गृह उलट जाणे: मॉडेल आणि पद्धती

и дискриминантного анализа используются тогда, когда необходимо четко дифференцировать респондентов по целевым категориям. गृह मिळवायची आणि discriminant विश्लेषण होतो, ते स्पष्टपणे सर्वेक्षणात लक्ष्य श्रेणी भेद आवश्यक आहे तेव्हा. शिवाय, या गटांना एकाच univariate घटक स्तर आहेत. а также выясним, для чего она нужна. अधिक तपशील गृह मिळवायची मॉडेल विचार, तसेच ते होते काय शोधण्यासाठी.

विहंगावलोकन

, может выступать классификация респондентов по группам покупающих и не покупающих горчицу. समस्या एक उदाहरण, गृह मिळवायची वापरली जाते समाधान, गट खरेदी सर्वेक्षणात आणि मोहरी खरेदी एक वर्गीकरण असू शकते. भेद सामाजिक-डेमोग्राफिक वैशिष्ट्ये त्यानुसार चालते. हे, विशेषतः, वय, लिंग, कुटुंबातील सदस्यांची संख्या, उत्पन्न आणि वर यांचा समावेश आहे. वेगळा निकष व ऑपरेशन मध्ये चल आहेत. नंतरचे, जे लक्ष्य वर्गात encodes खरं, सर्वेक्षणात विभाजीत करणे आवश्यक आहे.

पटकथा लेखन

, значительно уже, чем для дискриминантного анализа. तो म्हणाला करणे आवश्यक आहे लागू मिळवायची लॉजिस्टिक, जास्त discriminant विश्लेषण काहीशा प्रकरणांची श्रेणी आहे. या संदर्भात, भेद एक सार्वत्रिक पद्धत म्हणून नंतरचे वापर अधिक प्राधान्य मानली जाते. शिवाय, तज्ञ वर्गीकरण अभ्यास discriminative विश्लेषण सुरू शिफारस. आणि फक्त परिणाम साठी अनिश्चितता बाबतीत गृह मिळवायची वापरले जाऊ शकते. या गरज अनेक घटक झाले आहे. используется при наличии четкого представления о типе независимых и зависимых переменных. स्वतंत्र आणि अवलंबून चल प्रकार स्पष्ट कल्पना आहे, तेव्हा गृह मिळवायची वापरले जाते. त्यानुसार, 3 शक्य प्रक्रियेची एक निवडले. discriminant विश्लेषण, संशोधक नेहमी एक स्थिर ऑपरेशन वागण्याचा आहे तेव्हा. तो कोणत्याही प्रकारच्या प्रमाणात एक अवलंबून आणि अनेक स्वतंत्र स्पष्ट चल सहभाग.

प्रकार

, состоит в определении вероятности того, что определенный респондент будет отнесен к той или иной группе. उद्देश संख्याशास्त्रीय संशोधन, एक गृह मिळवायची वापरते जे, एक विशिष्ट प्रतिवादी एक विशिष्ट गट नियुक्त केले जाणार नाही की संभव निश्चित आहे. भेद काही मापदंड त्यानुसार चालते. सराव, एक किंवा अधिक स्वतंत्र घटक मूल्ये त्यानुसार सर्वेक्षणात दोन गटांमध्ये वर्गीकरण केले जाऊ शकते. . या प्रकरणात, एक बायनरी गृह मिळवायची आहे. तसेच निर्देशीत घटके गट वाटप वापरले जाऊ शकते दोन पेक्षा जास्त आहे. अशा परिस्थितीत एक MULTINOMIAL गृह मिळवायची आहे. परिणामी गट कोणत्याही एक परिवर्तनशील पातळी व्यक्त केली.

