Ìfàsẹ́yìn Líníríà nínú Àwọn Àkójọpọ̀ Ìṣirò
Ìyípadà ìlà jẹ́ ọ̀kan lára àwọn ọ̀nà ìṣirò tó ṣe pàtàkì jùlọ tí a sì ń lò ní ìwádìí dátà. Ó ń ràn wá lọ́wọ́ láti lóye àti láti ṣe àwòkọ́ṣe ìbáṣepọ̀ láàrín àwọn oníyípadà aláìdádúró (tàbí àsọtẹ́lẹ̀) àti àwọn oníyípadà tí ó gbẹ́kẹ̀lé (tàbí ìdáhùn). Ìyípadà ìlà jẹ́ ohun tí ó gbajúmọ̀ ní onírúurú ẹ̀ka, títí kan ètò ọrọ̀ ajé, ìmọ̀ nípa ẹ̀dá, ìmọ̀ ẹ̀rọ, ìmọ̀ nípa àwùjọ, àti bẹ́ẹ̀ bẹ́ẹ̀ lọ, nítorí pé ó rọrùn láti túmọ̀ rẹ̀ àti pé ó ṣeé ṣe láti túmọ̀ rẹ̀.
Ifihan si Ilọsiwaju Laini
Ìfàsẹ́yìn ìlà ní èrò láti wá ìbáṣepọ̀ ìlà láàárín àwọn oníyípadà méjì tàbí jù bẹ́ẹ̀ lọ. Ní ọ̀nà tó rọrùn jùlọ—ìfàsẹ́yìn ìlà tó rọrùn—a ṣe àwòkọ́ṣe ìbáṣepọ̀ láàrín oníyípadà òmìnira kan àti oníyípadà kan tó gbẹ́kẹ̀lé gẹ́gẹ́ bí ìlà tó tọ́. Ìgbékalẹ̀ ìṣirò ìpìlẹ̀ fún ìfàsẹ́yìn ìlà tó rọrùn ni a sọ gẹ́gẹ́ bí:
\[ Y = \beta_0 + \beta_1X + \epsilon \]
Mo ṣe é:
– \$ Y \$$ ni oniyipada ti o gbẹkẹle tabi idahun.
– \$ X \$$ ni oniyipada ominira tabi asọtẹlẹ.
– \$ \beta_0 \$$ ni ìdènà (ibi tí ìlà ìyípadà ti rékọjá ààrín Y).
– \$ \beta_1 \$$ ni ìtẹ̀sí (ìtẹ̀sí ìlà ìfàsẹ́yìn).
– \$ \epsilon \$$ ni aṣiṣe (eyiti o ku) ti o ṣe apejuwe iyapa ti data lati laini ibamu ti o dara julọ.
Nínú ọ̀pọ̀lọpọ̀ ìfàsẹ́yìn ìlà, a fa èrò yìí láti ṣe àkóso ju onírúurú oníyípadà kan lọ, gẹ́gẹ́ bí a ṣe tẹ̀lé e yìí:
\[ Y = \beta_0 + \beta_1X_1 + \beta_2X_2 + … + \beta_nX_n + \epsilon \]
Níbí, \$ X_1, X_2, …, X_n \$$ ni àwọn oníyípadà onídúróṣinṣin, àti \$ \beta_1, \beta_2, …, \beta_n \$$ ni àwọn oníwọ̀n ìyípadà tí wọ́n ń wọn ipa oníyípadà onídúróṣinṣin kọ̀ọ̀kan lórí oníyípadà tí ó gbẹ́kẹ̀lé.
Ìṣirò Pàtàkì
A sábà máa ń ṣe ìṣirò paramita nínú ìfàsẹ́yìn ìlà ní línésìméèrì nípa lílo Ordinary Least Squares (OLS). Ọ̀nà yìí dín àròpọ̀ àwọn onígun mẹ́rin ti ìyàtọ̀ láàrín àwọn iye tí a sọtẹ́lẹ̀ àti àwọn iye gidi kù. Ní ti ìṣirò, ọ̀nà OLS rí àwọn coefficients \$ \beta \$$ tí ó dín iṣẹ́ wọ̀nyí kù:
\[ \sum_{i=1}^{n} (Y_i – (\beta_0 + \beta_1X_{i1} + \beta_2X_{i2} + … + \beta_nX_{in}))^2 \]
Ilana idinku yii n pese awọn iye ti o baamu data ti o wa julọ, ti o fun ni laini ipadabọ ti o dinku aṣiṣe onigun mẹrin lapapọ.
