Submit Search
Upload
2_LR.pptx
•
Download as PPTX, PDF
•
0 likes
•
27 views
F
Fatemeh Faraji
Follow
ادامه رگرسیون خطی
Read less
Read more
Data & Analytics
Report
Share
Report
Share
1 of 25
Download now
Recommended
آزمون فرض آماری
آزمون فرض آماری
Fatemeh Faraji
3_LR.pptx
3_LR.pptx
Fatemeh Faraji
1_LR.pptx
1_LR.pptx
Fatemeh Faraji
hwf7_آمار_استنباطی_ف2.ppt
hwf7_آمار_استنباطی_ف2.ppt
MahmoodGili
اثررشد_اقتصادی_و_باز_بودن_تجاری_بر_انتشار_کربن_در_امارات(1).docx
اثررشد_اقتصادی_و_باز_بودن_تجاری_بر_انتشار_کربن_در_امارات(1).docx
iqsoun
تحلیل آماری کابل ابهر
تحلیل آماری کابل ابهر
SAEED MOGHADDAM
Statistical hypothesis testing for Managers
Statistical hypothesis testing for Managers
Seyed Hamid Hashemi Petrudi
2024 State of Marketing Report – by Hubspot
2024 State of Marketing Report – by Hubspot
Marius Sescu
Recommended
آزمون فرض آماری
آزمون فرض آماری
Fatemeh Faraji
3_LR.pptx
3_LR.pptx
Fatemeh Faraji
1_LR.pptx
1_LR.pptx
Fatemeh Faraji
hwf7_آمار_استنباطی_ف2.ppt
hwf7_آمار_استنباطی_ف2.ppt
MahmoodGili
اثررشد_اقتصادی_و_باز_بودن_تجاری_بر_انتشار_کربن_در_امارات(1).docx
اثررشد_اقتصادی_و_باز_بودن_تجاری_بر_انتشار_کربن_در_امارات(1).docx
iqsoun
تحلیل آماری کابل ابهر
تحلیل آماری کابل ابهر
SAEED MOGHADDAM
Statistical hypothesis testing for Managers
Statistical hypothesis testing for Managers
Seyed Hamid Hashemi Petrudi
2024 State of Marketing Report – by Hubspot
2024 State of Marketing Report – by Hubspot
Marius Sescu
Everything You Need To Know About ChatGPT
Everything You Need To Know About ChatGPT
Expeed Software
Product Design Trends in 2024 | Teenage Engineerings
Product Design Trends in 2024 | Teenage Engineerings
Pixeldarts
How Race, Age and Gender Shape Attitudes Towards Mental Health
How Race, Age and Gender Shape Attitudes Towards Mental Health
ThinkNow
AI Trends in Creative Operations 2024 by Artwork Flow.pdf
AI Trends in Creative Operations 2024 by Artwork Flow.pdf
marketingartwork
Skeleton Culture Code
Skeleton Culture Code
Skeleton Technologies
PEPSICO Presentation to CAGNY Conference Feb 2024
PEPSICO Presentation to CAGNY Conference Feb 2024
Neil Kimberley
Content Methodology: A Best Practices Report (Webinar)
Content Methodology: A Best Practices Report (Webinar)
contently
How to Prepare For a Successful Job Search for 2024
How to Prepare For a Successful Job Search for 2024
Albert Qian
Social Media Marketing Trends 2024 // The Global Indie Insights
Social Media Marketing Trends 2024 // The Global Indie Insights
Kurio // The Social Media Age(ncy)
Trends In Paid Search: Navigating The Digital Landscape In 2024
Trends In Paid Search: Navigating The Digital Landscape In 2024
Search Engine Journal
5 Public speaking tips from TED - Visualized summary
5 Public speaking tips from TED - Visualized summary
SpeakerHub
ChatGPT and the Future of Work - Clark Boyd
ChatGPT and the Future of Work - Clark Boyd
Clark Boyd
Getting into the tech field. what next
Getting into the tech field. what next
Tessa Mero
Google's Just Not That Into You: Understanding Core Updates & Search Intent
Google's Just Not That Into You: Understanding Core Updates & Search Intent
Lily Ray
How to have difficult conversations
How to have difficult conversations
Rajiv Jayarajah, MAppComm, ACC
Introduction to Data Science
Introduction to Data Science
Christy Abraham Joy
Time Management & Productivity - Best Practices
Time Management & Productivity - Best Practices
Vit Horky
The six step guide to practical project management
The six step guide to practical project management
MindGenius
Beginners Guide to TikTok for Search - Rachel Pearson - We are Tilt __ Bright...