उदाहरणार्थ

समजा ते मॉस्को च्या उपनगरातील जमीन खरेदी करण्याची ऑफर रूची आहे की नाही हे प्रश्न करण्यासाठी सर्वेक्षणात उत्तरे आहेत. या प्रकरणात, पर्याय "नाही" आणि "होय." आम्ही संभाव्य खरेदीदार निर्णय एक प्रबळ प्रभाव आहे घटक काय शोधण्यासाठी आवश्यक आहे. या प्रतिवादी प्रश्न प्रदेश पायाभूत सुविधा बद्दल सांगितले जाते, भांडवल, जमीन क्षेत्र, उपस्थिती / निवासी इमारती अभाव आणि त्यामुळे वर. वापरून बायनरी मिळवायची अंतर, सर्वेक्षणात दोन गट वितरित केले जाऊ शकते. संभाव्य खरेदीदार, आणि दुसरा, अनुक्रमे, अशा ऑफर रस नाही ज्यांना - प्रथम खरेदी रस ज्यांनी समावेश असेल. प्रत्येक प्रतिवादी साठी, व्यतिरिक्त, तो नेमणूक संभाव्यता एक वर्ग किंवा दुसर्या गणना केली जाईल.

तुलनात्मक वैशिष्ट्ये

दोन या प्रश्नाचं उत्तर विपरीत वरील एक भिन्न नंबर आणि अवलंबून गट आणि स्वतंत्र चल प्रकार मध्ये समावेश. एक बायनरी उलट जाणे, उदाहरणार्थ, एक किंवा अधिक स्वतंत्र परिस्थिती विश्वास dichotomous घटक अभ्यास केला. या प्रकरणात, नंतरचे प्रमाणात कोणत्याही प्रकारच्या असू शकते. बहूलपदी मिळवायची वर्गीकरण आवृत्ती एक प्रकारचा मानले जाते. हे 2 पेक्षा जास्त गट अवलंबून चल संबंधित. स्वतंत्र घटक एक क्रमवाचक किंवा नाममात्र प्रमाणात एकतर असणे आवश्यक आहे.

SPSS मध्ये गृह पुन्ह

संख्याशास्त्रीय संकुल 11-12, विश्लेषण एक नवीन आवृत्ती ओळख - क्रम. अवलंबून घटक समान नाव (क्रमवाचक) प्रमाणात संबंधित तेव्हा ही पद्धत वापरली जाते. या प्रकरणात स्वतंत्र चल एक विशिष्ट प्रकार निवडला. ते क्रमवाचक किंवा नाममात्र एकतर असणे आवश्यक आहे. अनेक श्रेणींमध्ये वर्गीकरण सर्वात अष्टपैलू मानले जाते. ही पद्धत गृह मिळवायची वापरले सर्व अभ्यासात वापरले जाऊ शकते. , однако, можно только с помощью всех трех приемов. मॉडेल गुणवत्ता सुधारण्यासाठी, तथापि, केवळ सर्व तीन पद्धती वापरून शक्य आहे.

क्रमवाचक वर्गीकरण

हे संख्याशास्त्रीय संकुल मध्ये यापूर्वीच क्रमवाचक प्रमाणावर अवलंबून घटक ठराविक विशेष विश्लेषण सादर करण्याची संधी प्रदान केली जाणार नाही असे म्हटले जाते. सर्व चल साठी, 2 पेक्षा जास्त गट संख्या MULTINOMIAL पर्याय वापरले. तुलनेने अलीकडे ओळख क्रम विश्लेषण वैशिष्ट्ये संख्या आहे. ते प्रमाणात तो संयोजना खात्यात घेणे. часто не рассматривается как отдельный прием. दरम्यान, methodological पुस्तिकांमध्ये क्रमवाचक गृह मिळवायची अनेकदा स्वतंत्र रिसेप्शन म्हणून उपचार केले नाही आहे. खालीलप्रमाणे कारण आहे: सिरियल विश्लेषण MULTINOMIAL कोणत्याही लक्षणीय फायदे नाही. संशोधक तसेच उपस्थिती आणि क्रमवाचक, आणि नाममात्र अवलंबून चल मध्ये नंतरचे वापरू शकतो. असे, वर्गीकरण प्रक्रिया एकमेकांना जवळजवळ वेगळा करता न येण्यासारखा आहे. या भागभांडवल आदेश विश्लेषण कोणत्याही समस्या निर्माण होणार नाही याचा अर्थ असा की.

