İstatistik – Sosyal Bilimlerde İstatistik (49) – Model Değerlendirmesi – İstatistik Nedir? – İstatistik Fiyatları – Ücretli İstatistik Yaptırma

0 (312) 276 75 93 @ İletişim İçin Whatsapp Mesajı + 90 542 371 29 52 - Ödev Yaptırma, Proje Yaptırma, Tez Yaptırma, Makale Yaptırma, Essay Yaptırma, Literatür Taraması Yaptırma, Vaka İncelemesi Yaptırma, Research Paper Yaptırma, Akademik Makale Yaptırma, İntihal Oranı Düşürme, İstatistik Ödev Yaptırma, İstatistik Proje Yaptırma, İstatistik Tez Yaptırma, İstatistik Makale Yaptırma, İstatistik Essay Yaptırma, Edebiyat Ödev Yaptırma, Edebiyat Proje Yaptırma, Edebiyat Tez Yaptırma, İngilizce Ödev Yaptırma, İngilizce Proje Yaptırma, İngilizce Tez Yaptırma, İngilizce Makale Yaptırma, Her Dilde Ödev Yaptırma, Hukuk Ödev Yaptırma, Hukuk Proje Yaptırma, Hukuk Tez Yaptırma, Hukuk Makale Yaptırma, Hukuk Essay Yaptırma, Hukuk Soru Çözümü Yaptırma, Psikoloji Ödev Yaptırma, Psikoloji Proje Yaptırma, Psikoloji Tez Yaptırma, Psikoloji Makale Yaptırma, İnşaat Ödev Yaptırma, İnşaat Proje Yaptırma, İnşaat Tez Yaptırma, İnşaat Çizim Yaptırma, Matlab Yaptırma, Spss Yaptırma, Spss Analizi Yaptırmak İstiyorum, Ücretli Spss Analizi, İstatistik Ücretleri, Spss Nedir, Spss Danışmanlık, İstatistik Hizmeti, Spss Analizi ve Sonuçların Yorumlanması, Spss Ücretleri, Tez Yazdırma, Ödev Danışmanlığı, Ücretli Ödev Yaptırma, Endüstri Mühendisliği Ödev Yaptırma, Tez Yazdırma, Matlab Ödev Yaptırma, Tez Danışmanlığı, Makale Danışmanlığı

1 Star2 Stars3 Stars4 Stars5 Stars (Bu yazıya oy vermek ister misiniz?)
Loading...

İstatistik – Sosyal Bilimlerde İstatistik (49) – Model Değerlendirmesi – İstatistik Nedir? – İstatistik Fiyatları – Ücretli İstatistik Yaptırma

29 Eylül 2020 istatistiğin bir testiyle ilişkili Bayes p değeri ( İstatistik – Sosyal Bilimlerde İstatistik (49) – Model Değerlendirmesi – İstatistik Nedir? – İstatistik Fiyatları – Ücretli İstatistik Yaptırma Model Değerlendirmesi Ödevcim Akademik orijinal numunenin çeşitli özellikleri Orijinal veri kümesi örnek ortalamasının medyana oranının dağılımı örneklerin dağılımı ve orijinal verileri verilerin çeşitli yönlerine 0
İstatistik – Sosyal Bilimlerde İstatistik (49) – Model Değerlendirmesi – İstatistik Nedir – İstatistik Fiyatları – Ücretli İstatistik Yaptırma

 

On yılı aşkın süredir ödev yapma desteği veren Ödevcim Akademik, size İstatistiğin her alanında yardımcı olacaktır. Sosyal Bilimlerde İstatistik, İstatistik Nedir, İstatistik Fiyatları, Ücretli İstatistik Yaptırma, Analiz Yaptırma, Veri Analizi Yaptırma aramalarında sizde Ödevcim Akademik destek olsun istiyorsanız yapmanız gerekenler çok basit. Öncelikle İstatistik ile ilgili belgelerinizi akademikodevcim@gmail.com sayfamızdan gönderebilir ödevleriniz, tezleriniz, makaleleriniz ve projeleriniz ile ilgili destek alabilirsiniz.


Model Değerlendirmesi

Tolerans sonuç değişkenini sürekli bir ölçümmüş gibi modelledim, ancak aslında beş kategorili tek bir sıra öğesidir. Bu nedenle, modelin uyumunu değerlendirmeli ve verilere uyduğunu doğrulamalıyız. Tabloda sunulan R2 oldukça düşüktür (% 3), bu zayıf uyumu gösterir, ancak R2, modelin bu problemdeki verilere ne kadar iyi uyduğunun yalnızca bir yönünü ortaya çıkarır.