Beginners Guide to TikTok for Search - Rachel Pearson - We are Tilt __ Bright...
RachelPearson36
Unlocking the Power of ChatGPT and AI in Testing - A Real-World Look, present...
Unlocking the Power of ChatGPT and AI in Testing - A Real-World Look, present...
Applitools
More Related Content
Featured
Everything You Need To Know About ChatGPT
Everything You Need To Know About ChatGPT
Expeed Software
Product Design Trends in 2024 | Teenage Engineerings
Product Design Trends in 2024 | Teenage Engineerings
Pixeldarts
How Race, Age and Gender Shape Attitudes Towards Mental Health
How Race, Age and Gender Shape Attitudes Towards Mental Health
ThinkNow
AI Trends in Creative Operations 2024 by Artwork Flow.pdf
AI Trends in Creative Operations 2024 by Artwork Flow.pdf
marketingartwork
Skeleton Culture Code
Skeleton Culture Code
Skeleton Technologies
PEPSICO Presentation to CAGNY Conference Feb 2024
PEPSICO Presentation to CAGNY Conference Feb 2024
Neil Kimberley
Content Methodology: A Best Practices Report (Webinar)
Content Methodology: A Best Practices Report (Webinar)
contently
How to Prepare For a Successful Job Search for 2024
How to Prepare For a Successful Job Search for 2024
Albert Qian
Social Media Marketing Trends 2024 // The Global Indie Insights
Social Media Marketing Trends 2024 // The Global Indie Insights
Kurio // The Social Media Age(ncy)
Trends In Paid Search: Navigating The Digital Landscape In 2024
Trends In Paid Search: Navigating The Digital Landscape In 2024
Search Engine Journal
5 Public speaking tips from TED - Visualized summary
5 Public speaking tips from TED - Visualized summary
SpeakerHub
ChatGPT and the Future of Work - Clark Boyd
ChatGPT and the Future of Work - Clark Boyd
Clark Boyd
Getting into the tech field. what next
Getting into the tech field. what next
Tessa Mero
Google's Just Not That Into You: Understanding Core Updates & Search Intent
Google's Just Not That Into You: Understanding Core Updates & Search Intent
Lily Ray
How to have difficult conversations
How to have difficult conversations
Rajiv Jayarajah, MAppComm, ACC
Introduction to Data Science
Introduction to Data Science
Christy Abraham Joy
Time Management & Productivity - Best Practices
Time Management & Productivity - Best Practices
Vit Horky
The six step guide to practical project management
The six step guide to practical project management
MindGenius
Beginners Guide to TikTok for Search - Rachel Pearson - We are Tilt __ Bright...
Beginners Guide to TikTok for Search - Rachel Pearson - We are Tilt __ Bright...
RachelPearson36
Unlocking the Power of ChatGPT and AI in Testing - A Real-World Look, present...
Unlocking the Power of ChatGPT and AI in Testing - A Real-World Look, present...