Àwọn Ìròyìn Ìfàsẹ́yìn Líìmà
Fún lílo tó tọ́ àti ìgbẹ́kẹ̀lé àwọn àbájáde, ìfàsẹ́yìn ìlà ní ọ̀pọ̀lọpọ̀ àbá tí a gbọ́dọ̀ tẹ̀lé:
1. Ìlànà: Àjọṣepọ̀ láàrín àwọn oníyípadà aláìdádúró àti àwọn onígbẹ̀kẹ̀lé jẹ́ ìlà.
2. Òmìnira: Àwọn àṣẹ́kù (àṣìṣe) kò ní ara wọn.
3. Ìbálòpọ̀: Ìyàtọ̀ tó kù jẹ́ èyí tó dúró fún gbogbo àwọn iye oníyípadà aláìdádúró.
4. Ìwàdéédé: Àwọn tó ṣẹ́kù tẹ̀lé ìpínkiri déédé.
Tí a bá rú àwọn àbá wọ̀nyí, àwọn àbájáde àbájáde àbájáde àbájáde lè jẹ́ aláìlágbára àti èké. Nítorí náà, ó ṣe pàtàkì láti fìdí àwọn àbájáde wọ̀nyí múlẹ̀ nípasẹ̀ àyẹ̀wò àbájáde àbájáde kí a tó parí èrò sí.
Lilo ati Lilo
A lo atunṣe ila ni gbogbogbo nitori irọrun ati agbara rẹ lati lo o. Eyi ni diẹ ninu awọn apẹẹrẹ ti awọn ohun elo ni ọpọlọpọ awọn aaye:
1. Eto-ọrọ-aje: Sisopọ iye owo awọn ọja pẹlu awọn okunfa bii iye owo iṣelọpọ, ibeere ọja, ati awọn omiiran.
2. Isuna: Ṣíṣe àwòṣe àwọn èrè ọjà tí a gbé ka orí ewu tàbí àwọn ohun tí ó ní í ṣe pẹ̀lú ọrọ̀ ajé.
3. Ìmọ̀ nípa ẹ̀dá-ara: Ó ń ṣàyẹ̀wò ìbáṣepọ̀ láàárín ìwọ̀n oògùn kan pàtó àti ìwọ̀n ìṣiṣẹ́ rẹ̀.
4. Àwùjọ: Ṣíṣàyẹ̀wò ìbáṣepọ̀ láàrín ẹ̀kọ́ àti owó tí ń wọlé.
Ni afikun, atunṣe laini ni a maa n lo ninu asọtẹlẹ tabi asọtẹlẹ data. Nipa itupalẹ awọn aṣa ninu data itan, atunṣe laini le ṣee lo lati sọ asọtẹlẹ awọn iye ọjọ iwaju.
Ìṣàyẹ̀wò Àwòṣe
A ṣe àyẹ̀wò àwòṣe ìfàsẹ́yìn onílànà láti rí i dájú pé àwòṣe náà tó àti pé ó ṣàlàyé dátà náà dáadáa. Ọ̀pọ̀lọpọ̀ ìwọ̀n ni a sábà máa ń lò nínú àyẹ̀wò àwòṣe yìí, títí kan:
– R-squared (R^2): Wọ́n ń wọn ìpíndọ́gba gbogbo ìyàtọ̀ nínú oníyípadà tí a gbẹ́kẹ̀lé tí àpẹẹrẹ ìyípadà ṣàlàyé. Àwọn iye R^2 wà láàrín 0 àti 1, pẹ̀lú àwọn iye tí ó ga jùlọ tí ó ń fi àpẹẹrẹ tí ó dára jù hàn.
– R-squared tí a ṣàtúnṣe: Ó ń ṣe àtúnṣe R-squared ní ìbámu pẹ̀lú iye àwọn oníyípadà aláìdádúró tí a lò, F-statistics ni a sábà máa ń lò láti pinnu ìtumọ̀ gbogbogbò ti àwòṣe náà.
