منطقی رجعت: ماڈل اور طریقوں

и дискриминантного анализа используются тогда, когда необходимо четко дифференцировать респондентов по целевым категориям. لوجسٹک ریگریشن اور تبعیض تجزیہ کے طریقوں کو استعمال کیا جاتا ہے جب یہ ہدف اقسام کے ذریعہ جواب دہندگان کو واضح طور پر مختلف کرنا ضروری ہے. اس صورت میں، گروپوں کو ایک واحد متحرک پیرامیٹر کی سطح کی طرف سے نمائندگی کی جاتی ہے. а также выясним, для чего она нужна. آئیے لوکسٹک ریگریشن ماڈل تفصیل سے غور کریں اور یہ بھی معلوم کریں کہ یہ کیوں ضروری ہے.

عمومی معلومات

, может выступать классификация респондентов по группам покупающих и не покупающих горчицу. جس کے حل میں ایک مسئلہ کا ایک مثال استعمال کیا جاتا ہے، خریداروں کے گروہوں کی طرف سے جواب دہندگان کی درجہ بندی کی جا سکتی ہے جو محافظ خریدتے نہیں ہیں. سماجی - ڈیموگرافک خصوصیات کے مطابق مختلف فرقہ وارانہ عمل کیا جاتا ہے. ان میں سے، خاص طور پر عمر، صنف، رشتہ داروں کی تعداد، آمدنی، وغیرہ شامل ہیں. آپریشن میں مختلف معیارات اور متغیر ہیں. اختتام ہدف والے زمروں کو، جس میں، حقیقت میں، جواب دہندگان کو الگ کرنے کی ضرورت ہے.

Nuances

, значительно уже, чем для дискриминантного анализа. یہ غور کرنا چاہیے کہ مقدمات کی رینج جس میں لاجسٹک ریگریشن کا اطلاق ہوتا ہے وہ مختلف وابستہ تجزیہ کے مقابلے میں کافی محدود ہے. اس سلسلے میں، اخلاقی طریقہ کار کے طور پر اخلاقی طریقہ کار کے استعمال کو ترجیحی سمجھا جاتا ہے. اس کے علاوہ، ماہرین تجزیہ کارانہ تجزیہ کے ساتھ درجہ بندی کے مطالعہ شروع کرنے کی سفارش کرتے ہیں. اور صرف نتائج کے لئے غیر یقینی صورتحال کی صورت میں آپ لاجسٹک ریپریشن کا استعمال کرسکتے ہیں. یہ ضرورت کچھ عوامل کی وجہ سے ہے. используется при наличии четкого представления о типе независимых и зависимых переменных. جب آزادی اور انحصار متغیر کی قسم کی واضح سمجھا جاتا ہے تو منطقی رجعت استعمال ہوتا ہے. اس کے مطابق، 3 ممکنہ طریقہ کار میں سے ایک منتخب کیا جاتا ہے. تبصری تجزیہ کے ساتھ، محقق ہمیشہ ایک جامد کارروائی سے متعلق ہے. اس میں کسی بھی قسم کے پیمانے پر ایک انحصار اور کئی آزاد زمرہ متغیر شامل ہیں.

اقسام

, состоит в определении вероятности того, что определенный респондент будет отнесен к той или иной группе. اعداد و شمار کی تحقیق کا کام جس میں لاجسٹک ریگریشن کا استعمال کیا جاتا ہے اس کا تعین کرنے کے لئے یہ ہے کہ ایک مخصوص جواب دہندہ کسی خاص گروہ کو مقرر کیا جائے گا. متعدد پیرامیٹرز کے مطابق مختلف ہوتی ہے. عملی طور پر، ایک یا کئی آزاد عوامل کے مطابق، جواب دہندگان کو دو گروہوں میں درجہ بندی کرنا ممکن ہے. . اس صورت میں، بائنری لاجسٹک ریگریشن ہوتا ہے. اس کے علاوہ، مخصوص پیرامیٹرز گروپوں کو مختص کرنے کے لئے استعمال کیا جا سکتا ہے جو دو سے زائد ہیں. اس صورت حال میں، ایک کثیر مقصدی لاجسٹک ریگریشن ہے. نتیجے کے گروپ ایک متغیر کی سطح کی طرف سے اظہار کیا جاتا ہے.

