বহুবিধ লাইনারিটি (সংজ্ঞা, প্রকার) | ব্যাখ্যার সাথে শীর্ষ 3 উদাহরণ

মাল্টিকোলাইনারিটি কী?

মাল্টিকোলাইনারিটিটিটি একটি স্ট্যাটিস্টিকাল ঘটনা যাতে একটি রিগ্রেশন মডেলটিতে দুটি বা ততোধিক ভেরিয়েবলগুলি অন্যান্য ভেরিয়েবলের উপর এমনভাবে নির্ভর করে যে একজনকে উচ্চতর ডিগ্রি যথাযথতার সাথে অন্যের থেকে রৈখিকভাবে পূর্বাভাস দেওয়া যায়। এটি সাধারণত পর্যবেক্ষণমূলক স্টাডিতে ব্যবহৃত হয় এবং পরীক্ষামূলক গবেষণায় কম জনপ্রিয় হয়।

মাল্টিকোলাইনারিটির ধরণ

বহু ধরণের মাল্টিকোলাইনারিটি রয়েছে

  • #1 –পারফেক্ট মাল্টিকোলাইনারিটি - যখন সমীকরণে স্বাধীন ভেরিয়েবলগুলি নিখুঁত রৈখিক সম্পর্কের পূর্বাভাস দেয় তখন এটি বিদ্যমান।
  • # 2 - উচ্চ মাল্টিকোলাইনারিটি - এটি দুটি বা আরও বেশি স্বাধীন ভেরিয়েবলের মধ্যে লিনিয়ার সম্পর্ককে বোঝায় যা একে অপরের সাথে পুরোপুরি সম্পর্কযুক্ত নয়।
  • # 3 - স্ট্রাকচারাল মাল্টিকোলাইনারিটি - সমীকরণে পৃথক পৃথক পৃথক ভেরিয়েবল সন্নিবেশ করিয়ে গবেষক নিজেই এ কারণে ঘটেছিলেন।
  • # 4 - ডেটা ভিত্তিক মাল্টিকোলাইনআরটি - এটি পরীক্ষাগুলির দ্বারা ঘটেছিল যা গবেষকরা খারাপ ডিজাইন করেছেন।

মাল্টিকোলাইনারিটির কারণগুলি

ইন্ডিপেন্ডেন্ট ভেরিয়েবলস, ভেরিয়েবলের প্যারামিটারে পরিবর্তনটি করে যে পরিবর্তনগুলির মধ্যে সামান্য পরিবর্তন ফলাফলের উপর উল্লেখযোগ্য প্রভাব ফেলে এবং ডেটা সংগ্রহগুলি নির্বাচিত জনগোষ্ঠীর নমুনা গ্রহণ করা বোঝায়।

মাল্টিকোলাইনারিটির উদাহরণ

উদাহরণ # 1

ধরা যাক যে এবিসি লিমিটেডকে কেপিও ভারতে রোগ সম্পর্কিত গবেষণা সেবা এবং পরিসংখ্যানগত বিশ্লেষণ প্রদানের জন্য একটি ফার্মাসিউটিক্যাল সংস্থা নিয়োগ করেছে is এটির জন্য এবিসি লিঃ বয়স, ওজন, পেশা, উচ্চতা এবং স্বাস্থ্যকে প্রাথমিক মুখোমুখি হিসাবে বেছে নিয়েছে selected

  • উপরের উদাহরণে, বহুবিশ্বরেখা পরিস্থিতি রয়েছে যেহেতু অধ্যয়নের জন্য নির্বাচিত স্বতন্ত্র ভেরিয়েবলগুলি সরাসরি ফলাফলের সাথে সম্পর্কিত হয়। সুতরাং কোনও প্রকল্প শুরু করার আগে গবেষককে প্রথমে ভেরিয়েবলগুলি সামঞ্জস্য করার পরামর্শ দেওয়া হবে কারণ এখানে নির্বাচিত ভেরিয়েবলগুলির কারণে ফলাফলগুলি সরাসরি প্রভাবিত হবে।

উদাহরণ # 2

আসুন ধরে নেওয়া যাক যে টাবি মোটরগুলির বিক্রয় ভলিউমটি বাজারে কোন বিভাগে উচ্চতর হবে তা বুঝতে টিবি মোটর দ্বারা এবিসি লিমিটেডকে নিয়োগ করেছে।

  • উপরের উদাহরণে, প্রথমে স্বাধীন ভেরিয়েবলগুলি চূড়ান্ত করা হবে যার ভিত্তিতে গবেষণাটি সম্পন্ন করা দরকার। এটি মাসিক আয়, বয়স হতে পারে। ব্র্যান্ড, নিম্ন শ্রেণীর। এর অর্থ কেবলমাত্র এমন ডেটা বাছাই করা হবে যা এই সমস্ত ট্যাবগুলিতে ফিট হয়ে যাবে যাতে এই গাড়িটি (টাটা ন্যানো) অন্য কোনও গাড়ি না দেখেও কিনতে পারবেন buy

