स्टेप वाइज रिग्रेशन क्या है?
प्रतिगमन विश्लेषण एक व्यापक रूप से इस्तेमाल किया जाने वाला सांख्यिकीय दृष्टिकोण है जो चर के बीच संबंधों की पहचान करना चाहता है। यह विचार बेहतर सूचित निर्णय लेने के लिए प्रासंगिक डेटा को पूल करने के लिए है और निवेश की दुनिया में एक आम बात है। स्टेप वाइज रिग्रेशन एक प्रतिगमन मॉडल का चरण-दर-चरण पुनरावृत्ति निर्माण है जिसमें स्वतंत्र चर का स्वत: चयन शामिल है। सांख्यिकीय सॉफ्टवेयर पैकेजों की उपलब्धता सैकड़ों चर वाले मॉडल में भी स्टेप वाइज रिग्रेशन संभव बनाती है।
स्टेप वाइज रिग्रेशन के प्रकार
स्टेप वाइज रिग्रेशन का अंतर्निहित लक्ष्य स्वतंत्र चर का एक समूह खोजने के लिए परीक्षणों की एक श्रृंखला के माध्यम से (एफ-परीक्षण, टी-परीक्षण) है जो आश्रित चर को काफी प्रभावित करते हैं। यह कंप्यूटर के साथ पुनरावृत्ति के माध्यम से किया जाता है, जो विश्लेषण के चक्रों या चक्रों के माध्यम से परिणाम या निर्णय तक पहुंचने की प्रक्रिया है। सांख्यिकीय सॉफ्टवेयर पैकेजों की मदद से परीक्षण स्वचालित रूप से आयोजित करने से व्यक्ति के लिए समय की बचत होती है।
चाबी छीन लेना
- प्रतिगमन विश्लेषण एक सांख्यिकीय दृष्टिकोण है जो स्वतंत्र और आश्रित चर के बीच रिश्तों को समझने और मापने का प्रयास करता है। सेफवाइज रिग्रेशन एक ऐसा तरीका है जो मॉडल के भीतर प्रत्येक स्वतंत्र चर के सांख्यिकीय महत्व की जांच करता है। आगे चयन दृष्टिकोण एक चर जोड़ता है और फिर सांख्यिकीय महत्व का परीक्षण करता है। । बैकवर्ड एलिमिनेशन विधि कई चर के साथ लोड किए गए मॉडल के साथ शुरू होती है और फिर समग्र परिणामों के सापेक्ष इसके महत्व को परखने के लिए एक चर को हटा देती है। सेफविज रिग्रेशन के कई आलोचक हैं, क्योंकि यह एक दृष्टिकोण है जो वांछित परिणाम प्राप्त करने के लिए एक मॉडल में डेटा फिट बैठता है।
स्टेप वाइज रिग्रेशन या तो एक समय में एक स्वतंत्र चर को आज़माकर और इसे प्रतिगमन मॉडल में शामिल करके प्राप्त किया जा सकता है यदि यह सांख्यिकीय रूप से महत्वपूर्ण है या मॉडल के सभी संभावित स्वतंत्र चर को शामिल करके और जो कि सांख्यिकीय रूप से महत्वपूर्ण नहीं हैं उन्हें समाप्त कर सकते हैं। कुछ दोनों विधियों के संयोजन का उपयोग करते हैं और इसलिए स्टेप वाइज रिग्रेशन के तीन दृष्टिकोण हैं:
- फॉरवर्ड चयन मॉडल में कोई चर के साथ शुरू होता है, प्रत्येक चर का परीक्षण करता है क्योंकि यह मॉडल में जोड़ा जाता है, फिर उन लोगों को रखता है जो सबसे सांख्यिकीय रूप से महत्वपूर्ण माने जाते हैं - जब तक परिणाम इष्टतम नहीं होते हैं। तब तक का परिणाम समाप्त हो जाता है। एक समय में एक को हटाना, फिर यह देखना कि क्या हटाए गए चर सांख्यिकीय रूप से महत्वपूर्ण है। द्विदिश उन्मूलन पहले दो तरीकों का एक संयोजन है जो परीक्षण करते हैं कि किस चर को शामिल किया जाना चाहिए या बाहर रखा जाना चाहिए।
बैकवर्ड एलिमिनेशन मेथड का उपयोग करते हुए स्टेप वाइज रिग्रेशन का एक उदाहरण एक फैक्ट्री में ऊर्जा के उपयोग को समझने का प्रयास होगा, जैसे उपकरण रन टाइम, उपकरण की उम्र, स्टाफ का आकार, बाहर का तापमान और वर्ष का समय। मॉडल में सभी चर शामिल हैं - फिर प्रत्येक को हटा दिया जाता है, एक समय में एक, यह निर्धारित करने के लिए कि कम से कम सांख्यिकीय रूप से महत्वपूर्ण है। अंत में, मॉडल दिखा सकता है कि वर्ष का समय और तापमान सबसे महत्वपूर्ण हैं, संभवतः कारखाने में शिखर ऊर्जा की खपत का सुझाव है जब एयर कंडीशनर का उपयोग अपने उच्चतम स्तर पर होता है।
स्टेप वाइज रिग्रेशन की सीमाएं
प्रतिगमन विश्लेषण, दोनों रैखिक और बहुभिन्नरूपी, व्यापक रूप से आज निवेश की दुनिया में उपयोग किए जाते हैं। विचार अक्सर उन पैटर्नों को खोजने का होता है जो अतीत में मौजूद थे जो भविष्य में भी पुनरावृत्ति कर सकते हैं। उदाहरण के लिए, एक साधारण रेखीय प्रतिगमन, कम पी / ई अनुपात (स्वतंत्र चर) के साथ स्टॉक उच्च रिटर्न (आश्रित चर) प्रदान करता है, यह निर्धारित करने के लिए कई वर्षों में मूल्य-से-आय अनुपात और स्टॉक रिटर्न को देख सकता है। इस दृष्टिकोण के साथ समस्या यह है कि बाजार की स्थिति अक्सर बदलती रहती है और अतीत में आयोजित होने वाले रिश्ते वर्तमान या भविष्य में जरूरी नहीं होते हैं।
इस बीच, चरणबद्ध प्रतिगमन प्रक्रिया में कई आलोचक हैं और पूरी तरह से विधि का उपयोग बंद करने के लिए कॉल भी हैं। सांख्यिकीविद् दृष्टिकोण में कई कमियां नोट करते हैं, जिसमें गलत परिणाम, प्रक्रिया में एक अंतर्निहित पूर्वाग्रह, और महत्वपूर्ण कंप्यूटिंग शक्ति के लिए पुनरावृत्ति के माध्यम से जटिल प्रतिगमन मॉडल विकसित करने की आवश्यकता शामिल है।