पर्याय विश्लेषण

एक बायनरी उलट जाणे - साध्या उदाहरण घ्या. उदाहरणार्थ, विशिष्ट महानगर विद्यापीठाच्या पदवीधर विपणन संशोधन मागणी अंदाजे प्रक्रियेत. प्रश्नावली, सर्वेक्षणात प्रश्न, यासह सांगितले होते:

1. आपण कार्य करत आहात? (Ql).
2. वर्ष पदवी (q 21) निर्दिष्ट करा.
3. आउटलेट (एखादी गोष्ट खरी आहे असे प्रतिज्ञेवर सांगणे) सरासरी स्कोअर काय आहे.
4. लिंग (q22).

позволит оценить воздействие независимых факторов aver, q 21 и q 22 на переменную ql. गृह मिळवायची मूल्यांकन केले जाईल स्वतंत्र घटक परिणाम एखादी गोष्ट खरी आहे असे प्रतिज्ञेवर सांगणे, q 21 व q 22 चल ql आहे. असे समजा की, विश्लेषण उद्देश क्षेत्रात वर्षाच्या अखेरीस, आणि सरासरी स्कोअर माहितीच्या आधारे पदवीधर शक्यता रोजगार निश्चित आहे.

गृह पुन्ह

बायनरी मिळवायची वापरून घटके सेट करण्यासाठी, Analyze►Regression►Binary Logistic मेनू वापरा. Logistic पुन्ह उपलब्ध चल अवलंबून घटक बाकी यादीत निवडा. ते ql आहे. हे चल अवलंबित क्षेत्रात स्थीत करणे आवश्यक आहे. q 21, q 22, एखादी गोष्ट खरी आहे असे प्रतिज्ञेवर सांगणे - त्यानंतर, आपण साइट Covariates स्वतंत्र घटक प्रविष्ट करणे आवश्यक आहे. मग आपण विश्लेषण मध्ये समाविष्ट करण्याच्या एक मार्ग निवडा करणे आवश्यक आहे. 2 पेक्षा जास्त स्वतंत्र घटक संख्या पाऊल सर्व चल मुलभूतरित्या प्रतिष्ठापीत केले जाते, एकाचवेळी प्रशासन आणि पाऊल पद्धत वापर करू नका. सर्वाधिक लोकप्रिय मार्ग मागास मानले जाते: एलआर. बटण निवडा वापर करून, आपण सर्व सर्वेक्षणात अभ्यास, आणि फक्त एका विशिष्ट लक्ष्य वर्गात समाविष्ट करू शकत नाही.

स्पष्ट व्हेरिएबल परिभाषित

चल 2 पेक्षा जास्त श्रेणी संख्या रेट आहे तेव्हा बाबतीत वापर करणे स्पष्ट बटणावर क्लिक करा. या परिस्थितीत, परिभाषित फक्त पर्याय ठेवलेल्या स्पष्ट Covariates ठाण्यात स्पष्ट व्हेरिएबल विंडो. या उदाहरणात, अशा चल गहाळ आहे. ड्रॉप-डाउन यादी केल्यानंतर, आयटम कॉन्ट्रास्ट बदल निवडा आणि बदला बटण क्लिक करा. एक परिणाम म्हणून, अवलंबून चल काही रेट घटक प्रत्येक केले जाणार आहे. त्यांची संख्या श्रेणी मूळ अटी संख्या परस्पर.