উদাহরণ # 3

আসুন ধরে নেওয়া যাক যে 50 বছরের কম বয়সী কত লোক হার্ট অ্যাটাকের ঝুঁকিতে রয়েছে তা জানতে একটি প্রতিবেদন জমা দেওয়ার জন্য এবিসি লিমিটেডকে নিয়োগ দেওয়া হয়েছে। এর জন্য, পরামিতিগুলি বয়স, লিঙ্গ, চিকিত্সার ইতিহাস

  • উপরের উদাহরণে, বহুবিধ লাইন রয়েছে যা উদ্ভূত হয়েছে কারণ জনগণের কাছ থেকে আবেদনগুলি আমন্ত্রণ করার জন্য স্বতন্ত্র পরিবর্তনশীল "বয়স" 50 বছরের কম বয়সে চিহ্নিত করা দরকার যাতে 50 বছরের বেশি বয়সী ব্যক্তিরা স্বয়ংক্রিয়ভাবে ফিল্টার হয়ে যায়।

সুবিধাদি

নীচে কিছু সুবিধা রয়েছে

  • সমীকরণে স্বতন্ত্র ভেরিয়েবলের মধ্যে লিনিয়ার সম্পর্ক।
  • গবেষণা ভিত্তিক সংস্থাগুলি দ্বারা প্রস্তুত পরিসংখ্যান মডেল এবং গবেষণা প্রতিবেদনে খুব দরকারী।
  • কাঙ্ক্ষিত ফলাফলের উপর সরাসরি প্রভাব।

অসুবিধা

নীচে কিছু অসুবিধা দেওয়া হল

  • কিছু পরিস্থিতিতে, ভেরিয়েবলের আরও ডেটা সংগ্রহ করে এই সমস্যাটি সমাধান করা হবে।
  • ডামি ভেরিয়েবলগুলির ভুল ব্যবহার অর্থাত্ গবেষক যখনই প্রয়োজন তখন ডামি ভেরিয়েবলগুলি ব্যবহার করতে ভুলে যেতে পারেন।
  • ওজনে কেজি এবং পাউন্ডের সমীকরণের সমীকরণে 2 টি একই বা অভিন্ন ভেরিয়েবল সন্নিবেশ করা হচ্ছে।
  • সমীকরণে একটি ভেরিয়েবল সন্নিবেশ করা যা 2 এর সমাহার।
  • এটি পরিসংখ্যান কৌশল হিসাবে গণনা সম্পাদন করতে জটিল lic এবং সম্পাদনাটি করার জন্য পরিসংখ্যানের ক্যালকুলেটর প্রয়োজন।

উপসংহার

মাল্টিকোলাইনারিটি হ'ল সর্বাধিক পছন্দসই পরিসংখ্যানগত সরঞ্জামগুলির মধ্যে একটি যা বড় ডেটাবেস এবং পছন্দসই আউটপুট জন্য প্রায়শই রিগ্রেশন বিশ্লেষণ এবং পরিসংখ্যান বিশ্লেষণে ব্যবহৃত হয়। বাজারকে পরিচালনার ক্ষেত্রে কৌশলগত দৃষ্টিভঙ্গি সরবরাহ করতে এবং তাদের এই দীর্ঘমেয়াদী কৌশলগুলি এই মনকে সামনে রেখে খসড়া তৈরি করতে সহায়তা করার জন্য সমস্ত বড় সংস্থাগুলির পণ্য বা লোক সম্পর্কে পরিসংখ্যানগত রিগ্রেশন বিশ্লেষণ করতে তাদের সংস্থায় একটি পৃথক পরিসংখ্যান বিভাগ রয়েছে। বিশ্লেষণের গ্রাফিকাল উপস্থাপনা পাঠককে সরাসরি সম্পর্ক, নির্ভুলতা এবং পারফরম্যান্সের একটি পরিষ্কার চিত্র দেয়।

  • সমীকরণে যদি গবেষকের লক্ষ্য স্বাধীন ভেরিয়েবলগুলি বুঝতে হয় তবে তার জন্য বহুবিধ লাইনটি একটি বড় সমস্যা হয়ে উঠবে।
  • গবেষককে 0 মঞ্চে ভেরিয়েবলগুলিতে প্রয়োজনীয় পরিবর্তনগুলি করা দরকার অন্যথায় ফলাফলের উপর এটির ব্যাপক প্রভাব থাকতে পারে।
  • পারস্পরিক সম্পর্ক মেট্রিক্স পরীক্ষা করে মাল্টিকোলাইনারিটি করা যেতে পারে।
  • বহু-বর্ণাar্যতার সমস্যা সমাধানে প্রতিকারের প্রতিকারগুলি গুরুত্বপূর্ণ ভূমিকা পালন করে।