Kalan bazı sorular şunları içerir:

(1) Model, verilerin çeşitli yönlerine ne kadar iyi uyuyor? ve
(2) Modelin uyumsuzluğuna katkıda bulunan özellikle yetersiz takılan kasalar var mı?

Daha önceki bölümlerde tartışıldığı gibi, Bayesci bir yaklaşım bize bu soruları ele almak için klasik yaklaşıma göre çok daha fazla seçenek sunar ve bunu yaparken hem örneklemeyi hem de parametrik belirsizliği hesaba katmamızı sağlar.

Bu soruları yanıtlamaya başlamak için posterior öngörücü simülasyon kullandım. Örnekteki her bir kişi için, örneklenen her β ve σe2 değerini kullanarak, aynı ortak değişken yapıya sahip 1.000 posterior tahmin durumu oluşturdum. Bu yaklaşım iki adım gerektirir:

1. yˆij = xTi βj, ∀ bireyler, i ve regresyon katsayılarının βj tüm örneklenmiş değerlerini hesaplayın.
2. Her durum için yj = yˆj + N (0, σ2 (j)) tahmin puanını simüle edin. 

Orijinal veri kümesini eksiksiz verilerle orijinal örnek üyelerini temsil eden 2,313 satır ve 9 tahminciyi ve sonuç değişkenini temsil eden 10 sütunla görselleştirirseniz, bu tahmini durumlar, veri dizisinin sütun alanını ek 1000 sütunlar.

Herhangi bir sıra, i için, her yeni sütun (j), ve σe2’nin j. örneklenmiş değerinin bir fonksiyonu olarak yj sonucuyla ve i’inci kişinin ortak değişken profiliyle gelecekteki bir gözlemi temsil eder. Bu nedenle, her yeni tam sütun, kopyalanmış bir örnek olarak kabul edilebilirken, her satırın yeni 1.000 öğesi, farklı parametre değerleri altında bireysel i’nin kopyaları olarak düşünülebilir.

Bu, bir modelin orijinal numunenin çeşitli özelliklerine (y’nin ortalamasının medyanına oranı gibi) ne kadar iyi uyduğunu, tekrarlanan örneklerde bu değerlerin sütun bazında toplanmasını inceleyerek inceleyebileceğimiz anlamına gelir. Ayrıca, örnekteki her gözlem için satır bazında dağılımları inceleyerek bir modelin belirli durumlara ne kadar iyi uyduğunu inceleyebiliriz.

Bu özel örnek için, birinci tipin – örneklem seviyesi özelliklerinin üç posterior tahmine dayalı dağılım özelliğini ele aldım. İlk olarak, y’nin yinelenen değerlerinin dağılımının orijinal y’nin dağılımıyla ne ölçüde eşleştiğini inceledim.

Üstteki grafik bu sonucu göstermektedir. Genel olarak, tekrarlanan verilerin dağılımı, gözlemlenen verilerinkiyle oldukça iyi eşleşiyor gibi görünmektedir. İkinci olarak, y’nin ortalamasının medyanına oranını hesapladım. Şekildeki ikinci grafik, tekrarlanan örneklerde ortalamanın ortancaya oranının dağılımının 1’in üzerinde ortalandığını (olması gerektiği gibi, hata dağılımının normal kabul edildiği varsayılırsa) gösterirken, gözlenen oran idi.

Grafiğin gösterdiği gibi, bu istatistiğin bir testiyle ilişkili Bayes p değeri (ortalama / medyan oranı), modelin verilere çok zayıf uyduğunu gösteren 0 (veya 1) olacaktır. Üçüncüsü, her bir posterior prediktif örnekten y aralığını hesapladım. Şekildeki üçüncü grafik, modelin uyumsuz olduğunu pekiştiriyor. Bu grafik, tekrarlanan verilerdeki değerler aralığının, gözlemlenen verilerdeki aralık için dikey bir referans çizgisiyle dağılımını gösterir. Yine, arka öngörücü dağılım, zayıf uyumu gösteren gözlenen değerle örtüşmez.