– Àṣìṣe onígun mẹ́rin (MSE): Àròpọ̀ àwọn ìyàtọ̀ onígun mẹ́rin láàrín àwọn iye gidi àti àwọn iye tí a sọtẹ́lẹ̀.
Àyẹ̀wò àti Ìfìdí múlẹ̀
Kí a tó lo àwòṣe ìfàsẹ́yìn fún àsọtẹ́lẹ̀ tàbí ìpinnu síwájú sí i, ó ṣe pàtàkì láti ṣe àyẹ̀wò ìfàsẹ́yìn. Àwọn ọ̀nà ìwádìí tí ó wọ́pọ̀ ni:
1. Àlàyé tó kù: Ṣe àyẹ̀wò ìlà àti ìbáṣepọ̀.
2. Àlàyé QQ: Ṣe àyẹ̀wò bí àwọn ohun tí ó kù ṣe rí.
3. Idanwo Durbin-Watson: Idanwo isopọmọ laifọwọyi ti o ku.
4. Ìfàsípọ̀ Ìyàtọ̀ (VIF): Ṣíṣàfihàn onírúurú ìṣọ̀kan láàrín àwọn oníyípadà aláìdádúró.
Lílo àwọn àyẹ̀wò wọ̀nyí ń ran àwọn ènìyàn lọ́wọ́ láti mọ àwọn ìṣòro tó lè ṣẹlẹ̀, ó sì ń jẹ́ kí àwọn olùlò ṣe àwọn àtúnṣe tàbí àyípadà dátà tó yẹ.
Àwọn Ìṣòro àti Ààlà
Bó tilẹ̀ jẹ́ pé ìfàsẹ́yìn ìlà jẹ́ irinṣẹ́ tó lágbára, ó tún ní àwọn ààlà. Àwọn ìṣòro tó wọ́pọ̀ ni:
– Multicollinearity: Ó máa ń ṣẹlẹ̀ nígbà tí àwọn oníyípadà aláìdádúró bá ní ìbáṣepọ̀ gíga pẹ̀lú ara wọn. Èyí lè yọrí sí àwọn ìṣirò coefficient tí kò dúró ṣinṣin àti àwọn ìtumọ̀ tí ó darúgbó.
– Àwọn ìtajà: Àwọn ìwọ̀n dátà tó ga jùlọ lè yí àwọn àbájáde ìfàsẹ́yìn padà.
– Àìsí ìlà: Tí ìbáṣepọ̀ láàárín àwọn oníyípadà kò bá sí ìlà, ìfàsẹ́yìn ìlà lè má báramu. Àwòṣe tí kìí ṣe ìlà lè báramu ní àwọn ìgbà míì.
– Ìyàtọ̀ láàárín àwọn ènìyàn: Àyípadà ìyàtọ̀ tó kù lè yọrí sí àìsí ìṣirò iye tó yẹ.
Ipari
Ìfàsẹ́yìn ìlà jẹ́ ọ̀nà ìṣirò pàtàkì nínú ìṣàyẹ̀wò dátà. Nípa lílo ìfàsẹ́yìn ìlà, a lè lóye àti ṣe àwòkọ́ṣe ìbáṣepọ̀ láàrín àwọn oníyípadà òmìnira kan tàbí jù bẹ́ẹ̀ lọ àti oníyípadà tí ó gbẹ́kẹ̀lé. Bó tilẹ̀ jẹ́ pé ìfàsẹ́yìn ìlà jẹ́ ohun èlò tí ó rọrùn tí ó sì rọrùn láti túmọ̀, ó ṣe pàtàkì láti máa ṣàyẹ̀wò àwọn àbá tó wà ní ìsàlẹ̀ nígbà gbogbo kí a sì ṣe àyẹ̀wò ìfàsẹ́yìn láti rí i dájú pé àwọn àbájáde tó wúlò ni. Láìka àwọn ìdíwọ́ díẹ̀ sí, pẹ̀lú ọ̀nà àti àtúnṣe tó tọ́, ìfàsẹ́yìn ìlà ṣì jẹ́ ọ̀nà tó wúlò gan-an nínú ọ̀pọ̀lọpọ̀ àwọn ohun èlò tó wúlò káàkiri onírúurú pápá.
