د ټاکلو ضریب: تعریف، محاسبه، او تطبیق
پنډاهولوان
د تعیین کوفيسینټ، چې ډیری وختونه د \( R^2 \) په توګه سمبول کیږي، یو احصایوي مفهوم دی چې د معلوماتو تحلیل کې مهم رول لوبوي. دا یو اندازه وړاندې کوي چې مشاهده شوي معلومات د کارول شوي ماډل لخوا څومره ښه تشریح کیدی شي. پداسې حال کې چې په خطي ریګریشن کې په پراخه کچه کارول کیږي، د تعیین کوفيسینټ په مختلفو نورو شرایطو کې هم غوښتنلیکونه لري چیرې چې احصایوي وړاندوینه او ماډلینګ کارول کیږي.
د دې مقالې موخه د تعیین د ضریب تعریف، د هغې د محاسبې طریقه، او د هغې د حقیقي نړۍ غوښتنلیکونو مثالونه وړاندې کول دي. د دې مفهوم پوهیدل به زموږ وړتیا ته وده ورکړي چې ډیر معنی لرونکي احصایوي تحلیل ترسره کړو.
د ټاکلو د ضریب پوهیدل
د ټاکلو ضریب (\( R^2 \)) د 0 او 1 ترمنځ یو ارزښت دی، کوم چې د انحصاري متغیر کې د تغیر تناسب ښیي چې د ریګریشن ماډل کې د خپلواک متغیرونو لخوا تشریح کیدی شي. د 1 سره نږدې د \( R^2 \) ارزښت ښیي چې ټاکل شوي خپلواک متغیرونه د انحصاري متغیر کې د ډیری تغیراتو تشریح کولو توان لري، پداسې حال کې چې د 0 سره نږدې د \( R^2 \) ارزښت ښیي چې ماډل د معلوماتو د تغیراتو تشریح کولو کې کافي ښه نه دی.
په ریاضيکي ډول، د تعیین ضریب د فورمول په واسطه څرګند کیدی شي:
\[ R^2 = ۱ – \frac{SSR}{SST} \]
چیرته:
– \( SSR \) د پاتې شونو مربعونو مجموعه ده (د پاتې شونو مربعونو مجموعه یا د وړاندوینې غلطیو)
– \( SST \) د مربعونو مجموعه ده (د انحصاري متغیر د مربعونو مجموعه)
د ټاکلو ضریب محاسبه کولو طریقه
د ښه پوهیدو لپاره چې د تعیین ضریب څنګه محاسبه کیږي، راځئ چې ګامونه روښانه کړو.
د محاسبې مرحلې
۱. اټکل شوی ارزښت محاسبه کړئ (\( \hat{y} \)):
دا وړاندوینه شوی ارزښت د هغه ریګریشن ماډل څخه ترلاسه کیږي چې موږ یې رامینځته کړی. د مثال په توګه، که چیرې د ریګریشن ماډل ساده خطي وي، نو د هغې بڼه دا ده:
\[ \خولۍ{y} = \بیټا_0 + \بیټا_1 x \]
۲. د پاتې شونو محاسبه وکړئ (\( e \)):
پاتې شونی د لیدل شوي ارزښت (\( y \)) او وړاندوینې شوي ارزښت (\( \hat{y} \)) ترمنځ توپیر دی:
\[ e = y – \hat{y} \]
۳. SSR محاسبه کړئ (د مربع پاتې شونو مجموعه):
SSR د پاتې شونو د مربعونو مجموعه ده:
\[ SSR = \جمع (y – \ټوپۍ{y})^2 \]
۴. د SST محاسبه (د مربعو ټول مجموعه):
SST د مشاهده شویو ارزښتونو (\( y \)) او د هغو مشاهده شویو ارزښتونو (\( \bar{y} \)) ترمنځ د توپیرونو د مربعونو مجموعه ده:
\"SST = \sum (y – \bar{y})^2 \]
۵. د ټاکلو ضریب محاسبه کړئ (\( R^2 \)):
د ټاکلو ضریب د پورته ذکر شوي فورمول په کارولو سره محاسبه کیږي:
\[ R^2 = ۱ – \frac{SSR}{SST} \]
د دې ګامونو سره، موږ کولی شو د \( R^2 \) ارزښت تولید کړو کوم چې تشریح کوي چې زموږ ماډل د معلوماتو تغیر څومره ښه تشریح کوي.
د \( R^2 \) ارزښت پوهیدل
د \( R^2 \) ارزښت د کارول شوي ماډل د شرایطو او پیچلتیا پورې اړه لري خورا توپیر کولی شي. دلته د \( R^2 \) ارزښت د تفسیر لپاره ځینې لارښوونې دي:
– \( R^2 \تقریبا 0 \):
دا په ګوته کوي چې د ریګریشن ماډل په سختۍ سره د معلوماتو کې د تغیراتو تشریح کولو توان لري. کارول شوي خپلواک متغیرونه ممکن د انحصاري متغیر سره غیر اړونده وي، یا دا ممکن د وخت لړۍ معلوماتو د خورا بې ثباته طبیعت له امله وي.