Posterior tahmin dağılımları aşağıdaki gibidir:

(1) Tüm tekrarlanan örneklerin dağılımı ve orijinal verilerin dağılımı;

(2) gözlenen oran üst üste bindirilerek örnek ortalamasının medyana oranının dağılımı; ve

(3) üst üste binmiş gözlenen aralık ile tahmin edilen değerlerin aralıklarının dağılımı.

Modelin genel uyumunun bu testlerine ek olarak, yukarıda da söylediğim gibi, yeni gözlemlerin satır bazında koleksiyonunu inceleyerek ve her biri için gözlenen y değeri ile karşılaştırarak bir modelin belirli bir duruma ne kadar iyi uyduğunu inceleyebiliriz. bireysel. Potansiyel aykırı değerleri belirlemenin bir yolu, yanıt değişkeninde daha yüksek (veya daha düşük) bir değere sahip olacak i kişisi için gelecekteki gözlemlerin oranını hesaplamaktır.

Posterior tahmin dağılımının aşırı olduğu gözlemlenen durumlar (ya yüksek ya da düşük posterior prediktif vakaların oranı gözlenen değeri aşar) modelin bu vaka için sonuca tam olarak uymama eğiliminde olduğunu gösterir.

Örneğin, 1.452 kişisinin sonuç değişkeni için gözlemlenen değeri 5 idi, ancak bu birey için posterior prediktif vakaların% 8’inin tahmini y değeri bu değeri aştı (ve posterior prediktif vakaların% 99.2’si bu değer), bu da bu durumun modele uygun olmadığını göstermektedir. Benzer şekilde, 1.997 kişisi, gözlemlenen toleransını (% 100.0) aşan tahmini tolerans seviyesi ile gelecekteki gözlemlerin en büyük oranına sahiptir.

31 yaşında beyaz olmayan bir kadındı ve 12 yıllık eğitim gördü ve 4.500 dolarlık aile geliri Güney’de sürekli ikamet ediyordu. Beklenen toleransı, gözlemlenenden çok daha yüksekti. Şekil 7.4 bu iki aşırı durumu göstermektedir. Şekilde görüldüğü gibi, bu iki kişi için posterior tahmin dağılımları onlar için y’nin gerçek değerleri üzerinde ortalanmamıştır, bu da bu vakaların uyumunun zayıf olduğunu gösterir.

Bu tür kişilerin aykırı değerler olup olmadığını veya modelin belirli ortak değişkenlere uyup uymadığını belirlemek için, olası aykırı değerlerin koleksiyonlarını inceleyebilir ve benzer özellikleri paylaşıp paylaşmadıklarını belirleyebiliriz. Örneğin, bu verilerde toleransı önemli ölçüde yetersiz tahmin edilen yalnızca bir kişi (1,452) olmasına rağmen, gözlemlenen sonucu aşan tekrarlanan sonuçların oranının en az% 99 olduğu 31 gözlem vardır. Bu bireyler, bir veya daha fazla ortak değişken üzerinde birbirlerine büyük ölçüde benziyorlarsa, bunun anlmı modelin bu ortak değişkenlere tam olarak uymaması olacaktır.

Üst üste binen 31 potansiyel dış durum için bu değişkenlerin dağılımı ile birlikte yaş, eğitim ve gelir örnek dağılımını göstermektedir. Şekil, bu bireylerin bu üç özellik açısından genel örneklemden farklı görünmediğini açıkça göstermektedir. Bu nedenle, en azından mevcut model bağlamında, bu davaların muhtemelen basitçe aykırı değerler olduğu sonucuna varmak mantıklıdır. Düşük tolerans seviyelerini açıklamaya yardımcı olabilecek ek ortak değişkenler eklemeyi muhtemelen düşünmeliyiz.


On yılı aşkın süredir ödev yapma desteği veren Ödevcim Akademik, size İstatistiğin her alanında yardımcı olacaktır. Sosyal Bilimlerde İstatistik, İstatistik Nedir, İstatistik Fiyatları, Ücretli İstatistik Yaptırma, Analiz Yaptırma, Veri Analizi Yaptırma aramalarında sizde Ödevcim Akademik destek olsun istiyorsanız yapmanız gerekenler çok basit. Öncelikle İstatistik ile ilgili belgelerinizi akademikodevcim@gmail.com sayfamızdan gönderebilir ödevleriniz, tezleriniz, makaleleriniz ve projeleriniz ile ilgili destek alabilirsiniz.


 

Bir cevap yazın

E-posta hesabınız yayımlanmayacak. Gerekli alanlar * ile işaretlenmişlerdir