Kas yra daugiakalbiškumas?
Daugiakolineariškumas yra statistinis reiškinys, kai du ar daugiau regresijos modelio kintamųjų yra priklausomi nuo kitų kintamųjų taip, kad vieną iš kitų galima tiesiškai nuspėti labai tiksliai. Paprastai jis naudojamas stebėjimo tyrimuose ir mažiau populiarus eksperimentiniuose tyrimuose.
Daugiakolineariškumo tipai
Yra keturi daugialypiškumo tipai
- # 1 - puikus daugiakolineariškumas - jis egzistuoja, kai nepriklausomi kintamieji lygtyje numato tobulą tiesinį ryšį.
- # 2 - didelis daugiakolineariškumas - tai linijinis ryšys tarp dviejų ar daugiau nepriklausomų kintamųjų, kurie nėra visiškai koreliuoja tarpusavyje.
- # 3 - Struktūrinis daugialypiškumas - tai sukelia pats tyrėjas, į lygtį įterpdamas skirtingus nepriklausomus kintamuosius.
- # 4 - Duomenimis pagrįstas daugialypiškumas - tai lemia eksperimento, kurį tyrėjas sukūrė blogai.
Daugiakolineariškumo priežastys
Nepriklausomi kintamieji, kintamųjų parametrų pokytis tai šiek tiek keičia kintamuosiuose. Tai daro didelę įtaką rezultatui, o duomenų rinkimas susijęs su paimtos atrinktos populiacijos imtimi.
Daugiakolineariškumo pavyzdžiai
1 pavyzdys
Tarkime, kad farmacijos įmonė pasamdė ABC Ltd, KPO, teikti tyrimų paslaugas ir statistinę analizę apie Indijos ligas. Tam ABC lt prima facie parametrais pasirinko amžių, svorį, profesiją, ūgį ir sveikatą.
- Pirmiau pateiktame pavyzdyje yra daugiakolineariškumo situacija, nes tyrimui pasirinkti nepriklausomi kintamieji yra tiesiogiai susiję su rezultatais. Todėl prieš pradedant bet kokį projektą tyrėjui patartina pirmiausia pakoreguoti kintamuosius, nes rezultatai bus tiesiogiai paveikti dėl čia pasirinktų kintamųjų.
2 pavyzdys
Tarkime, kad „ABC Ltd“ paskyrė „Tata Motors“, kad suprastų, kurioje rinkoje kategorijoje bus didelis tata variklių pardavimo kiekis.
- Pirmiau pateiktame pavyzdyje, visų pirma, bus baigti kurti nepriklausomi kintamieji, kuriais remiantis reikia užbaigti tyrimą. Tai gali būti mėnesinės pajamos, amžius. Prekės ženklas, žemesnės klasės. Tai reiškia, kad bus pasirinkti tik duomenys, kurie tilps į visus šiuos skirtukus, kad išsiaiškintumėte, kiek žmonių gali nusipirkti šį automobilį (tata nano), net nežiūrėdami į jokį kitą automobilį.
3 pavyzdys
Tarkime, kad ABC Ltd buvo pasamdyta pateikti ataskaitą, kad sužinotų, kiek žmonių iki 50 metų yra linkę į širdies priepuolius. tam parametrai yra amžius, lytis, ligos istorija
- Pirmiau pateiktame pavyzdyje yra daugiakolineariškumas, kuris atsirado dėl to, kad norint pakviesti visuomenės paraiškas, reikia pakoreguoti nepriklausomą kintamąjį „amžių“ iki jaunesnių nei 50 metų, kad vyresni nei 50 metų asmenys automatiškai būtų filtruojami.
Privalumai
Žemiau yra keletas privalumų
- Tiesinis santykis tarp nepriklausomų kintamųjų lygtyje.
- Labai naudinga statistikos modeliuose ir tyrimų ataskaitose, kurias parengė tyrimais pagrįstos firmos.
- Tiesioginis poveikis norimam rezultatui.
Trūkumai
Žemiau pateikiami keli trūkumai
- Kai kuriose situacijose šis klausimas būtų išspręstas surinkus daugiau duomenų apie kintamuosius.
- Neteisingas manekeno kintamųjų naudojimas, ty tyrėjas gali pamiršti naudoti manekeno kintamuosius, kai to reikia.
- Į lygtį įterpdami 2 tuos pačius arba identiškus kintamuosius, pvz., Kg ir lbs svarmenimis.
- Į lygtį įterpiant kintamąjį, kuris yra 2 derinys.
- Skaičiavimus atlikti sudėtinga, nes tai yra statistinė technika, todėl atlikti statistinius skaičiuotuvus reikia.
Išvada
Daugiakolineariškumas yra viena iš labiausiai mėgstamų statistinių priemonių, dažnai naudojama atliekant regresijos analizę ir statistinę analizę didelėms duomenų bazėms ir norimam rezultatui. Visos pagrindinės įmonės savo įmonėje turi atskirą statistikos skyrių, kuris atlieka produktų ar žmonių statistinę regresinę analizę, siekdamas pateikti vadovybei strateginį rinkos vaizdą ir padėti jiems parengti savo ilgalaikę strategiją, laikydamasis šio požiūrio. Grafinis analizės pateikimas suteikia skaitytojui aiškų tiesioginių santykių, tikslumo ir našumo vaizdą.
- Jei tyrėjo tikslas yra suprasti nepriklausomus kintamuosius lygtyje, tai daugiakolinearumas jam bus didelė problema.
- Tyrėjas turi atlikti reikiamus kintamųjų pakeitimus pačioje 0 stadijoje, kitaip tai gali turėti didžiulės įtakos rezultatams.
- Daugiakolineariškumas gali būti atliekamas tiriant koreliacijos matricą.
- Gydomosios priemonės vaidina reikšmingą vaidmenį sprendžiant daugiakalbiškumo problemas.
