సరళ రేఖీయ రిగ్రెషన్ విశ్లేషణ

సరళ రేఖీయ రిగ్రెషన్ విశ్లేషణ

సరళ రేఖీయ రిగ్రెషన్ అనేది రెండు పరిమాణాత్మక చరరాశుల మధ్య సంబంధాన్ని విశ్లేషించడానికి ఉపయోగించే ఒక గణాంక పద్ధతి. మనం అంచనా వేయడానికి ప్రయత్నిస్తున్న చరరాశిని ఆధారిత లేదా ప్రతిస్పందన చరరాశి అని, అంచనా వేయడానికి ఉపయోగించే చరరాశిని స్వతంత్ర లేదా అంచనా వేసే చరరాశి అని అంటారు. సరళ రేఖీయ రిగ్రెషన్‌లో, ఈ రెండు చరరాశుల మధ్య సంబంధాన్ని వివరించే ఉత్తమ సరళ రేఖను కనుగొనడానికి మనం ప్రయత్నిస్తాము.

సరళ రేఖీయ రిగ్రెషన్ యొక్క ప్రాథమిక భావనలు

సరళ రేఖీయ రిగ్రెషన్ అనేది ఆధారిత చరరాశి \(Y\) మరియు స్వతంత్ర చరరాశి \(X\) మధ్య రేఖీయ సంబంధం ఉంటుందనే ఊహపై ఆధారపడి ఉంటుంది. సరళ రేఖీయ రిగ్రెషన్ మోడల్ యొక్క సాధారణ రూపం:

\[ Y = \beta_0 + \beta_1 X + \epsilon \]

ఎక్కడ:
– (Y) అనేది ఆధారిత చరరాశి.
– (X) అనేది స్వతంత్ర చరరాశి.
– \( \beta_0 \) అనేది అంతరఖండం, ఇది \(X = 0\) అయినప్పుడు \(Y\) యొక్క విలువ.
– \( \beta_1 \) అనునది వాలు లేదా ప్రవణత, ఇది \(X\) లో ప్రతి యూనిట్ మార్పుకు \(Y\) లో వచ్చే సగటు మార్పు.
– \( \epsilon \) అనునది, \(X\) ద్వారా వివరించలేని \(Y\) లోని వైవిధ్యతను సూచించే దోష లేదా అవశేష పదం.

సరళ రేఖీయ రిగ్రెషన్ యొక్క లక్ష్యం ఏమిటంటే, పారామీటర్లు \(\beta_0\) మరియు \(\beta_1\) లను అంచనా వేయడం, తద్వారా \(X\) విలువకు సంబంధించిన \(Y\) విలువను అంచనా వేయడానికి మోడల్‌ను ఉపయోగించవచ్చు.

కనిష్ట వర్గాల పద్ధతి

సరళ రేఖీయ రిగ్రెషన్ మోడల్‌ను అమర్చడానికి అత్యంత సాధారణంగా ఉపయోగించే పద్ధతులలో ఒకటి కనిష్ట వర్గాల పద్ధతి. ఈ పద్ధతి, వాస్తవ పరిశీలనలకు మరియు మోడల్ ద్వారా అంచనా వేయబడిన విలువలకు మధ్య ఉన్న నిలువు విచలనాల వర్గాల మొత్తాన్ని కనిష్టీకరించడాన్ని లక్ష్యంగా పెట్టుకుంటుంది. మనకు \(i = 1, 2, …, n\) కొరకు \((x_i, y_i)\) జతలతో కూడిన n పరిశీలనలు ఉన్నాయని అనుకుందాం. కనిష్టీకరించవలసిన ఫంక్షన్:

\[ S(\beta_0, \beta_1) = \sum_{i=1}^{n} (y_i – (\beta_0 + \beta_1 x_i))^2 \]

ఈ ఫంక్షన్‌ను కనిష్ఠీకరించే \(\beta_0\) మరియు \(\beta_1\) లను కనుగొనడానికి, మనం ప్రతి పరామితికి సంబంధించి \(S(\beta_0, \beta_1)\) యొక్క పాక్షిక అవకలజాలను తీసుకుని, ఈ అవకలజాలను సున్నాకు సమానం చేస్తాము. గణిత గణనను ఈ క్రింది విధంగా సరళీకరించవచ్చు:

\[ \beta_1 = \frac{\sum_{i=1}^{n} (x_i – \bar{x})(y_i – \bar{y})}{\sum_{i=1}^{n} (x_i – \bar{x})^2} \]

\[ \beta_0 = \bar{y} – \beta_1 \bar{x} \]