Applitools
Featured
(20)
Everything You Need To Know About ChatGPT
Everything You Need To Know About ChatGPT
Product Design Trends in 2024 | Teenage Engineerings
Product Design Trends in 2024 | Teenage Engineerings
How Race, Age and Gender Shape Attitudes Towards Mental Health
How Race, Age and Gender Shape Attitudes Towards Mental Health
AI Trends in Creative Operations 2024 by Artwork Flow.pdf
AI Trends in Creative Operations 2024 by Artwork Flow.pdf
Skeleton Culture Code
Skeleton Culture Code
PEPSICO Presentation to CAGNY Conference Feb 2024
PEPSICO Presentation to CAGNY Conference Feb 2024
Content Methodology: A Best Practices Report (Webinar)
Content Methodology: A Best Practices Report (Webinar)
How to Prepare For a Successful Job Search for 2024
How to Prepare For a Successful Job Search for 2024
Social Media Marketing Trends 2024 // The Global Indie Insights
Social Media Marketing Trends 2024 // The Global Indie Insights
Trends In Paid Search: Navigating The Digital Landscape In 2024
Trends In Paid Search: Navigating The Digital Landscape In 2024
5 Public speaking tips from TED - Visualized summary
5 Public speaking tips from TED - Visualized summary
ChatGPT and the Future of Work - Clark Boyd
ChatGPT and the Future of Work - Clark Boyd
Getting into the tech field. what next
Getting into the tech field. what next
Google's Just Not That Into You: Understanding Core Updates & Search Intent
Google's Just Not That Into You: Understanding Core Updates & Search Intent
How to have difficult conversations
How to have difficult conversations
Introduction to Data Science
Introduction to Data Science
Time Management & Productivity - Best Practices
Time Management & Productivity - Best Practices
The six step guide to practical project management
The six step guide to practical project management
Beginners Guide to TikTok for Search - Rachel Pearson - We are Tilt __ Bright...
Beginners Guide to TikTok for Search - Rachel Pearson - We are Tilt __ Bright...
Unlocking the Power of ChatGPT and AI in Testing - A Real-World Look, present...
Unlocking the Power of ChatGPT and AI in Testing - A Real-World Look, present...
2_LR.pptx
1.
کیفی های کننده
بینی پیش بود آن بر فرض اینجا تا هستند کمی ما خطی رگرسیون مدل متغیرهای تمام که . نی چنین ًالزوم ،عمل در اما و ست پیش از برخی کننده بینی هستند کیفی ها . را کیفی های کننده بینی پیش « فاکتور » یا « عامل » نامیم می نیز .
2.
کیفی های کننده
بینی پیش .A پیش دو تنها با های کننده بینی سطح ممکن : • یک وضعیت این در ایجاد متغیرشاخص مقدار دو که کنیم می ممکن عددی ک بینی پیش عنوان به متغیر این از و گیرد می را معادله در ننده کنیم می استفاده رگرسیون . مثال 1 : جنسیت ی کننده بینی پیش • تفاوت خواهیم می که کنید فرض پاسخ ( 𝑦 ) زنان بین در را و مردان بررسی کنیم . • 𝑥𝑖 = 1 if ith person is female 0 if ith person is male • 𝑦𝑖 = 𝛽0 + 𝛽1𝑥𝑖 + 𝜖𝑖 = 𝛽0 + 𝛽1 + 𝜖𝑖 if ith person is female 𝛽0 + 𝜖𝑖 if ith person is male میتوان 𝛽0 عنوان به را متوسط 𝑦 و مردان بین در 𝛽0 + 𝛽1 عنوان به را متوسط 𝑦 کرد تفسیر زنان بین در . 𝛽1 مقدارمتوسط اختالف 𝑦 بود خواهد مردان و زنان بین در .
3.
