रेषीय प्रतिगमन चर्चा प्रश्नांचे उदाहरण

रेषीय प्रतिगमन उदाहरण प्रश्न आणि चर्चा

रेषीय प्रतिगमन ही दोन किंवा अधिक चलांमधील संबंध निश्चित करण्यासाठी वापरली जाणारी एक सांख्यिकीय पद्धत आहे. ही पद्धत अर्थशास्त्र, व्यवसाय, सामाजिक शास्त्रे आणि नैसर्गिक विज्ञाने यांसारख्या विविध क्षेत्रांमध्ये मोठ्या प्रमाणावर वापरली जाते. या लेखात, आम्ही रेषीय प्रतिगमन, त्याची गणना कशी करावी यावर चर्चा करणार आहोत आणि वाचकांना ही संकल्पना सखोलपणे समजण्यास मदत करण्यासाठी स्पष्टीकरणांसह अनेक उदाहरणे देणार आहोत.

रेषीय प्रतिगमन समजून घेणे

रेषीय प्रतिगमन ही एक विश्लेषणात्मक पद्धत आहे, जी एक किंवा अधिक स्वतंत्र चल (भविष्यसूचक) आणि एक अवलंबून चल (प्रतिसाद) यांच्यातील संबंधांचे मॉडेल तयार करण्यासाठी वापरली जाते. साध्या रेषीय प्रतिगमनामध्ये एक स्वतंत्र चल आणि एक अवलंबून चल यांचा समावेश असतो, तर बहुविध रेषीय प्रतिगमनामध्ये एकापेक्षा जास्त स्वतंत्र चल असतात.

साध्या रेषीय प्रतिगमन रेषेचे समीकरण आहे:
\[ Y = a + bX \]

कुठे:
– \( Y \) हे अवलंबून असलेले चल आहे.
– \( X \) हे स्वतंत्र चल आहे.
– \( a \) हा इंटरसेप्ट आहे, म्हणजेच X = 0 असताना Y ची किंमत.
– \( b \) हा रिग्रेशन कोएफिशियंट आहे, म्हणजेच, जर X एक युनिटने बदलला तर Y मध्ये किती बदल होतो.

रेषीय प्रतिगमन पायऱ्या

१. डेटा गोळा करा: सर्वप्रथम, विश्लेषण करायचा असलेला डेटा गोळा करा.
२. डेटा प्लॉट करा: व्हेरिएबल्समध्ये रेषीय संबंध आहे की नाही हे पाहण्यासाठी स्कॅटर प्लॉट तयार करा.
३. रिग्रेशन गुणांकाची गणना करा: सर्वोत्तम रेषा निश्चित करण्यासाठी किमान वर्ग पद्धतीचा वापर करा.
४. मॉडेलची चाचणी: मॉडेल डेटाला किती चांगल्या प्रकारे जुळते हे पाहण्यासाठी, टी-टेस्टने रिग्रेशन कोएफिशियंट्सची सार्थकता तपासा आणि आर-स्क्वेअर्ड व्हॅल्यू निश्चित करा.

नमुना प्रश्न आणि चर्चा

उदाहरण प्रश्न १: साधे रेषीय प्रतिगमन

प्रश्न:
एका संशोधकाला अभ्यासाच्या तासांची संख्या (X) आणि विद्यार्थ्यांचे परीक्षेतील गुण (Y) यांच्यातील संबंध जाणून घ्यायचा आहे. मिळालेली माहिती खालीलप्रमाणे आहे:

| अभ्यासाचे तास (X) | परीक्षेतील गुण (Y) |
|——————–|——————–|
| ८ | ९७ |
| ८ | ९७ |
| ८ | ९७ |
| ८ | ९७ |
| ८ | ९७ |

या डेटामधून रेषीय प्रतिगमन समीकरण तयार करा!

चर्चा:

१. सरासरीची गणना करणे:
\[
\bar{X} = \frac{2 + 3 + 5 + 7 + 8}{5} = 5
\]
\[
\bar{Y} = \frac{70 + 75 + 80 + 85 + 90}{5} = 80
\]

२. रिग्रेशन गुणांक \( b \) ची गणना करणे:
\[
b = \frac{\sum (X_i – \bar{X})(Y_i – \bar{Y})}{\sum (X_i – \bar{X})^2}
\]
\[
\sum (X_i – \bar{X})(Y_i – \bar{Y}) = (2 – 5)(70 – 80) + (3 – 5)(75 – 80) + (5 – 5)(80 – 80) + (7 – 5)(85 – 80) + (8 – 5)(90 – 80)
\]
\[
= (-3)(-10) + (-2)(-5) + (0)(0) + (2)(5) + (3)(10) = 30 + 10 + 0 + 10 + 30 = 80
\]
\[
\sum (X_i – \bar{X})^2 = (2 – 5)^2 + (3 – 5)^2 + (5 – 5)^2 + (7 – 5)^2 + (8 – 5)^2
\]
\[
= १ + २ + ४ + ७१ + १४२ = २२०
\]
\[
b = \frac{80}{26} \approx 3.08
\]