ఎక్కడ:
– \(\bar{x}\) అనేది \(X\) యొక్క సగటు
– \(\bar{y}\) అనేది \(Y\) యొక్క సగటు

పారామీటర్లు \(\beta_0\) మరియు \(\beta_1\) లను పొందిన తర్వాత, \(X\) యొక్క ప్రతి విలువకు \(Y\) విలువను అంచనా వేయడానికి ఒక సరళ రేఖీయ రిగ్రెషన్ నమూనాను ఉపయోగించవచ్చు.

సరళ రేఖీయ రిగ్రెషన్‌లో ఊహలు

చెల్లుబాటు అయ్యే మరియు విశ్వసనీయమైన ఫలితాల కోసం, సరళ రేఖీయ రిగ్రెషన్ అనేక విషయాలను ఊహిస్తుంది:
1. సరళత: ఆధారిత చరరాశి మరియు స్వతంత్ర చరరాశి మధ్య సంబంధం సరళంగా ఉండాలి.
2. స్వాతంత్ర్యం: పరిశీలనలు ఒకదానికొకటి స్వతంత్రంగా ఉండాలి.
3. హోమోస్కెడాస్టిసిటీ: స్వతంత్ర చరరాశి యొక్క విలువల పరిధి అంతటా అవశేష వైవిధ్యం స్థిరంగా ఉండాలి.
4. అవశేష సాధారణత: అవశేషాలు (లోపాలు) సాధారణ పంపిణీని అనుసరించాలి.

ఈ అంచనాలు నెరవేరకపోతే, సాధారణ సరళ రేఖీయ రిగ్రెషన్ నమూనా యొక్క ఫలితాలు విశ్వసనీయంగా ఉండవు మరియు ఖచ్చితమైన అంచనాలను చేయలేకపోవచ్చు.

రిగ్రెషన్ మోడల్ అంచనా

ఒక సరళ రేఖీయ రిగ్రెషన్ మోడల్ ఎంత బాగా అంచనా వేసిందో మదింపు చేయడానికి ఒక మార్గం నిర్ధారణ గుణకం (\(R^2\))ను ఉపయోగించడం. నిర్ధారణ గుణకం అనేది, స్వతంత్ర చరరాశులలోని వైవిధ్యం ద్వారా ఆధారిత చరరాశిలోని వైవిధ్యంలో ఎంత భాగాన్ని వివరించవచ్చో చూపిస్తుంది.

\[ R^2 = \frac{\sum_{i=1}^{n} (\hat{y}_i – \bar{y})^2}{\sum_{i=1}^{n} (y_i – \bar{y})^2} \]

ఎక్కడ:
– \(\hat{y}_i\) అనేది \(Y\) యొక్క అంచనా విలువ.
– \(y_i\) అనేది \(Y\) యొక్క వాస్తవ విలువ.
– \(\bar{y}\) అనేది \(Y\) విలువల సగటు.

\(R^2\) విలువ 0 నుండి 1 వరకు ఉంటుంది. \(R^2\) విలువ 1కి దగ్గరగా ఉంటే, ఆ మోడల్ ఆధారిత చరరాశిలోని చాలా వరకు వైవిధ్యాన్ని వివరించగలదని సూచిస్తుంది.