नवीन व्हेरिएबल जतन करा

मुख्य अभ्यासात जतन करा बटण वापरा नवीन सेटिंग्ज संवाद बॉक्स तयार करण्यासाठी सेट आहे. ते उलट जाणे प्रक्रियेत गणना संख्या असेल. विशेषतः, तो निश्चित चल तयार करणे शक्य आहे:

1. वर्गीकरण विशिष्ट श्रेणी (Groupmembership) राहण्याचे.
2. प्रत्येक अभ्यास गट (संभाव्यतेची) प्रतिवादी वगीर्करण संभाव्यता.

पर्याय बटण संशोधक वापरताना कोणत्याही लक्षणीय संधी मिळत नाही. यानुसार, तो दुर्लक्ष केले जाऊ शकते. मुख्य विंडो मध्ये "ठिक आहे" बटण दाबून केल्यानंतर विश्लेषण परिणाम प्रदर्शित केले जाईल.

गृह उलट जाणे पुरेसे गुणवत्ता नियंत्रण

टेबल ओम्नीबस Testsof मॉडेल Coefficients विचार करा. हे अंदाज मॉडेल गुणवत्ता विश्लेषण परिणाम दाखवतो. मुळे वाढीव पर्याय, आपण अंतिम टप्प्यात परिणाम पहाणे आवश्यक आहे की (चरण 2) केला आहे. सकारात्मक परिणाम विचार कोणते महत्त्व एक उच्च डिग्री (sig. <0,05) येथे पुढील चरण संक्रमण आढळले वाढ ची चौरस निर्देशांक. मॉडेल ओळीत मॉडेल गुणवत्ता अंदाज आहे. आपण एक नकारात्मक मूल्य मिळते, पण एकूणच उच्च भौतिकत्व मॉडेल, गेल्या व्यवहारात वापरता येण्याजोगे मानले जाऊ शकते, तर तो लक्षणीय मानली जात नाही तर.

टेबल

मॉडेल सारांश एकूण पांगापांग निर्देशांक, जे बांधण्यात मॉडेल (आकृती आर स्क्वेअर) वर्णन अंदाज उपलब्ध आहे. हे मूल्य Nagelker लागू करण्यासाठी शिफारस केली आहे. तो 0.50 पेक्षा जास्त असेल तर सकारात्मक सूचक, एक घटक Nagelkerke आर स्क्वेअर म्हणून मानले जाऊ शकते. एक किंवा अभ्यास अन्य श्रेणी राहण्याचे प्रत्यक्ष निर्देशक मिळवायची मॉडेल अंदाज त्या तुलनेत ज्या वर्गीकरण परिणाम मूल्यांकन केल्यानंतर. या कारणासाठी टेबल वर्गीकरण टेबल आहे. हे आपण प्रश्न गट प्रत्येक भेद दुरूस्ती बद्दल निष्कर्ष काढणे परवानगी देते. . खालील तक्ता शक्य विश्लेषण तसेच विना मानक घटक गृह मिळवायची गेला आकडेवारीच्या दृष्टीने महत्त्वाच्या स्वतंत्र घटक शोधण्यासाठी करते. या निर्देशक आधारावर एका विशिष्ट गटासाठी नमुना प्रत्येक प्रतिवादी च्या संलग्नता सांगता येत नाही. नवीन चल जतन करा बटण वापरून प्रविष्ट केले जाऊ शकतात. ते एका विशिष्ट वर्गीकरण श्रेणी (Predictedcategory) आणि या गटांना मध्ये समावेश शक्यता (पुर्वानूमानित संभाव्यतेची सदस्यता) सदस्यत्व वर माहिती असेल. मुख्य विंडो मध्ये "ठिक आहे" बटण दाबून केल्यानंतर बहूलपदी Logistic पुन्ह गणना परिणाम दिसून येईल.