کیفی های کننده
بینی پیش متفاوت مقادیر با مردان و زنان کدگذاری ، ندارد رگرسیون مدل برازش بر تاثیری اما ض برای متفاوتی مقادیر به رایب تفسیر و آیند می دست متفاوتی دارند . مثال 2 : ی کننده بینی پیش متفاوت کدگذاری در جنسیت « مثال 1 » • 𝑥𝑖 = 1 if ith person is female −1 if ith person is male • 𝑦𝑖 = 𝛽0 + 𝛽1𝑥𝑖 + 𝜖𝑖 = 𝛽0 + 𝛽1 + 𝜖𝑖 if ith person is female 𝛽0 − 𝛽1 + 𝜖𝑖 if ith person is male میتوان 𝛽0 متوسط مقدار عنوان به را 𝑦 کرد تفسیر . 𝛽1 دارند کل میانگین از کمتر مردان و کل میانگین از بیشتر زنان که است مقداری .
4.
کیفی های کننده
بینی پیش از استفاده با و مشخصی دیتاست براساس « مثال کدگذاری 1 » اند شده برآورد زیر صورت به مربعات حداقل ضرایب : • 𝑦𝑖 = 𝛽0 + 𝛽1𝑥𝑖 + 𝜖𝑖 = 𝛽0 + 𝛽1 + 𝜖𝑖 = 529.53 + 𝜖𝑖 if ith person is female 𝛽0 + 𝜖𝑖 = 509.80 + 𝜖𝑖 if ith person is male
5.
کیفی های کننده
بینی پیش و قبلی دیتاست همان براساس از استفاده با « کدگذاری مثال 2 » اند آمده دست به زیر صورت به ضرایب : • 𝑦𝑖 = 𝛽0 + 𝛽1𝑥𝑖 + 𝜖𝑖 = 𝛽0 + 𝛽1 + 𝜖𝑖 = 529.53 + 𝜖𝑖 if ith person is female 𝛽0 − 𝛽1 + 𝜖𝑖 = 509.80 + 𝜖𝑖 if ith person is male اما اند آمده دست به متفاوتی مقدار با ضرایب که این با کنید می مشاهده که طور همان برای نهایی های بینی پیش هر گروه است نکرده تغییر .
6.
کیفی های کننده
بینی پیش .B سطح دو از بیش با های کننده بینی پیش ممکن : • کرد بیان را ممکن سطوح ی همه توان نمی متغیرشاخص یک تنها با وضعیت این در . • کنیم استفاده اضافی متغیر از توانیم می . مثال 3 : ی کننده بینی پیش نژاد ( سه دارای سطح و قفقازی ،آسیایی پوستان سیاه آمریکا ) • 𝑥𝑖1 = 1 if ith person is Asian 0 if ith person is not Asian • 𝑥𝑖2 = 1 if ith person is Caucasian 0 if ith person is not Caucasian • 𝑦𝑖 = 𝛽0 + 𝛽1𝑥𝑖1 + 𝛽2𝑥𝑖2 + 𝜖𝑖 = 𝛽0 + 𝛽1 + 𝜖𝑖 if ith person is Asian 𝛽0 + 𝛽2 + 𝜖𝑖 if ith person is Caucasian 𝛽0 + 𝜖𝑖 if ith person is African American
7.
کیفی های کننده
بینی پیش • نژاد ی کننده بینی پیش مثال در : میتوان 𝛽0 متوسط مقدار عنوان به را 𝑦 تفسیر آمریکا پوستان سیاه گروه در کرد . 𝛽1 متوسط تفاوت 𝑦 باشد می آمریکا پوستان سیاه با ها آسیایی گروه بین در . 𝛽2 متوسط تفاوت 𝑦 گروه بین در با قفقازها باشد می آمریکا پوستان سیاه .
8.
کیفی های کننده
بینی پیش • شاخص متغیرهای تعداد همیشه ، کمتر عدد یک تعداد از بود خواهد سطوح . شما کیفی متغیر اگر n به ،کند می تعریف را گروه 𝑛 − 1 متغیر دارید نیاز شاخص . • بدون سطح متغیرشاخص - در تبار آفریقایی آمریکایی قبل مثال - عنوان به « مرجع » شود می شناخته . • عنوان به شده انتخاب سطح مرجع ، دلخواه ، گروه هر برای نهایی های بینی پیش و است بدون انتخاب این به توجه یکسان بود خواهد . • و ضرایب ،حال این با 𝑝 − 𝑣𝑎𝑙𝑢𝑒 آنها کدگذاری انتخاب به بستگی شاخص متغیرهای دارد .
