مرجع
آخر الزيارات

التحقق من صحة نموذج الانحدار

564 كلمة•0 مشاهدة•🗒️ منذ يومين
باختصار: التحقق من صحه نموذج الانحدار -في علم الاحصاء هي عملية تقرير إذا ما كانت النتائج العددية التي تقيس العلاقات المفترضة بين المتغيرات -التي تم الحصول عليها من تحليل الانحدار- مقبولة كوصف للبيانات أم لا. تجد هنا «التقييم بلا عينة»، «التحليل الكمي للبقايا» و«التحليل الرسومي للبقايا» ضمن 4 أقسام.
المحتويات
  1. التقييم بلا عينة
  2. التحليل الكمي للبقايا
  3. التحليل الرسومي للبقايا
  4. تحليل البقايا

على سبيل التعريف، التحقق من صحه نموذج الانحدار -في علم الاحصاء هي عملية تقرير إذا ما كانت النتائج العددية التي تقيس العلاقات المفترضة بين المتغيرات -التي تم الحصول عليها من تحليل الانحدار- مقبولة كوصف للبيانات أم لا. وفيما يلي تفاصيل أوسع عن ذلك.

وعلى صعيد آخر، عملية التحقق يُمكن أن تتضمن تحليلاً لِمدى توائم الانحدار وتحليلاً لبقايا الانحدار، هل هي عشوائية أم لا مع فحص هل الأداء التنبؤي للنموذج يتدهور بدرجة كبيرة حينما يطبق على بيانات لم تستعمل في تقدير النموذج.

التحقق باستخدام (R2)

وعلى صعيد آخر، الـ (R2) -هو معامل التحديد- القريب من الواحد الصحيح لايضمن أن النموذج يتوائم مع البيانات بشكل جيد لأنه كما توضح رباعية (Anscombe) فإن القيمة المرتفعة للـ(R2) يُمكن أن تحدث في وجود سوء مواصفات في شكل الدالة التي تُمثل العلاقة أو في حالة وجود قيم متطرفة والتي تُشوه العلاقة الحقيقية.

وفي هذا الصدد، أحد المشاكل المرتبطه بالـ(R2) كقياس لصحة النموذج هي أن قيمة هذا المعامل يُمكن أن تتزايد بإضافة المزيد من المُتغيرات للنموذج إلا في حالة أن المتغيرات الإضافية غير مترابطة تماماً مع المتغيرات المستقلة الموجودة في البيانات التي تستعمل في النموذج.

التقييم بلا عينة

وفي هذا السياق، التحقق من الصحة هي عمليه تقييم كيف تعمم نتائج التحليل الإحصائي على مجموعة بيانات مستقلة. أن كان تقييم النموذج قد تم على بعض البيانات المتاحة وليس كلها فإن النموذج الذي يُستعمل المعايير التي تم تقييمها يمكن أن يستعمل للتنبؤ ببعض البيانات مثلًا (بلا عينة) المقصود بها مربع متوسط الخطأ.

التحليل الكمي للبقايا

وفي هذا الصدد، الطرق العددية كذلك تلعب دوراً هاما في التحقق من صحه النموذج أحد المواقف الشائعة التي تأخذ فيها الطرق العددية اسبقية عن الطرق الرسومية حينما يكون عدد المعايير التي تم تقديرها قريبة نسبياً من حجم البيانات في هذه الحالة فإن رسم البقايا يكون في الغالِب من الصعب تفسيره نتيجة للقيود المفروضة على البقايا.

ومن جهة أخرى، الارتباط التسلسلي للبقايا يمكن أن يشير إلى سوء المواصفات للنموذج ويمكن أن يفحص ذلك باستخدام الإحصاء .

التحليل الرسومي للبقايا

علاوةً على ذلك، الأنواع المُختلفة من المخططات الرسومية للبقايا من نماذج متوائمة تعطي معلومات عن كفاية جوانب مختلفة من النموذج.

وفي السياق ذاته، طريقة أساسية على الرغم من أنها ليست دقيقة كمياً وهي طريقة لفحص المشكلات التي تجعل النموذج غير كاف لإجراء الفحص البصري للمخلفات للبحث عن انحرافات واضحة من العشوائية.

إضافةً إلى ذلك، التغيرات غير الثابتة في البيانات : البقايا ترسم مع المتنبئات والبقايا ترسم كذلك مع التغير في الزمن.

  • الانجراف في الاخطاء.
  • استقلال الاخطاء.
  • الأخطاء الطبيعيه.

من جهة ثانية، الطرق الرسومية لها ميزه على الطرق العددية بالنسبة للتحق من صحه النموذج لأنها توضح بسهوله مجموعة واسعة من الجوانب المعقدة للعلاقة بين النموذج والبيانات.

في هذا الإطار، كفاية الجزء الوظيفي من النموذج : البقايا ترسم مع تغير المتنبئات

تحليل البقايا

حسابياً فان تعريف البقايا للملاحظة رقم (i) يعطى كالآتي:

وفي هذا السياق، البقايا من النموذج المتوائم هي الفرق بين الاستجابات التي تم ملاحظتها عند كل مجموعة من قيم المتغيرات التفسيرية والتنبؤ المُقابل للاستجابة التي يتم حسابها بدالة الانحدار.

وفي هذا السياق، لذلك فإن بدا ان البقايا لها سلوك عشوائي فإن ذلك يشير إلى أن النموذج يتوائم بشكل جيد مع البيانات ومن ناحية أخرى إذا لم يُظهر ذلك التكوين العشوائي بوضوح للبقايا فإن ذلك يعني أن النموذج لا يمثل البيانات بشكل واضح.

(E(intial)=Y(intial)- F(x,B)

ومن ناحية أخرى، أن كان النموذج يتوائم مع البيانات بطريقة صحيحة فإن البقايا قد تقترب من الأخطاء العشوائية التي قد تجعل العلاقة بين المتغيرات التفسيرية ومتغيرات الاستجابة علاقة احصائية.

وفي هذا السياق، حيث أن (yi) تدل على الاستجابة رقم (i) في مجموعة البيانات و (xi) هو متجة يعبر عن المتغيرات التفسيرية وكل مجموعة من القيم المناظرة توجد في الملاحظة رقم (i) في مجموعة البيانات.

ما رأيك في هذه المقالة؟

📝 هل في هذه المقالة خطأ؟

إذا وجدت معلومة تحتاج تصحيحاً أو إضافة، أو أردت حذف المقالة، أرسل لنا طلباً وسنراجعه.