– \( 0 < R^2 < 0.3 \): ماډل ډېر ټیټ تشریحي کیفیت لري، خو بیا هم ځینې معلومات شتون لري چې د متغیرونو ترمنځ د اړیکو په اړه استخراج کیدی شي.
- \( 0.3 \leq R^2 < 0.7 \): دا ارزښت ښيي چې ماډل د وضاحت منځنۍ کیفیت لري. ماډل خورا ګټور دی مګر لاهم د ښه والي لپاره ځای شتون لري. - \( 0.7 \leq R^2 < 1 \): ماډل لوړ توضیحي کیفیت لري. په انحصاري متغیر کې ډیری تغیرات د خپلواک متغیرونو لخوا تشریح شوي. - \( R^2 \تقریبا 1 \): دا ښيي چې ماډل خورا لوړ توضیحي کیفیت لري. په هرصورت، دا هم باید په پام کې ونیول شي ځکه چې دا کولی شي ډیر مناسبیت په ګوته کړي، چیرې چې ماډل ډیر پیچلی دی او نور د عمومي کولو وړ نه دی. د حقیقي نړۍ غوښتنلیکونه د تعیین ضخامت په مختلفو برخو کې کارول کیږي، له ټولنیزو علومو څخه تر طبیعي علومو پورې. دلته د \( R^2 \) د غوښتنلیکونو ځینې مشخص مثالونه دي: 1. اقتصاد: په اقتصادي تحلیل کې، د تعیین ضخامت د دې ارزولو لپاره کارول کیږي چې اقتصادي ماډل څومره ښه وړتیا لري چې د متغیرونو لکه عاید، مصرف او پانګونې ترمنځ اړیکه تشریح کړي. ۲. بایوسټیټیسټیک: په طبي څیړنو کې، \( R^2 \) د درملو دوز او د ناروغ غبرګون ترمنځ د اړیکو د اغیزمنتوب ارزولو لپاره کارول کیږي. یو ښه ماډل به لوړ \( R^2 \) ولري، چې دا په ګوته کوي چې د درملو دوز کولی شي د ناروغ غبرګون کې ډیری تغیرات تشریح کړي. ۳. چاپیریالي ساینس: د اقلیم ماډلینګ کې، \( R^2 \) د اقلیم فکتورونو لکه باران، تودوخې او رطوبت ترمنځ د اړیکو ارزولو لپاره کارول کیدی شي. د ټاکلو لوړ ضریب ښیي چې د اقلیم ماډل کارول شوی د اقلیم بدلون تشریح کولو کې خورا ښه دی. ۴. سوداګري او بازار موندنه: د بازار موندنې په تحلیل کې، \( R^2 \) د دې ارزولو لپاره کارول کیدی شي چې د ریګریشن ماډل د اعلاناتو لګښتونو او پلور ترمنځ اړیکه څومره ښه بیانوي. لوړ \( R^2 \) ارزښت ښیي چې د اعلاناتو لګښتونه د پلور ښه وړاندوینه کونکی دی. د ټاکلو ضخامت محدودیتونه که څه هم د ټاکلو ضخامت یو ډیر ګټور وسیله ده، دا ډیری محدودیتونه هم لري چې باید په پام کې ونیول شي: ۱. د لامل اندازه نه کوي: لوړ \( R^2 \) ارزښت دا نه په ګوته کوي چې خپلواک متغیر د انحصاري متغیر د بدلون لامل کیږي. دا یوازې د دواړو ترمنځ خطي اړیکه په ګوته کوي. ۲. د ډیر فټ کولو لپاره حساس: یو ډیر پیچلی ماډل ممکن ډیر لوړ \( R^2 \) ولري مګر د نورو معلوماتو لپاره عمومي نه وي. له همدې امله، دا مهمه ده چې د دې ماډل د اعتبار ورکولو میتودونه هم په پام کې ونیول شي، لکه کراس تایید. ۳. د وړاندوینې کوونکو د انفرادي کیفیت په اړه معلومات نه وړاندې کوي: د ټاکلو ضریب په څو اړخیزه ماډل کې د هر خپلواک متغیر د انفرادي ونډې په اړه معلومات نه وړاندې کوي. پایله د ټاکلو ضریب (\( R^2 \)) د معلوماتو د تغیراتو تشریح کولو لپاره د ماډل وړتیا ارزولو لپاره خورا مهم احصایوي وسیله ده. د دې په پوهیدو سره چې دا څنګه محاسبه او تشریح کیږي، موږ کولی شو د معلوماتو معنی لرونکي تحلیل په ښه توګه ترسره کړو. دا مهمه ده چې تل \( R^2 \) د ډیری احصایوي وسیلو څخه د یوې په توګه وکاروئ، د هغې محدودیتونه درک کړئ، او د نورو تایید میتودونو سره په ګډه یې وکاروئ ترڅو ډیرې جامع او دقیقې پایلې ترلاسه کړئ. دا د ټاکلو ضریب په اړه مقاله پای ته رسوي. هیله ده، دا به ستاسو د معلوماتو تحلیل کې د دې مفهوم په ښه پوهیدو او پلي کولو کې ګټور وي.