प्रथम टेबल, संशोधक महत्त्वाचे निर्देशक असलेले - मॉडेल बनवणे माहिती. संख्याशास्त्रीय महत्व उच्चस्तरीय व्यावहारिक समस्या सोडवण्यासाठी मॉडेल वापर उच्च गुणवत्ता आणि योग्य सूचित करेल. आणखी एक महत्त्वाचा टेबल आभासी आर-स्क्वेअर आहे. आपण स्वतंत्र चल विश्लेषण, ती निवडलेली झाले आहे जे अवलंबून घटक, एकूण फरक प्रमाणात अंदाज करण्यास अनुमती देते. टेबल शक्यता प्रमाण चाचण्या त्यानुसार नंतरचे संख्याशास्त्रीय महत्व निष्कर्ष काढू शकतो. मापदंड अंदाज न मानक गुणक दर्शवतात. ते समीकरण बांधकाम वापरले जातात. याव्यतिरिक्त, चलने प्रत्येक संयोजन साठी अवलंबून घटक त्यांचे परिणाम आकडेवारी महत्त्व केले जाते. दरम्यान, बाजार संशोधन नाही स्वतंत्रपणे सर्वेक्षणात श्रेणी भेद करणं आवश्यक अनेकदा आहे, पण लक्ष्य भाग म्हणून. या कारणासाठी टेबल Observedand पुर्वानूमानित फ्रिक्वेन्सी.

व्यावहारिक अर्ज

विश्लेषण मानले पद्धत व्यापारी काम वापरले जाते. 1991 मध्ये, सिग्मा गृह मिळवायची निर्देशक विकसित केले होते. तो त्यांच्या "overheating" शक्यता दर अंदाज करण्यासाठी वापरले जाऊ शकते की एक-सुलभ वापर आणि प्रभावी साधन आहे. दर्शक समांतर विस्तार दोन ओळी स्थापना एका चॅनेलवर स्वरूपात एक आलेख तुत केले जाते. ते कल एक समान अंतर काढले. मार्ग रुंदी लांबी पूर्णपणे अवलंबून असेल. मौल्यवान धातू चलन जोड्या पासून - जवळजवळ सर्व मालमत्ता काम करताना सूचक वापरले जाते.

सराव, हे उत्पादन साधने वापरासाठी 2 की धोरण: यंत्रातील बिघाड आणि उलटे. नंतरचे प्रकरणात व्यापारी चॅनेल किंमत बदल प्रेरक शक्ती भर दिला जाईल. तो एक समर्थन किंवा विरोध ओळ दर खर्च आला म्हणून चळवळ उलट दिशेने सुरू संभव आहे. किंमत वरच्या मर्यादा लक्षपूर्वक तंदुरुस्त असेल, तर मालमत्ता काढली जाऊ शकते. तो कमी मर्यादा आहे तर, आपण खरेदी विचार करावा. धोरण यंत्रातील बिघाड वॉरंट वापर केला जातो. तुलनेने लहान अंतर मर्यादा बाहेर स्थापन केले जातात. काही प्रकरणांमध्ये किंमत थोड्या काळासाठी त्यांचे उल्लंघन की लक्षात घेवून आपण सुरक्षित प्ले आणि स्टॉप-तोटा निश्चित केले पाहिजे. त्याच वेळी, अर्थातच, पर्वा न करता निवड धोरण शांतपणे जास्तीत जास्त पाहणे आणि मुल्यांकन करण्याची बाजारात झाला आहे की परिस्थिती व्यापारी आवश्यक आहे.

निष्कर्ष

त्यामुळे गृह मिळवायची वापर आपण जलद आणि सहज निर्देशीत घटके नुसार श्रेणींमध्ये सर्वेक्षणात वर्गीकरण करण्यास अनुमती देते. एका विशिष्ट प्रकारे शक्य वापर विश्लेषण करताना. विशेषतः, विविध MULTINOMIAL अपगमनाच्या अष्टपैलुत्व. तथापि, तज्ञ सर्व कॉम्पलेक्स मध्ये वर वर्णन पद्धतींचा वापर शिफारस करतो. या प्रकरणात मॉडेल गुणवत्ता लक्षणीय जास्त असेल की खरं आहे. यामुळे, त्याच्या अनुप्रयोग कक्षा विस्तृत.