9.
خطی مدل بسط فرض
دو استاندارد خطی رگرسیون مدل می نقض عمل در اغلب که کند می ایجاد را کننده محدود بسیار شوند : • افزایشی ،پاسخ و ها کننده بینی پیش بین رابطه ( additive ) است . به کنندهبینیپیش یک در تغییرات تأثیر که است معنی این 𝑋𝑗 بر پاسخ 𝑌 است هاکنندهبینیپیش سایر مقادیر از مستقل ، . • خطی ،پاسخ و ها کننده بینی پیش بین رابطه ( linear ) است . پاسخ در تغییر که کند می بیان 𝑌 به تغییر واحد یک دلیل در 𝑋𝑗 مقدار به توجه بدون ، 𝑋𝑗 است ثابت ، .
10.
مدل بسط خطی .A افزایشی فرض
حذف : • یک رگرسیون مدل دارای اثرات است افزایشی اگر به را پاسخ بتوان مجموع صورت از توابعی بینی پیش متغیرهای نوشت کننده : 𝜇𝑦 = 𝑓0 𝑋 + 𝑓1 𝑋1 + ⋯ + 𝑓𝑝(𝑋𝑝) 𝜇𝑦 = 𝛽0 + 𝛽1𝑋1 + ⋯ + (𝛽𝑝𝑋𝑝) • هم بر ها کنندهبینیپیش وقتی « متقابل اثر » کنندهبینیپیش هر که گوییممی ، ندارند « افزایشی اثر » پاسخ بر دارد . • اثر ،رگرسیون در متقابل ( Interaction Effect ) مقدار به بسته مستقل متغیر یک که دارد وجود زمانی ( های ) متغیر چند یا یک دیگر مستقل تأثیر باشد داشته نتیجه بر متفاوتی . • بسط هایراه از یکی مدل اثرات به دادن اجازه با ،متقابل عبارت نام به جدید کنندهبینیپیش یک گنجاندن تعاملی ( Interaction term ) شودمی ساخته کننده بینی پیش چند حاصلضرب با که است .
11.
خطی مدل بسط • مثال
یک عنوان به ساده از هاییکنندهبینیپیش بر را کود و آب اثرات ،کنندمی کار هم با که بازده یک مزرعه ب نظر در گیرید . • با مقداری کود اما بدون مزرعه ،آب است گیاه رشد برای ضروری نیاز یک آب زیرا کرد نخواهد تولید محصولی هیچ . • ،کود بدون اما آب کافی مقدار با ،برعکس مزرعه کند می تولید محصول مقداری . ،حال این با از استفاده و آب کافی مقدار مقدار کود کافی بیشتر بازده باعث میشود . • آب عملکردی ،شوند ترکیب مناسب مقادیر در که هنگامی ،کود و بهتر تنهایی به یک هر آنچه از داشت خواهند ،دارند . • ،تررسمی طوربه اگر اثر ترکیبی چند یا دو متفاوت ،کنندهبینیپیش ( بیشتر یا کمتر ) از تأثیر کردن اضافه ه یک ر به آنها از تنهایی ،باشد که شودمی گفته دارند کنش برهم . • که باشید داشته توجه همیشه متقابل اثرات با ها کننده بینی پیش ارتباط چگونگی زمینه در پاسخ است . مثا برای بین هایهمبستگی ،ل شودنمی مربوط متقابل اثر نبودن یا وجود به ًامستقیم هاکنندهبینیپیش .
12.
