ሞዴሉ ከውሂቡ ጋር ምን ያህል እንደሚስማማ ለማየት የR-ካሬ እሴትን ይወስኑ።

የናሙና ጥያቄዎች እና ውይይቶች

ምሳሌ ጥያቄ 1፡ ቀላል መስመራዊ ወደኋላ መመለስ

ጥያቄ፡
አንድ ተመራማሪ በጥናት ሰዓቶች (X) እና በተማሪዎች የፈተና ውጤቶች (Y) መካከል ያለውን ግንኙነት ማወቅ ይፈልጋል። የተገኘው መረጃ እንደሚከተለው ነው፡

| የጥናት ሰዓቶች (X) | የፈተና ውጤት (Y) |
|———————–|——————–|
| 2 | 70 |
| 3 | 75 |
| 5 | 80 |
| 7 | 85 |
| 8 | 90 |

ከዚህ ውሂብ መስመራዊ የሪግሬሽን እኩልታ ይስሩ!

ውይይት፡

1. አማካይን ማስላት፡
\[
\bar{X} = \frac{2 + 3 + 5 + 7 + 8}{5} = 5
\]
\[
\bar{Y} = \frac{70 + 75 + 80 + 85 + 90}{5} = 80
\]

2. የሪግሬሽን ኮፊሸንት ማስላት \( b \):
\[
b = \frac{\sum (X_i – \bar{X})(Y_i – \bar{Y})}{\sum (X_i – \bar{X})^2}
\]
\[
\sum (X_i – \bar{X})(Y_i – \bar{Y}) = (2 – 5)(70 – 80) + (3 – 5)(75 – 80) + (5 – 5)(80 – 80) + (7 – 5)(85 – 80) + (8 – 5)(90 – 80)
\]
\[
= (-3)(-10) + (-2)(-5) + (0)(0) + (2)(5) + (3)(10) = 30 + 10 + 0 + 10 + 30 = 80
\]
\[
\sum (X_i – \bar{X})^2 = (2 – 5)^2 + (3 – 5)^2 + (5 – 5)^2 + (7 – 5)^2 + (8 – 5)^2
\]
\[
= 9 + 4 + 0 + 4 + 9 = 26
\]
\[
b = \frac{80}{26} \approx 3.08
\]

3. የኢንተርሴፕት \(a \) ማስላት፡
\[
a = \bar{Y} – b\bar{X}
\]
\[
a = 80 – 3.08 \ጊዜ 5 = 80 – 15.4 = 64.6
\]

4. የሪግሬሽን እኩልታ፡
\[
Y = 64.6 + 3.08X
\]

ስለዚህ፣ የውሂብ መስመራዊ የሪግሬሽን እኩልታ \( Y = 64.6 + 3.08X \) ነው። ይህ ማለት እያንዳንዱ ተጨማሪ የጥናት ሰዓት የፈተና ውጤቱን በ3.08 ነጥብ እንደሚጨምር ይጠበቃል።

ምሳሌ ጥያቄ 2፡ የሞዴል ሙከራ እና ትርጓሜ

ጥያቄ፡
በተመሳሳይ መረጃ በመቀጠል፣ ሞዴሉ ከውሂቡ ጋር ምን ያህል እንደሚስማማ ለመለካት የR-ካሬድ (R²) እሴትን አስሉ። እንዲሁም የሪግሬሽን ኮፊሸንት \( b \) አስፈላጊነትን ይፈትሹ።

ውይይት፡

1. የጠቅላላ ካሬዎች ድምር (SST)፣ የሬግሬሽን ድምር (SSR) እና የስህተት ድምር (SSE) ካሬዎች ድምር ያሰሉ፡
\[
SST = \sum (Y_i – \bar{Y})^2
\]
\[
SST = (70 – 80)^2 + (75 – 80)^2 + (80 – 80)^2 + (85 – 80)^2 + (90 – 80)^2 = 100 + 25 + 0 + 25 + 100 = 250
\]

\[
ኤስኤስአር = \ ድምር (\ኮፍያ{Y}_i – \ባር{Y})^2
\]
የት \( \hat{Y}_i \) የተተነበየው የሪግሬሽን እኩልታ እሴት ነው፡
\[
\hat{Y}_i = 64.6 + 3.08X_i
\]
\[
\hat{Y} = [67.76, 70.84, 76.0, 82.16, 85.24]
\]
\[
\bar{Y} = 80
\]
\[
ኤስኤስአር = (67.76 – 80)^2 + (70.84 – 80)^2 + (76.0 – 80)^2 + (82.16 – 80)^2 + (85.24 – 80)^2
\]
\[
ኤስኤስአር = (-12.24)^2 + (-9.16)^2 + (-4.0)^2 + 2.16^2 + 5.24^2 = 149.8
\]

2. የSSE ማስላት፡
\[
ኤስኤስኢ = ኤስኤስቲ – ኤስኤስአር = 250 – 149.8 = 100.2
\]

3. R-ካሬድ ማስላት፡
\[
R^2 = \frac{SSR}{SST} = \frac{149.8}{250} \approx 0.6
\]

የ0.6-ካሬ እሴት R-ካሬ ይህ ሞዴል በውሂቡ ውስጥ ያለውን ልዩነት በግምት 60% ያብራራል። ይህ የሚያመለክተው የሪግሬሽን መስመሩ ከውሂቡ ጋር በጥሩ ሁኔታ እንደሚስማማ ነው።

4. የቲ-ሙከራ (t-Test) የቁጥር (b) ጠቀሜታ፡
\[
t = \frac{b}{SE(b)}
\]
\[
SE(b) = \sqrt{\frac{SSE}{n-2}} / \sqrt{\sum (X_i – \bar{X})^2}
\]
\[
SE(b) = \sqrt{\frac{100.2}{5-2}} / \sqrt{26}
\]
\[
SE(b) = \sqrt{33.4} / \sqrt{26} \approx 1.13
\]
\[
t = \frac{3.08}{1.13} \approx 2.73
\]

በ \( t-ስታቲስቲክ \approx 2.73 \)፣ ለአስፈላጊነት የጋራ ገደብ ከተጠቀምን (α = 0.05)፣ ከ t-table ጋር እናወዳድረዋለን። ለምሳሌ፣ ለ \( df = 3 \)፣ ወሳኝ \( t \) በግምት 2.353 ነው። ከዚያም \( t-observed > t-critical \)፣ ይህም ኮፊሸንት ጉልህ መሆኑን ያሳያል።

ከሲምፑላን

በዚህ ጽሑፍ ውስጥ፣ የመስመር ሪግሬሽን መሰረታዊ ነገሮችን፣ የሪግሬሽን ኮፊሸንትን እንዴት ማስላት እና መጠላለፍ እንደሚቻል እና ውጤቶችን በምሳሌ ችግሮች እንዴት መተርጎም እንደሚቻል ተመልክተናል። ይህንን ዘዴ በመጠቀም ብቁ ለመሆን የተለያዩ የውሂብ ስብስቦችን ደጋግሞ መለማመድ አስፈላጊ ነው። መስመራዊ ሪግሬሽን በውሂብ ትንተና ውስጥ ጠቃሚ መሳሪያ ሲሆን በተለዋዋጮች መካከል ስላለው ግንኙነት ጥልቅ ግንዛቤዎችን ሊሰጥ ይችላል።