څو ځله رجعت څه شی دی؟

څو ځله رجعت څه شی دی؟

څو ځله رجعت د احصایوي تحلیل تخنیک دی چې د یو انحصاري متغیر او دوه یا ډیرو خپلواک متغیرونو ترمنځ د اړیکو د پوهیدو لپاره کارول کیږي. دا میتود ډیری وختونه په ټولنیز، اقتصادي، سوداګرۍ، روغتیا، تعلیم، او د معلوماتو ساینس څیړنو کې کارول کیږي ځکه چې دا کولی شي تشریح کړي چې څنګه څو عوامل په ګډه په پایله اغیزه کوي.

د مثال په توګه، فرض کړئ چې یو څوک غواړي د زده کونکي د ازموینې نمرې وړاندوینه وکړي. د ازموینې نمرې (متکي متغیر) ممکن د مطالعې ساعتونو، حاضرۍ، او ښوونې ته لاسرسي (خپلواک متغیر) لخوا اغیزمن شي. څو ځله بیرته راګرځیدل د پوښتنو ځوابولو کې مرسته کوي لکه: کوم عوامل خورا اغیزمن دي؟ که چیرې د مطالعې ساعتونه زیات شي، د ازموینې اوسط نمرې به څومره زیاتې شي، نور عوامل به ثابت وساتي؟

-

د څو ځله رجعت تعریف او هدف

په ساده اصطلاحاتو کې، د څو ځله رجعت موخه دا ده:

۱. د څو خپلواکو متغیرونو پر بنسټ د تړلي متغیر ارزښت وړاندوینه وکړئ.
۲. تشریح کړئ چې هر خپلواک متغیر په انحصاري متغیر څومره اغیزه لري.
۳. هغه تعصب کموي چې ممکن رامینځته شي که چیرې موږ یوازې یو خپلواک متغیر وکاروو، که څه هم په حقیقت کې یوه پدیده د ډیری فکتورونو لخوا اغیزمنه کیږي.
۴. د یو ځانګړي متغیر د نفوذ د ازموینې پر مهال د نورو متغیرونو (کنټرول) کنټرول کول.

د ساده رجعت سره، موږ یوازې د یوې پایلې سره د یو فکتور اړیکې ته ګورو. په هرصورت، په حقیقي نړۍ کې، اغیزې ډیری وختونه سره یوځای کیږي. دا هغه ځای دی چې څو رجعت ډیر واقعیتي کیږي: دا هڅه کوي چې په یوځل کې ډیری متغیرات شاملولو سره "لوی انځور" وګوري.

-

د څو ځله رجعت معادلې عمومي بڼه

څو ځله رجعت معمولا د معادلې په توګه لیکل کیږي:

Y = a + b1X1 + b2X2 + b3X3 + … + bnXn + e

معلومات:
- Y = انحصاري متغیر (کوم چې باید تشریح/وړاندوینه شي)
– a = ثابت (د Y ارزښت کله چې ټول X صفر وي)
– b1، b2، … bn = د هر خپلواک متغیر لپاره د ریګریشن ضریبونه
– X1، X2، … Xn = خپلواک متغیرونه
– e = تېروتنه/پاتې کېدل (په Y کې د توپیر هغه برخه چې د ماډل لخوا نشي تشریح کیدی)

د b ضریب تر ټولو ډیر تشریح شوی جز دی. د مثال په توګه، که b1 = 2,5 وي، نو په X1 کې د هر 1-یونټ زیاتوالی به Y 2,5 زیات کړي، فرض کړئ چې نور خپلواک متغیرونه ثابت پاتې کیږي. د "نور ټول ثابت دي" عبارت مهم دی ځکه چې دا د څو رجعت کلیدي ځانګړتیا استازیتوب کوي: دا د متغیر "جزوی" اغیز اندازه کوي.

