Көптүк регрессия деген эмне
Көптүк регрессия – бул бир көз каранды өзгөрмө менен эки же андан көп көз карандысыз өзгөрмөлөрдүн ортосундагы байланышты түшүнүү үчүн колдонулган статистикалык анализ ыкмасы. Бул ыкма социалдык, экономикалык, бизнес, саламаттыкты сактоо, билим берүү жана маалымат таануу изилдөөлөрүндө көп колдонулат, анткени ал бир нече факторлордун натыйжага кандайча таасир этерин түшүндүрө алат.
Мисалы, кимдир бирөө студенттин экзамендеги упайларын алдын ала айткысы келет дейли. Экзамендеги упайларга (көз каранды өзгөрмө) окуу сааттары, катышуу жана репетиторлукка жетүү мүмкүнчүлүгү (көз карандысыз өзгөрмөлөр) таасир этиши мүмкүн. Көптүк регрессия төмөнкү суроолорго жооп берүүгө жардам берет: Кайсы факторлор эң таасирдүү? Эгерде окуу сааттары көбөйсө, башка факторлорду туруктуу кармап, экзамендеги орточо упай канчага көбөйөт?
-
Көптүк регрессиянын аныктамасы жана максаты
Жөнөкөй сөз менен айтканда, көптүк регрессия төмөнкүлөргө багытталган:
1. Бир нече көз карандысыз өзгөрмөлөргө таянып, көз каранды өзгөрмөнүн маанисин алдын ала айтыңыз.
2. Ар бир көз карандысыз өзгөрмөнүн көз каранды өзгөрмөгө канчалык таасир этерин түшүндүрүңүз.
3. Чындыгында кубулуш көптөгөн факторлордун таасири астында болгонуна карабастан, бир гана көз карандысыз өзгөрмөнү колдонсок, келип чыгышы мүмкүн болгон бир жактуулукту азайтат.
4. Белгилүү бир өзгөрмөнүн таасирин текшерүүдө башка өзгөрмөлөрдү (контролдоо) башкаруу.
Жөнөкөй регрессия менен биз бир гана фактордун натыйжага болгон байланышын карайбыз. Бирок, реалдуу дүйнөдө таасирлер көп учурда бири-бирине дал келет. Дал ушул жерде көптүк регрессия реалдуураак болуп калат: ал бир эле учурда көптөгөн өзгөрмөлөрдү кошуу менен "чоң сүрөттү" көрүүгө аракет кылат.
-
Көптүк регрессия теңдемесинин жалпы формасы
Көптүк регрессия көбүнчө төмөнкү теңдеме түрүндө жазылат:
Y = a + b1X1 + b2X2 + b3X3 + … + bnXn + e
Маалымат:
– Y = көз каранды өзгөрмө (түшүндүрүлүшү/алдын ала айтылышы керек)
– a = туруктуу (бардык Xтер 0 болгондо Y мааниси)
– b1, b2, … bn = ар бир көз карандысыз өзгөрмө үчүн регрессия коэффициенттери
– X1, X2, … Xn = көз карандысыз өзгөрмөлөр
– e = ката/калдык (Y вариациясынын модель менен түшүндүрүүгө мүмкүн болбогон бөлүгү)
b коэффициенти эң көп чечмеленүүчү компонент болуп саналат. Мисалы, эгер b1 = 2,5 болсо, анда X1дин ар бир 1 бирдикке көбөйүшү Yди 2,5ке көбөйтөт, эгерде башка көз карандысыз өзгөрмөлөр туруктуу бойдон калса. "Башкалардын баары туруктуу" деген сөз айкашы маанилүү, анткени ал көптүк регрессиянын негизги өзгөчөлүгүн билдирет: ал өзгөрмөнүн "жарым-жартылай" таасирин өлчөйт.
