Chiziqli regressiya misollari va muhokamasi
Chiziqli regressiya - bu ikki yoki undan ortiq o'zgaruvchilar o'rtasidagi bog'liqlikni aniqlash uchun ishlatiladigan statistik usul. Ushbu usul iqtisodiyot, biznes, ijtimoiy fanlar va tabiiy fanlar kabi turli sohalarda keng qo'llaniladi. Ushbu maqolada biz chiziqli regressiya, uni qanday hisoblash haqida gaplashamiz va o'quvchilarga ushbu tushunchani chuqur tushunishga yordam berish uchun bir nechta misol masalalarni tushuntirishlar bilan taqdim etamiz.
Chiziqli regressiyani tushunish
Chiziqli regressiya - bu bir yoki bir nechta mustaqil o'zgaruvchilar (bashorat qiluvchilar) va bog'liq o'zgaruvchi (javob) o'rtasidagi munosabatni modellashtirish uchun ishlatiladigan analitik usul. Oddiy chiziqli regressiya bitta mustaqil o'zgaruvchi va bitta bog'liq o'zgaruvchini o'z ichiga oladi, ko'p chiziqli regressiya esa bir nechta mustaqil o'zgaruvchini o'z ichiga oladi.
Oddiy chiziqli regressiya chizig'ining tenglamasi quyidagicha:
Y = a + bX
Qayerda:
– \( Y \) bog'liq o'zgaruvchidir.
– \( X \) mustaqil o'zgaruvchidir.
– \( a \) kesishma nuqta bo'lib, u X = 0 bo'lganda Y ning qiymatini ifodalaydi.
– \( b \) regressiya koeffitsienti, ya'ni X bir birlikka o'zgarsa, Y qancha o'zgaradi.
Chiziqli regressiya bosqichlari
1. Ma'lumotlarni to'plash: Avval tahlil qilinadigan ma'lumotlarni to'plang.
2. Grafik ma'lumotlari: O'zgaruvchilar o'rtasida chiziqli bog'liqlik bor-yo'qligini ko'rish uchun tarqoq diagramma yarating.
3. Regressiya koeffitsientini hisoblang: Eng kichik kvadratlar usulidan foydalanib, eng yaxshi chiziqni aniqlang.
4. Modelni sinab ko'rish: Regressiya koeffitsientlarining ahamiyatini t-test bilan sinab ko'ring va model ma'lumotlarga qanchalik mos kelishini ko'rish uchun R-kvadrat qiymatini aniqlang.
Namunaviy savollar va muhokama
1-misol savol: Oddiy chiziqli regressiya
Savol:
Tadqiqotchi o'qish soatlari soni (X) va talabalarning imtihon ballari (Y) o'rtasidagi bog'liqlikni bilmoqchi. Olingan ma'lumotlar quyidagicha:
| O'qish soatlari (X) | Imtihon ballari (Y) |
|——————–|——————–|
| 2 | 70 |
| 3 | 75 |
| 5 | 80 |
| 7 | 85 |
| 8 | 90 |
Ushbu ma'lumotlardan chiziqli regressiya tenglamasini tuzing!
Munozara:
1. O'rtacha qiymatni hisoblash:
\[
\bar{X} = \frac{2 + 3 + 5 + 7 + 8}{5} = 5
\]
\[
\bar{Y} = \frac{70 + 75 + 80 + 85 + 90}{5} = 80
\]
2. Regressiya koeffitsientini hisoblash \(b \):
\[
b = \frac{\sum (X_i – \bar{X})(Y_i – \bar{Y})}{\sum (X_i – \bar{X})^2}
\]
\[
\sum (X_i – \bar{X})(Y_i – \bar{Y}) = (2 – 5)(70 – 80) + (3 – 5)(75 – 80) + (5 – 5)(80 – 80) + (7 – 5)(85 – 80) + (8 – 5)(90 – 80)
\]
\[
= (-3)(-10) + (-2)(-5) + (0)(0) + (2)(5) + (3)(10) = 30 + 10 + 0 + 10 + 30 = 80
\]
\[
\sum (X_i – \bar{X})^2 = (2 – 5)^2 + (3 – 5)^2 + (5 – 5)^2 + (7 – 5)^2 + (8 – 5)^2
\]
\[
= 9 + 4 + 0 + 4 + 9 = 26
\]
\[
b = \frac{80}{26} \taxminan 3.08
\]
3. Kesishish nuqtasini hisoblash \( a \):
\[
a = \bar{Y} – b\bar{X}
\]
\[
a = 80 – 3.08 \taym 5 = 80 – 15.4 = 64.6
\]
4. Regressiya tenglamasi:
\[
Y = 64.6 + 3.08X
\]
Demak, ma'lumotlar uchun chiziqli regressiya tenglamasi \(Y = 64.6 + 3.08X \) ga teng. Bu shuni anglatadiki, har bir qo'shimcha o'qish soati test balini 3.08 ballga oshirishi kutilmoqda.