-

د څو ځله ریګریشن غوښتنلیک مثال

د دې د اسانه کولو لپاره، دلته یو ساده سوداګریز مثال دی. فرض کړئ چې یو شرکت غواړي هغه عوامل وپیژني چې د محصول پلور اغیزه کوي (Y). شرکت معلومات راټولوي:
– X1 = د اعلاناتو لګښتونه (په ملیونونو روپیو کې)
– X2 = د محصول بیه (په زرګونو روپیو کې)
– X3 = د فعالو پلورونکو شمیر

د تحلیل پایلې دا معادله تولیدوي:
خرڅلاو = ۱۰۰ + ۸X۱ – ۵X۲ + ۱۲X۳

تفسیر:
– ثابت ۱۰۰: کله چې د اعلاناتو لګښتونه، نرخونه، او پلورونکي صفر ګڼل کیږي، پلور ۱۰۰ واحدونه اټکل کیږي (دا یوازې یو ریاضيکي تعبیر دی، ځینې وختونه دا په واقعیت کې معنی نلري).
- ۸X۱: اټکل کیږي چې د اعلاناتو هر یو ملیون اضافي لګښت به د پلور ۸ واحدونه زیات کړي، که چیرې قیمت او پلورونکی ورته پاتې شي.
– -۵X۲: اټکل کیږي چې د قیمت په هر ۱ زره روپۍ زیاتوالی به د پلور ۵ واحدونه کم کړي، که چیرې نور متغیرات ثابت پاتې شي.
- ۱۲X۳: هر اضافي ۱ فعال پلورونکی د ۱۲ واحدونو لخوا پلور زیاتوي، که چیرې نور متغیرات ثابت پاتې شي.

د دې ماډل سره، شرکتونه کولی شي پالیسۍ رامینځته کړي: د بیلګې په توګه، د پلور اهدافو ترلاسه کولو لپاره د اعلاناتو، نرخونو او د پلورونکو شمیر ترکیب ټاکل.

-

کله چې څو ځله ریګریشن کارول مناسب وي؟

څو ځله رجعت د کارولو لپاره مناسب دی کله چې:

۱. تاسو یوه اصلي پایله لرئ چې تاسو یې وړاندوینه کول غواړئ (Y).
۲. له یو څخه زیات فکتورونه شتون لري چې شک کیږي په پایله اغیزه وکړي (X).
۳. معلومات په عددي پیمانه دي یا په عددي بڼه بدلیدلی شي (د مثال په توګه، کټګورۍ په ډمي بدلیږي).

دا طریقه د څیړنې په برخه کې د "تیوریو ازموینې" لپاره هم کارول کیدی شي، د بیلګې په توګه، ایا د کاري تجربې او د استوګنې موقعیت کنټرول وروسته هم د عاید په اړه د زده کړې اغیز د پام وړ دی.

-

په څو ځله رجعت کې مهمې انګیرنې

د دې لپاره چې پایلې د اعتبار وړ وي، څو ځله رجعت څو انګیرنې لري چې باید په پام کې ونیول شي:

۱. خطي والی
د خپلواکو او تړلو متغیرونو ترمنځ اړیکه خطي ګڼل کیږي. که چیرې اصلي اړیکه منحني وي (غیر خطي)، خطي ماډل ممکن لږ دقیق وي.

۲. لوړ څو اړخیزه کرښه نشته
خپلواک متغیرونه باید ډیر قوي تړاو ونلري. که چیرې X1 او X2 تقریبا ورته وي، نو د دوی اړوند اغیزې جلا کول به ستونزمن وي.

۳. همجنسبازي
تمه کیږي چې د پاتې شونو توپیر به په ټولو وړاندوینې شویو ارزښتونو کې نسبتا ثابت وي. که چیرې پاتې شونه په یو ټاکلي ارزښت (هیټروسکیډیسټیسټي) کې لوی شي، نو اټکل ممکن لږ اغیزمن وي.

۴. د پاتې شونو نورمال حالت (ډیری وخت مطلوب)
پاتې شوني باید تقریبا په نورمال ډول وویشل شي، په ځانګړې توګه د اهمیت ازموینې موخو لپاره.

۵. د تېروتنو خپلواکي
د مشاهدو ترمنځ تېروتنې باید سره تړاو ونلري. دا ستونزه ډیری وخت د وخت لړۍ معلوماتو کې راپورته کیږي.