-
Көптүк регрессиянын колдонулушунун мисалы
Муну жеңилдетүү үчүн, бизнес дүйнөсүндөгү жөнөкөй мисал келтирели. Мисалы, компания продукцияны сатууга таасир этүүчү факторлорду (Y) билгиси келет. маалыматтарды чогултуу:
– X1 = жарнама чыгымдары (миллион рупия менен)
– X2 = товардын баасы (миң рупия менен)
– X3 = активдүү сатуучулардын саны
Анализдин жыйынтыктары төмөнкү теңдемени берет:
Сатуу = 100 + 8X1 – 5X2 + 12X3
Чечмелөө:
– Туруктуу 100: жарнама чыгымдары, баалар жана кайра сатуучуларды 0 деп эсептегенде, сатуу 100 бирдик деп бааланат (бул жөн гана математикалык чечмелөө, кээде ал чындыгында маанисиз болуп калат).
– 8X1: жарнамалык чыгымдардын ар бир кошумча 1 миллиону, эгерде баасы жана сатуучу ошол бойдон калса, сатууну 8 бирдикке көбөйтөт деп болжолдонууда.
– -5X2: эгерде башка өзгөрмөлөр туруктуу бойдон калса, баанын ар бир 1 рупияга жогорулашы сатууну 5 бирдикке азайтат деп болжолдонууда.
– 12X3: эгерде башка өзгөрмөлөр туруктуу бойдон калса, ар бир кошумча 1 активдүү сатуучу сатууну 12 бирдикке көбөйтөт.
Бул моделдин жардамы менен компаниялар саясат түзө алышат: мисалы, сатуу максаттарына жетүү үчүн жарнаманын, баалардын жана сатуучулардын санынын айкалышын аныктоо.
-
Көптүк регрессия качан колдонууга ылайыктуу?
Көптүк регрессия төмөнкү учурларда колдонууга ылайыктуу:
1. Сиз алдын ала айткыңыз келген бир негизги натыйжа бар (Y).
2. Натыйжага таасир этет деп шектелген бирден ашык фактор бар (X).
3. Маалыматтар сандык масштабда болот же сандык формага өзгөртүлүшү мүмкүн (мисалы, категориялар макеттерге өзгөртүлөт).
Бул ыкманы изилдөөлөрдө "теорияларды текшерүү" үчүн да колдонсо болот, мисалы, жумуш тажрыйбасын жана жашаган жерин көзөмөлдөгөндөн кийин билим берүүнүн кирешеге тийгизген таасири дагы эле маанилүүбү же жокпу.
-
Көптүк регрессиядагы маанилүү божомолдор
Натыйжалар жарактуу болушу үчүн, көптүк регрессиянын бир нече божомолдору бар, аларды эске алуу керек:
1. Сызыктуулук
Көз карандысыз жана көз каранды өзгөрмөлөрдүн ортосундагы байланыш сызыктуу деп эсептелет. Эгерде чыныгы байланыш ийри (сызыктуу эмес) болсо, сызыктуу модель анчалык так эмес болушу мүмкүн.
2. Жогорку мультиколлинеардуулук жок
Көз карандысыз өзгөрмөлөр өтө күчтүү корреляцияланбашы керек. Эгерде X1 жана X2 дээрлик бирдей болсо, алардын тиешелүү таасирин ажыратуу кыйынга турат.
3. Гомоскедастика
Калдык дисперсиясы бардык болжолдонгон маанилер боюнча салыштырмалуу туруктуу болот деп күтүлүүдө. Эгерде калдык белгилүү бир мааниде чоңоюп кетсе (гетероскедастикалык), баалоо анча натыйжалуу эмес болушу мүмкүн.
4. Калдыктардын нормалдуулугу (көбүнчө каалаган)
Калдыктарды, айрыкча, максаттары үчүн, болжол менен нормалдуу бөлүштүрүү керек маанилик тести.
5. Каталардын көз карандысыздыгы
Байкоолордун ортосундагы каталар корреляцияланбашы керек. Бул көйгөй көп учурда убакыт катарларынын маалыматтарында пайда болот.
Божомолдорду текшерүү, адатта, калдык графиктер, статистикалык тесттер (мисалы, мультиколлинеардуулук үчүн VIF) жана башка диагностикалык анализдер аркылуу жүргүзүлөт.