2-savolga misol: Model sinovi va talqini
Savol:
Xuddi shu ma'lumotlar bilan davom etib, model ma'lumotlarga qanchalik mos kelishini o'lchash uchun R-kvadrat (R²) qiymatini hisoblang. Shuningdek, regressiya koeffitsientining ahamiyatini sinab ko'ring \(b \).
Munozara:
1. Kvadratlar umumiy yig'indisini (SST), Kvadratlar regressiya yig'indisini (SSR) va Kvadratlar xato yig'indisini (SSE) hisoblang:
\[
SST = \sum (Y_i – \bar{Y})^2
\]
\[
SST = (70 – 80)^2 + (75 – 80)^2 + (80 – 80)^2 + (85 – 80)^2 + (90 – 80)^2 = 100 + 25 + 0 + 25 + 100 = 250
\]
\[
SSR = \sum (\hat{Y}_i – \bar{Y})^2
\]
bu yerda \( \hat{Y}_i \) regressiya tenglamasining bashorat qilingan qiymati:
\[
\hat{Y}_i = 64.6 + 3.08X_i
\]
\[
\shapka{Y} = [67.76, 70.84, 76.0, 82.16, 85.24]
\]
\[
\bar{Y} = 80
\]
\[
SSR = (67.76 – 80)^2 + (70.84 – 80)^2 + (76.0 – 80)^2 + (82.16 – 80)^2 + (85.24 – 80)^2
\]
\[
SSR = (-12.24)^2 + (-9.16)^2 + (-4.0)^2 + 2.16^2 + 5.24^2 = 149.8
\]
2. SSE ni hisoblash:
\[
SSE = SST – SSR = 250 – 149.8 = 100.2
\]
3. R-kvadratni hisoblash:
\[
R^2 = \frac{SSR}{SST} = \frac{149.8}{250} \taxminan 0.6
\]
0.6 ga teng R-kvadrat qiymati ushbu model ma'lumotlardagi o'zgarishning taxminan 60% ni tushuntirib berishini ko'rsatadi. Bu regressiya chizig'i ma'lumotlarga juda mos kelishini ko'rsatadi.
4. Koeffitsientning ahamiyatini aniqlash uchun t-test \(b \):
\[
t = \frac{b}{SE(b)}
\]
\[
SE(b) = \sqrt{\frac{SSE}{n-2}} / \sqrt{\sum (X_i – \bar{X})^2}
\]
\[
SE(b) = \sqrt{\frac{100.2}{5-2}} / \sqrt{26}
\]
\[
SE(b) = \sqrt{33.4} / \sqrt{26} \taxminan 1.13
\]
\[
t = \frac{3.08}{1.13} \taxminan 2.73
\]
Agar \(t-statistika \taxminan 2.73 \) bo'lsa, agar ahamiyatlilik uchun umumiy chegaradan foydalansak (α = 0.05), uni t-jadval bilan taqqoslaymiz. Masalan, \(df = 3 \) uchun kritik \(t \) taxminan 2.353 ga teng. U holda \(t-kuzatilgan > t-kritik \), bu koeffitsientning ahamiyatli ekanligini ko'rsatadi.
Xulosa
Ushbu maqolada biz chiziqli regressiya asoslarini, regressiya koeffitsienti va kesishmani qanday hisoblashni va misol masalalar yordamida natijalarni qanday talqin qilishni ko'rib chiqdik. Ushbu usuldan mohirona foydalanish uchun turli ma'lumotlar to'plamlari bilan tez-tez mashq qilish juda muhimdir. Chiziqli regressiya ma'lumotlarni tahlil qilishda qimmatli vosita bo'lib, o'zgaruvchilar o'rtasidagi munosabatlar haqida chuqur tushuncha berishi mumkin.