د انګیرنو چک کول معمولا د پاتې شونو ګرافونو، احصایوي ازموینو (د مثال په توګه، د څو اړخیزې کرښې لپاره VIF)، او نورو تشخیصي تحلیلونو له لارې ترسره کیږي.

-

د ماډل کیفیت اندازه کول: R² او اهمیت ازموینې

په څو ځله رجعت کې، څو عام شاخصونه کارول کیږي:

– R² (د ټاکلو ضریب)
په Y کې د توپیر تناسب ښیي چې د ماډل لخوا تشریح کیدی شي. د R² ارزښتونه د 0-1 پورې دي. څومره چې R² لوی وي، هومره ډیر توپیر خپلواک متغیر تشریح کوي. په هرصورت، یو لوی R² په اتوماتيک ډول پدې معنی نه دی چې ماډل "سم" دی؛ ډیر فټینګ ممکن واقع شي.

- تنظیم شوی R²
د R² یوه نسخه چې د خپلواکو متغیرونو شمیر په پام کې نیسي. دا د مختلفو متغیرونو شمیر سره د ماډلونو پرتله کولو کې مرسته کوي.

- د F ازموینه (یوځای)
دا معاینه کول چې ایا خپلواک متغیرونه یوځای په Y باندې د پام وړ اغیزه لري.

- t-ټیسټ (جزوی)
ازموینه وکړئ چې ایا هر ضریب (b1، b2، او نور) د احصایوي پلوه مهم دی.

د دې ازموینې سره، څیړونکي کولی شي ارزونه وکړي چې ایا ماډل ګټور دی او کوم متغیرات په حقیقت کې مرسته کوي.

-

د څو ځله رجعت ګټې او محدودیتونه

زیات
- ډیر واقعیت لرونکی ځکه چې دا په یوځل کې ډیری عوامل په پام کې نیسي.
- د وړاندوینې او وضاحت لپاره کارول کیدی شي.
- د جزوي اغیز تحلیل ته اجازه ورکوي (د نورو متغیرونو کنټرول).
- دا د احصایې او ماشین زده کړې په برخه کې د ډیری پرمختللو میتودونو اساس دی.

محدودیتونه
– د څو اړخیزې کرښې په وړاندې حساس.
- که چیرې انګیرنې پوره نشي نو پایلې یې ګمراه کوونکې کیدی شي.
- په اتوماتيک ډول د علت اړیکه نه ښیي؛ رجعت اړیکه ښیي، او علتیت یوې قوي څیړنې ډیزاین ته اړتیا لري.
– که چیرې د معلوماتو د مقدار په پرتله ډیر متغیرات شتون ولري، نو ډیر فټینګ کیدی شي.

-

تړل

څو ځله رجعت د یو واحد متغیر او څو خپلواک متغیرونو ترمنځ د اړیکو تحلیل لپاره یوه مهمه احصایوي وسیله ده. د یوې نسبتا ساده معادلې په کارولو سره، دا طریقه څیړونکو او متخصصینو سره مرسته کوي چې اغیزمن عوامل وپیژني، د هر متغیر د نفوذ ځواک اندازه کړي، او یوازې د یو واحد فکتور کارولو په پرتله ډیر دقیق وړاندوینې وکړي.

په هرصورت، څو ځله رجعت کول "جادویی وسیله" نه ده. دا د ښه معلوماتو کیفیت، مناسب متغیر انتخاب، او د فرضیې چک کولو ته اړتیا لري ترڅو دقیق تفسیر ډاډمن شي. کله چې په مناسبه توګه وکارول شي، څو ځله رجعت کولی شي په مختلفو برخو کې د معلوماتو پر بنسټ پریکړې کولو لپاره یو قوي بنسټ چمتو کړي.

که تاسو وغواړئ، زه کولی شم تاسو سره د دې مقالې یوه نسخه د یو ځانګړي شرایطو لپاره (د مثال په توګه، د تیزس لپاره، د سوداګرۍ لپاره، یا د لیسې لوستونکو لپاره) جوړولو کې مرسته وکړم چې د ساده محاسبې مثالونو او د SPSS/Excel/R محصول لوستلو څرنګوالي سره بشپړ شي.