-
Моделдин сапатын өлчөө: R² жана маанилүүлүк тесттери
Көптүк регрессияда бир нече жалпы көрсөткүчтөр колдонулат:
– R² (Аныктоо коэффициенти)
Модель менен түшүндүрүлүшү мүмкүн болгон Y өзгөрүүсүнүн үлүшүн көрсөтөт. R² маанилери 0–1 аралыгында болот. R² канчалык чоң болсо, көз карандысыз өзгөрмө ошончолук көп өзгөрүүнү түшүндүрөт. Бирок, чоң R² моделдин автоматтык түрдө "туура" экенин билдирбейт; ашыкча туура келүү болушу мүмкүн.
– Жөнгө салынган R²
Көз карандысыз өзгөрмөлөрдүн санын эске алган R² версиясы. Бул ар кандай сандагы өзгөрмөлөрү бар моделдерди салыштырууга жардам берет.
– F тести (бир эле учурда)
Көз карандысыз өзгөрмөлөрдүн чогуу Yге олуттуу таасири бар-жогун текшерүү.
– t-тест (жарым-жартылай)
Ар бир коэффициенттин (b1, b2 ж.б.) статистикалык жактан маанилүү экендигин текшериңиз.
Бул тесттин жардамы менен изилдөөчүлөр моделдин пайдалуу экендигин жана кайсы өзгөрмөлөр чындыгында салым кошоорун баалай алышат.
-
Көптүк регрессиянын артыкчылыктары жана чектөөлөрү
Ашыкча
– Реалдуураак, анткени ал бир эле учурда көптөгөн факторлорду эске алат.
– божомолдоо жана түшүндүрүү үчүн колдонулушу мүмкүн.
– Жарым-жартылай эффект анализин жүргүзүүгө мүмкүндүк берет (башка өзгөрмөлөрдү көзөмөлдөө).
– Бул көптөгөн алдыңкы ыкмалардын негизи болуп саналат статистика жана машиналык окутуу.
Чектөөлөр
– Мультиколлинеардуулукка сезгич.
– Эгерде божомолдор аткарылбаса, жыйынтыктар адаштыруучу болушу мүмкүн.
– Автоматтык түрдө себептик байланышты көрсөтпөйт; регрессия байланышты көрсөтөт, ал эми себептик байланыш күчтүү изилдөө дизайнын талап кылат.
– Эгерде маалыматтардын көлөмүнө салыштырмалуу өтө көп өзгөрмөлөр болсо, ашыкча тууралоо пайда болушу мүмкүн.
-
Penutup
Көптүк регрессия бир көз каранды өзгөрмө менен бир нече көз карандысыз өзгөрмөлөрдүн ортосундагы байланышты талдоо үчүн маанилүү статистикалык курал болуп саналат . Салыштырмалуу жөнөкөй теңдемени колдонуу менен, бул ыкма изилдөөчүлөргө жана практиктерге таасирдүү факторлорду түшүнүүгө, ар бир өзгөрмөнүн таасир күчүн өлчөөгө жана бир гана факторду колдонууга караганда так божомолдорду жасоого жардам берет.
Бирок, көптүк регрессия "сыйкырдуу курал" эмес. Ал так чечмелөөнү камсыз кылуу үчүн жакшы маалыматтардын сапатын, акылга сыярлык өзгөрмөлөрдү тандоону жана божомолдорду текшерүүнү талап кылат. Тийиштүү колдонулганда, көптүк регрессия ар кандай тармактарда маалыматтарга негизделген чечим кабыл алуу үчүн бекем негиз түзө алат.
Кааласаңыз, мен сизге ушул макаланын белгилүү бир контекст үчүн (мисалы, диссертация үчүн, бизнес үчүн же жогорку класстын окуучулары үчүн) жөнөкөй эсептөө мисалдары жана SPSS/Excel/R жыйынтыктарын кантип окуу керектиги менен толукталган версиясын түзүүгө жардам бере алам.