مدل بسط خطی اثرمتقابل بدون
معمولی رگرسیون معادله یک : • 𝑦 = 𝛽0 + 𝛽1𝑋1 + 𝛽2𝑋2 معادله با رگرسیون متغیرهای اثرمتقابل 𝑋1 و 𝑋2 : • 𝑦 = 𝛽0 + (𝛽1 + 𝛽3𝑋2)𝑋1 + 𝛽2𝑋2 • = 𝛽0 + 𝛽1𝑋1 + 𝛽2𝑋2 + 𝛽3𝑋1𝑋2 • 𝑋1𝑋2 را یک ،نامیم می دو درجه تعاملی عبارت زیرا برهمکنش است مستقل متغیر دو بین . • 𝛽3 است رگرسیون ضریب یک . • توانیم می 𝛽3 اثربخشی افزایش عنوان به را 𝑋1 واحد یک افزایش با ، در 𝑋2 ( برعکس یا ) تفسیر کنیم : در افزایش واحد هر ، متوسط طور به 𝑋1 با است مرتبط پاسخ افزایش به اندازه 𝛽1 + 𝛽3𝑋2 در افزایش واحد هر ، متوسط طور به 𝑋2 با است مرتبط افزایش اندازه به پاسخ 𝛽1 + 𝛽3𝑋1
13.
خطی مدل بسط مثال 1 : • دیتاست
در « Advertising » تبلیغات دو هر که کردیم مشاهده TV و Radio دارند ارتباط فروش میزان با . 𝑆𝑎𝑙𝑒𝑠 = 𝛽0 + 𝛽1 ∗ 𝑇𝑉 + 𝛽2 ∗ 𝑅𝑎𝑑𝑖𝑜 + 𝜖 • رسانه یک در تبلیغات تاثیر که میکند فرض باال مدل ، فروش روی بر رسانه در تبلیغات میزان از مستقل ، است دیگر ی . • تبلیغات میزان از نظر صرف Radio متوسط تأثیر ، افزایش واحدی یک TV همیشه فروش روی بر 𝛽1 است . • صرف است ممکن عمل در تبلیغات برای هزینه در رادیویی را تلویزیونی تبلیغات اثربخشی واقع افزایش ده با بنابراین ،د افزایش Radio ، 𝛽1 باید یابد افزایش .
14.
خطی مدل بسط مثال
ادامه 1 : • دهد می کاهش را افزایشی فرض ،تعاملی عبارت یک گنجاندن : • 𝑆𝑎𝑙𝑒𝑠 = 𝛽0 + 𝛽1 ∗ 𝑇𝑉 + 𝛽2 ∗ 𝑅𝑎𝑑𝑖𝑜 + 𝛽3 ∗ 𝑅𝑎𝑑𝑖𝑜 ∗ 𝑇𝑉 + 𝜖 • = 𝛽0 + 𝛽1 + 𝛽3 ∗ 𝑅𝑎𝑑𝑖𝑜 𝑇𝑉 + 𝛽2 ∗ 𝑅𝑎𝑑𝑖𝑜 + 𝜖 • = 𝛽0 + 𝛽1 ∗ 𝑇𝑉 + 𝛽2 ∗ 𝑅𝑎𝑑𝑖𝑜 + 𝜖 • 𝛽1 با 𝑅𝑎𝑑𝑖𝑜 تاثیر و میکند تغییر TV ثابت دیگر فروش بر مقدار به و نیست 𝑅𝑎𝑑𝑖𝑜 دارد بستگی نیز .
15.
خطی مدل بسط رگرسیون
مدل در : • 𝑦 = 𝛽0 + 𝛽1𝑋1 + 𝛽2𝑋2 + 𝛽3𝑋1𝑋2 (1 اگر 𝛽3 بین برهمکنش ،باشد نداشته صفر با داریمعنی تفاوت 𝑋1 و 𝑋2 برای توضیح تغییرات نیست مفید پاسخ . حالت این در رابطه بین 𝑋1 و 𝑋2 افزودنی ( additive ) است . (2 اگر 𝛽3 که حالی در باشد منفی معناداری طور به 𝑋1 و 𝑋2 به می تأثیر پاسخ بر نیز تنهایی ،گذارند تعامل غیرهمسو ( antagonistic ) شود می نامیده . (3 ضریب اگر 𝛽3 مثبت حالی در باشد که 𝑋1 و 𝑋2 هم تعامل گاهآن ،گذارندمی تأثیر پاسخ بر نیز تنهایی به افزایی ( synergystic ) نامیده شودمی .