ప్రోగ్రామింగ్ భాషలో అమలు

సాధారణ సరళ ప్రతిగమనాన్ని అమలు చేయడానికి, మనం వివిధ గణాంక సాఫ్ట్‌వేర్‌లను లేదా ప్రోగ్రామింగ్ భాషలను ఉపయోగించవచ్చు. `scikit-learn` లైబ్రరీని ఉపయోగించి పైథాన్‌లో చేసిన అమలుకు సంబంధించిన ఒక ఉదాహరణ కింద ఇవ్వబడింది:

పైథాన్
సంఖ్యను np గా దిగుమతి చేయండి
matplotlib.pyplotని pltగా దిగుమతి చేయండి
sklearn.linear_model నుండి LinearRegressionను దిగుమతి చేసుకోండి
sklearn.metrics నుండి mean_squared_error, r2_score లను దిగుమతి చేసుకోండి

సమాచారం
X = np.array([[1], [2], [3], [4], [5]]).astype(np.float64)
y = np.array([1.5, 3.6, 3.5, 2.9, 5.5]).astype(np.float64)

మోడల్
మోడల్ = లీనియర్ రిగ్రెషన్()
మోడల్.ఫిట్(X, y)

అంచనా
y_pred = model.predict(X)

గుణకం
బీటా_0 = మోడల్.ఇంటర్‌సెప్ట్_
బీటా_1 = మోడల్.కోఎఫ్_[0]

print(f'అంతరాయం: {beta_0}')
print(f'వాలు: {beta_1}')
print(f'సగటు వర్గ దోషం: {mean_squared_error(y, y_pred)}')
print(f'నిర్ణయ గుణకం (R^2): {r2_score(y, y_pred)}')

డేటా ప్లాట్ మరియు రిగ్రెషన్ లైన్
plt.scatter(X, y, color='blue')
plt.plot(X, y_pred, color='red')
plt.xlabel('X')
plt.ylabel('Y')
plt.show()
""

పై ఉదాహరణలో, మనం మొదట అవసరమైన లైబ్రరీలను ఇంపోర్ట్ చేసి, డేటా (X) మరియు (Y) లను నిర్వచించి, ఆపై డేటాకు మోడల్‌ను ఫిట్ చేయడానికి `scikit-learn` నుండి `LinearRegression` ఆబ్జెక్ట్‌ను ఉపయోగిస్తాము. మోడల్ ఫిట్ అయిన తర్వాత, మనం అంచనాలు వేసి, కోఎఫిషియంట్‌లతో పాటు, మీన్ స్క్వేర్డ్ ఎర్రర్ మరియు కోఎఫిషియంట్ ఆఫ్ డిటర్మినేషన్‌ను కూడా లెక్కిస్తాము. చివరగా, మనం డేటాను మరియు రిగ్రెషన్ లైన్‌ను ప్లాట్ చేస్తాము.

ముగింపు

సరళ రేఖీయ రిగ్రెషన్ అనేది రెండు పరిమాణాత్మక చరరాశుల మధ్య సంబంధాన్ని వివరించడానికి ఉపయోగించే ఒక శక్తివంతమైన గణాంక విశ్లేషణ సాధనం. సరళత, స్వాతంత్ర్యం, హోమోస్కెడాస్టిసిటీ మరియు సాధారణత గురించిన కొన్ని ప్రాథమిక అంచనాలతో, మనం స్వతంత్ర చరరాశుల విలువల ఆధారంగా ఆధారిత చరరాశి విలువను అంచనా వేయవచ్చు. లీస్ట్ స్క్వేర్స్ పద్ధతి ఒక రిగ్రెషన్ రేఖను అమర్చడానికి మరియు సరైన పారామితులను నిర్ణయించడానికి ఒక సమర్థవంతమైన మార్గాన్ని అందిస్తుంది. నిర్ధారణ గుణకం (R2) ద్వారా మోడల్ మూల్యాంకనం మన మోడల్ ఎంత బాగా పనిచేస్తుందో అంతర్దృష్టిని అందిస్తుంది.

సాధారణ సరళ ప్రతిగమనానికి, కేవలం రెండు చరరాశులను మాత్రమే నిర్వహించగలగడం మరియు పాటించాల్సిన ఊహలు వంటి పరిమితులు ఉన్నప్పటికీ, ఈ పద్ధతి గణాంకాలు మరియు డేటా విశ్లేషణలో ఒక ముఖ్యమైన పునాదిగా మిగిలి ఉంది. ఇంకా, మరింత సంక్లిష్టమైన పద్ధతులకు వెళ్లే ముందు, చరరాశుల మధ్య సంబంధాన్ని అర్థం చేసుకోవడంలో దీనిని తరచుగా మొదటి అడుగుగా ఉపయోగిస్తారు.