సహసంబంధ గుణకం - లక్షణం సహసంబంధం మోడల్

సహసంబంధం మోడల్ (CM) - ఉత్పాదక సూచిక ఒకటి లేదా ఎక్కువ సూచికలను బట్టి అంచనా వేయగల దీనిలో ఒక గణిత సమీకరణం యొక్క స్వీకరణ అందించే ఒక లెక్కింపు కార్యక్రమం.

yx = Ao + a1h1

పేరు: y - పనితీరు సూచికలు, X ఫాక్టర్ ఆధారపడి;

x - సైన్ ఫ్యాక్టర్;

A1 - y ప్రభావితం చేసే అన్ని ఇతర కారకాలు మారదు ఉంటే, ఒక ద్వారా X ఫాక్టర్ మార్చినపుడు ఉత్పాదక సూచిక లో ఎంత మార్పు చూపిస్తూ KM పారామితి;

AO CM పారామితి y యొక్క ప్రభావవంతమైన ఇండెక్స్ లో అన్ని ఇతర కారణాల ప్రభావం చూపే అంశం వేరియబుల్ x కంటే ఇతర,

ప్రభావవంతంగా సూచికలను మరియు కారక నమూనాలు ఎంచుకోవడం ఖాతాలోకి తీసుకోవాలి హేతుత్వము గొలుసు పనితీరు సూచికలు పనితీరు అంశం కంటే అధిక స్థాయిలో నిలిచి వాస్తవం.

ఫీచర్స్ సహసంబంధం మోడల్

సహసంబంధం మోడల్ పారామితులు లెక్కించిన సహసంబంధ గుణకం గణన తరువాత.

p - సాధారణ సహసంబంధ గుణకం, -1 ≤ r ≤ 1, అది ప్రభావం అంశం స్కోర్ బలం మరియు దిశలో సూచిక చూపిస్తుంది. సంబంధం 0 దగ్గరగా 1 కి దగ్గరగా, బలమైన, బాండ్ బలహీనమని. ఎత్తివేశారు - సహసంబంధ గుణకం సానుకూల ఉంటే, అప్పుడు కనెక్షన్ నేరుగా, ప్రతికూల ఉంటే.

సహసంబంధ గుణకం సూత్రం: pxy = (x-x * 1 / y) / * eu eh

eh = hh2- (x) 2; eu = y2 (y) 2

ఉంటే CM సరళ బహుకారణాల, రూపం కలిగి:

yx = Ao + a1h1 a2x2 + + ... + anx

అప్పుడు అది బహుళ సహసంబంధ గుణకం ద్వా.

0 ≤ P ≤ 1, మరియు అన్ని కలిసివున్న అంశం స్కోరు సూచికలను ప్రభావం బలం చూపిస్తుంది.

పి = 1- ((yi-యి) 2 / (yi -usr) 2)

ఎక్కడ: ఊ - ఉత్పాదక సూచిక - లెక్కించిన విలువ;

yi - అసలు విలువ;

usr- వాస్తవ విలువ, సగటు.

బదులుగా x1, x2 సహసంబంధంలో మోడల్ బదులుగా ద్వారా పొందిన అంచనా విలువ yi మొదలైనవి వారి అసలైన విలువలు.

Univariate మరియు వివిధ అంశాలపై నమూనాలకు విరళ సహసంబంధం నిష్పత్తి లెక్కిస్తారు:

-1 ≤ m ≤ 1;

0 ≤ m ≤ 1

ఇది నమ్ముతారు ప్రభావవంతమైన మరియు కారకమైన సూచికల నమూనాలో మధ్య సంబంధం బలహీన, ఉంటే పరిధి 0-0.3 లో కలపడం గుణకం (m) బిగుతు; 0.3-0.7 ఉంటే - సంబంధం దాడిగా - సగటు; 0.7-1 పైన - ఒక బలమైన బంధం.

నుండి సహసంబంధ గుణకం (ఆవిరి) R, సహసంబంధ గుణకం (బహుళ) R, సహసంబంధం నిష్పత్తి m - సంభావ్యత విలువ, వాటి ప్రాముఖ్యత గుణకాలు కోసం లెక్కించిన ఇది (పట్టికలు ద్వారా నిర్వచిస్తారు). ఈ కోఎఫీషియంట్స్ వారి పట్టిక విలువ కంటే ఎక్కువ ఉంటే, కనెక్షన్ గుణకాలు సాన్నిహిత్యం ముఖ్యమైన కారణాలు ఉన్నాయి. పట్టిక విలువలతో పోలిస్తే లేదా స్వీయ కలపడం గుణకం ఉంటే చిన్న essentiality బిగుతు కలపడం గుణకాలతో 0.7 కంటే తక్కువ ఉంటే, మోడల్ గణనీయంగా ఫలితంగా ప్రభావితం చేసే అన్ని కారకమైన పారామితులు కలిగి లేదు.

నిర్ణయంలో గుణకం లో మోడల్ పారామితులు ఫలితంగా యొక్క ఆకృతిని నిర్ణయిస్తాయి చేర్చారు శాతం అంశం ప్రదర్శించాడు.

D = ప్రా 2 * 100%

D = p2 * 100%

D = m 2 * 100%

నిర్ణయంలో గుణకం 50 కంటే ఎక్కువ ఉంటే, అప్పుడు నమూనా తగినంతగా ప్రక్రియ కింద, 50 కంటే తక్కువ, అది తిరిగి నిర్మాణానికి మొదటి దశకు వెళ్ళడానికి, మరియు నమూనా లో చేర్చటానికి ఎంపిక అంశం సూచికలను పునరుద్దరించాలని అవసరం వివరిస్తుంది.

ఫిషర్ ఫిషర్ కారకం లేదా ప్రమాణం మొత్తంగా మోడల్ సామర్థ్యాన్ని అందిస్తుంది. లెక్కించిన నిష్పత్తి పట్టిక కంటే ఎక్కువ ఉంటే, నిర్మించిన మోడల్ భవిష్యత్తులో పరిష్కారం విశ్లేషణపై అలాగే ప్రణాళిక సూచికలను కోసం అనుకూలంగా ఉంటుంది. సుమారు పట్టిక విలువ = 1.5. లెక్కించిన విలువ పట్టిక కంటే తక్కువ ఉంటే, మీరు మొదటి ఫలితం ప్రభావితం ముఖ్యమైన కారకాలు సహా ఒక మోడల్, నిర్మించడానికి ఉండాలి. మొత్తం నమూనా యొక్క సామర్థ్యం పాటు గణనీయంగా ప్రతి రిగ్రెషన్ గుణకం ప్రభావితం. ఈ నిష్పత్తికి లెక్కించిన విలువ తీవ్రతతో పట్టికలో మించిపోయింది ఉంటే, లెక్కించిన గుణకం నమూనా లెక్కల నుంచి తొలగిస్తారు ఇది తక్కువ, అప్పుడు కారకం పారామితి, మళ్ళీ ప్రారంభించడానికి ఉంటే రిగ్రెషన్ గుణకం విశిష్టమైనది, కానీ ఈ అంశం లేకుండా.