16.
خطی مدل بسط (4 دارای
تعاملی عبارت یک است ممکن 𝑝 − 𝑣𝑎𝑙𝑢𝑒 بسیار کوچکی ب متغیر اینکه بر مبنی است ای نشانه بنابراین و باشد مدل در اید ،شود گنجانده اما متغیرهای مورد در اصلی آن با مرتبط ( تلویزیون و ،رادیو قبل مثال در ) چنین نباشد . • سلسله اصل مراتب ( Hierarchy principle states ) می بیان اگر کند یک تعامل در را مدل اصلی متغیرهای باید ،دهیم قرار مرتبط را اگر حتی ،کنیم لحاظ نیز 𝑝 − 𝑣𝑎𝑙𝑢𝑒 ضرایب آنها معنی آماری لحاظ از نباشد دار .
17.
خطی مدل بسط مثال 2 : • مختص
اثرمتقابل مفهوم « کمی متغیرهای » و نیست برای « کیفی متغیرهای » یا « ترکیبی و کمی متغیرهای از کیف ی » استفاده نیز شود می . • دیتاست از استفاده با « Credit » درآمد میزان اساس بر را فرد اعتباری کارت موجودی میخواهیم ( کمی متغیر ) جنسیت و ( متغیر کیفی ) کنیم بینی پیش . • تعاملی عبارت غیاب در است زیر فرم دارای مدل ، : • 𝑏𝑎𝑙𝑎𝑛𝑐𝑒𝑖 ≈ 𝛽0 + 𝛽1 ∗ 𝑖𝑛𝑐𝑜𝑚𝑒𝑖 + 𝛽2 if ith person is female 0 if ith person is male • = 𝛽1 ∗ 𝑖𝑛𝑐𝑜𝑚𝑒𝑖 + 𝛽0 + 𝛽2 if ith person is female 𝛽0 if ith person is male • ها داده با موازی خط دو برازش معنای به این که باشید داشته توجه ،است برای یکی و زنان برای دیگری مردان . • خط « زنان » مبدا از عرض دارای ( 𝛽0 + 𝛽2 ) خط و « مردان » مبدا از عرض دارای ( 𝛽0 ) باشد می .
18.
خطی مدل بسط مثال
ادامه 2 :
19.
خطی مدل بسط ادامه مثال 2 : • دارد
فرد موجودی میزان بر یکسانی تاثیر مردان و زنان در درآمد افزایش که است معنی این به خطوط بودن موازی . • کارت موجودی بر متفاوتی تأثیر است ممکن درآمد در تغییر واقع در زیرا ،دهد می نشان را مدل بالقوه محدودیت یک این اعتباری داشته مرد یک با مقایسه در زن یک باشد . • یک افزودن با توان می را محدودیت این متغییر ضرب با که تعاملی درآمد متغیر در که شاخصی برای ایجاد جنسیت م ،شود ی کرد برطرف . • آید درمی زیر فرم به مدل : • 𝑏𝑎𝑙𝑎𝑛𝑐𝑒𝑖 ≈ 𝛽0 + 𝛽1 ∗ 𝑖𝑛𝑐𝑜𝑚𝑒𝑖 + 𝛽2 + 𝛽3 ∗ 𝑖𝑛𝑐𝑜𝑚𝑒𝑖 if ith person is female 0 if ith person is male • = 𝛽0 + 𝛽2 + 𝛽1 + 𝛽3 ∗ 𝑖𝑛𝑐𝑜𝑚𝑒𝑖 if ith person is female 𝛽0 + 𝛽1 ∗ 𝑖𝑛𝑐𝑜𝑚𝑒𝑖 if ith person is male • برای متفاوت رگرسیون خط دو ما ،دیگر بار اما ،داریم مردان و زنان اکنون خطوط رگرسیون مبدا از عرض شیب همچنین و های متفاوتی دارند . • تغییرات نتیجه در اعتباری کارت موجودی بر متفاوتی طور به است ممکن درآمد زنان و مردان بگذارد تأثیر .