३. छेदबिंदू \( a \) ची गणना करणे:
\[
a = \bar{Y} – b\bar{X}
\]
\[
a = 80 – 3.08 × 5 = 80 – 15.4 = 64.6
\]

४. प्रतिगमन समीकरण:
\[
Y = 64.6 + 3.08X
\]

म्हणून, डेटासाठी रेषीय प्रतिगमन समीकरण \( Y = 64.6 + 3.08X \) आहे. याचा अर्थ असा की अभ्यासाच्या प्रत्येक अतिरिक्त तासाने परीक्षेतील गुणांमध्ये 3.08 गुणांनी वाढ अपेक्षित आहे.

उदाहरण प्रश्न २: नमुना चाचणी आणि विश्लेषण

प्रश्न:
तोच डेटा वापरून, मॉडेल डेटाला किती चांगल्या प्रकारे जुळते हे मोजण्यासाठी R-squared (R²) मूल्य काढा. तसेच, रिग्रेशन गुणांक \( b \) ची सार्थकता तपासा.

चर्चा:

१. एकूण वर्ग बेरीज (SST), प्रतिगमन वर्ग बेरीज (SSR), आणि त्रुटी वर्ग बेरीज (SSE) यांची गणना करा:
\[
SST = \sum (Y_i – \bar{Y})^2
\]
\[
SST = (70 – 80)^2 + (75 – 80)^2 + (80 – 80)^2 + (85 – 80)^2 + (90 – 80)^2 = 100 + 25 + 0 + 25 + 100 = 250
\]

\[
SSR = \sum (\hat{Y}_i – \bar{Y})^2
\]
येथे \( \hat{Y}_i \) हे रिग्रेशन समीकरणाचे अंदाजित मूल्य आहे:
\[
\hat{Y}_i = 64.6 + 3.08X_i
\]
\[
\hat{Y} = [६७.७६, ७०.८४, ७६.०, ८२.१६, ८५.२४]
\]
\[
\bar{Y} = 80
\]
\[
SSR = (67.76 – 80)^2 + (70.84 – 80)^2 + (76.0 – 80)^2 + (82.16 – 80)^2 + (85.24 – 80)^2
\]
\[
SSR = (-12.24)^2 + (-9.16)^2 + (-4.0)^2 + 2.16^2 + 5.24^2 = 149.8
\]

२. SSE ची गणना करणे:
\[
SSE = SST – SSR = 250 – 149.8 = 100.2
\]

३. आर-स्क्वेअरची गणना करणे:
\[
R^2 = \frac{SSR}{SST} = \frac{149.8}{250} \approx 0.6
\]

0.6 चे R-स्क्वेअर्ड मूल्य हे दर्शवते की हे मॉडेल डेटामधील फरकापैकी अंदाजे 60% स्पष्ट करते. यावरून असे दिसून येते की रिग्रेशन रेषा डेटाला बऱ्यापैकी जुळते.

४. गुणांक \( b \) च्या सार्थकता चाचणीसाठी टी-टेस्ट:
\[
t = \frac{b}{SE(b)}
\]
\[
SE(b) = \sqrt{\frac{SSE}{n-2}} / \sqrt{\sum (X_i – \bar{X})^2}
\]
\[
SE(b) = \sqrt{\frac{100.2}{5-2}} / \sqrt{26}
\]
\[
SE(b) = √33.4 / √26 ≈ 1.13
\]
\[
t = \frac{3.08}{1.13} \approx 2.73
\]

\( t-statistic \approx 2.73 \) असताना, जर आपण सार्थकता पातळीसाठी एक सामान्य मर्यादा (α = 0.05) वापरली, तर आपण त्याची t-सारणीशी तुलना करतो. उदाहरणार्थ, \( df = 3 \) साठी, क्रांतिक \( t \) अंदाजे 2.353 आहे. मग \( t-observed > t-critical \), जे दर्शवते की गुणांक महत्त्वपूर्ण आहे.

निष्कर्ष

या लेखात, आम्ही रेषीय प्रतिगमनाची (linear regression) मूलतत्त्वे, प्रतिगमन गुणांक (regression coefficient) आणि अंतर्छेद (intercept) यांची गणना कशी करावी, आणि उदाहरणांच्या साहाय्याने निकालांचा अर्थ कसा लावावा हे पाहिले आहे. ही पद्धत वापरण्यात पारंगत होण्यासाठी विविध डेटा सेट्ससह वारंवार सराव करणे आवश्यक आहे. रेषीय प्रतिगमन हे डेटा विश्लेषणातील एक मौल्यवान साधन आहे आणि ते चलांमधील (variables) संबंधांविषयी सखोल माहिती देऊ शकते.