20.
خطی مدل بسط مثال
ادامه 2 :
21.
خطی مدل بسط .B غیر
روابط خطی : • خطی رگرسیون مدل یک کند می فرض را ها کننده بینی پیش و پاسخ بین خطی رابطه . واقع رابطه ،موارد برخی در اما بین ی باشد خطی غیر است ممکن ها کننده بینی پیش و پاسخ . • ها کننده بینی پیش و پاسخ بین ی رابطه بودن خطی فرض با روی بر کننده بینی پیش واحدی یک تغییر تاثیر پاسخ به توجه بدون ، ثابت ، کننده بینی پیش مقدار است .
22.
خطی مدل بسط دیتاست « Auto » : • تعدادی
برای خودرو ، mpg ( هر در مصرفی بنزین میزان مایل ) برابر در horsepower ( بخار اسب ) شده داده نشان است . • است خطی رگرسیون برازش دهنده نشان نارنجی خط . • بین واضح رابطه یک mpg و horsepower ،دارد وجود نظر به اما این رابطه « خطی غیر » است . • داده رابطه یک ها « منحنی » دهند می نشان را .
23.
خطی مدل بسط یک برای
ساده رویکرد نمودن لحاظ « غیرخطی های رابطه » یک در « خطی مدل » ، شدهتبدیل هاینسخه گنجاندن است مدل در هاکنندهبینیپیش . عنوان به مثال : • نقاط که رسد می نظر به در دیتاست « Auto » شکل بهتری تناسب است ممکن زیر فرم با مدلی دهد می نشان که ،دارند دوم درجه ارائه را دهد : mpg = 𝛽0 + 𝛽1 ∗ horsepower + 𝛽2 ∗ horsepower2 + 𝜖 • است خطی مدل یک هنوز باال مدل ! را آن میتوان چون یک چندگانه خطی رگرسیون مدل با 𝑋1 = horsepower و 𝑋2 = horsepower2 گرفت نظر در . • از منظور که باشید داشته توجه « بودن خطی » خطی رگرسیون در ضرایب به نسبت رگرسیون معادله بودن خطی ، 𝛽𝑖 باشد می .
24.
خطی مدل بسط شکل
در آبی منحنی ، برازش دهد می نشان ها داده با را حاصل دوم درجه . • 𝑅2 برازش دوم درجه 0.688 است با مقایسه در ، 0.606 برای برازش خطی . • p − value برای معنادار بسیار دوم درجه عبارت است : • رسد می نظر به درجه برازش که از بهتر ای مالحظه قابل طور به دوم عبارت خطی است .
25.
خطی مدل بسط برای
که رویکردی بسط « خطی مدل » تطبیق برای ، « خطی غیر روابط » چن رگرسیون عنوان به کردیم انتخاب ای جمله د ( polynomial regression ) گنج رگرسیون مدل در را ها کننده بینی پیش ای جمله چند توابع زیرا ،شود می شناخته انده ایم . ای چندجمله رگرسیون در که باشید داشته توجه : • فقط توانیم می پیش بینی کننده ( 𝑥 ) را تبدیل کنیم . • فقط توانیم می پاسخ ( 𝑦 ) دهیم تغییر را . • هم میتوانیم پیش کننده بینی ( 𝑥 ) و هم پاسخ ( 𝑦 ) تبدیل را کنیم .
Download now