مثال:

آتے ہیں کہ اس سوال کے جواب دہندگان کے جوابات ہیں کہ کیا وہ ماسکو کے ایک زیر زمین میں زمین کی سازش حاصل کرنے کے لئے پیشکش میں دلچسپی رکھتا ہے. اختیارات "نہیں" اور "ہاں" ہیں. یہ ضروری ہے کہ یہ پتہ چل سکے کہ عوامل ممکنہ خریداروں کے فیصلے پر بنیادی اثرات مرتب کرتے ہیں. ایسا کرنے کے لئے انٹرویو نے علاقے کے بنیادی ڈھانچے، پلاٹ سے فاصلے، پلاٹ کے علاقے، رہائشی ڈھانچے کی موجودگی / غیر موجودگی کے بارے میں سوالات سے پوچھا جاتا ہے، وغیرہ بائنری رجعت کا استعمال کرتے ہوئے، جواب دہندگان کو دو گروپوں میں تقسیم کیا جاسکتا ہے. سب سے پہلے ان میں شامل ہوں گے جنہوں نے حاصل کرنے میں دلچسپی رکھتے ہیں - ممکنہ خریداروں اور دوسری، بالترتیب، وہ لوگ جو اس طرح کے ایک تجویز میں دلچسپی رکھتے ہیں. ہر جواب دہندہ کے لئے، اس کے علاوہ، ایک قسم کا حوالہ دینے کا امکان شمار کیا جائے گا.

موازنہ خصوصیات

مندرجہ بالا مندرجہ بالا دو متغیرات سے فرق مختلف تعداد میں گروپوں پر مشتمل ہے اور انحصار اور آزاد متغیرات کی قسم ہوتی ہے. ایک بائنری رجعت میں، مثال کے طور پر، ایک یا زیادہ آزاد شرائط پر تحریر عنصر کے انحصار کا مطالعہ کیا جاتا ہے. بعد میں کسی قسم کے پیمانے پر ہوسکتا ہے. Multinomial رجفریشن اس درجہ بندی کے اختیارات کی ایک مختلف قسم کے سمجھا جاتا ہے. انحصار متغیر متغیر میں 2 گروپوں سے زیادہ ہیں. آزاد عوامل کو بھی ایک لازمی یا نامزد پیمانے پر ہونا چاہئے.

اسپیس میں منطقی رجعت

اعداد و شمار کے پیکیج 11-12 میں تجزیہ کا ایک نیا ورژن متعارف کرایا گیا تھا: متوقع. اس طریقہ کو اس صورت میں استعمال کیا جاتا ہے جب انحصار کا عنصر اسی (آرٹیکل) پیمانے پر ہوتا ہے. اس صورت میں، آزاد متغیر ایک مخصوص قسم کا انتخاب کیا جاتا ہے. انہیں یا تو لازمی یا نامزد ہونا چاہیے. کئی اقسام کی طرف سے درجہ بندی سب سے زیادہ عالمگیر سمجھا جاتا ہے. یہ طریقہ کار تمام مطالعات میں استعمال کیا جاسکتا ہے جس میں لاجسٹک ریپریشن استعمال ہوتا ہے . , однако, можно только с помощью всех трех приемов. تاہم، ماڈل کی کیفیت کو بہتر بنانے کے لئے صرف تین تخنیکوں کی مدد سے ممکن ہے.

اندرونی درجہ بندی

یہ قابل ذکر ہے کہ اعداد و شمار کے پہلے پیکج میں وہاں تعیناتی عوامل کے ساتھ مخصوص عوامل کے لئے خصوصی تجزیہ کرنے کا ایک عام امکان نہیں ہے. 2 سے زائد گروہوں کی تعداد کے ساتھ تمام متغیرات کے لئے، ایک کثیر مقصدی مختلف قسم کا استعمال کیا گیا تھا. ایک نسبتا حال ہی میں تعیناتی تجزیہ میں کئی خصوصیات ہیں. وہ پیمانے کی خاصیت پر غور کرتے ہیں. часто не рассматривается как отдельный прием. دریں اثنا، طرز عمل کے دستخط میں، لازمی لاجسٹک ریگریشن اکثر الگ الگ تکنیک نہیں سمجھا جاتا ہے. یہ مندرجہ بالا کی وجہ سے ہے: کثیر مقصود کے دوران تجزیہ کا تجزیہ کوئی اہم فائدہ نہیں ہے. اگر محققین اور ایک ناممکن دونوں متغیر متغیر ہے تو محققین کو بعد میں استعمال کیا جا سکتا ہے. ایک ہی وقت میں، درجہ بندی کے عمل خود کو ایک دوسرے سے زیادہ متفق نہیں ہوتے ہیں. اس کا مطلب یہ ہے کہ تعیناتی تجزیہ کرنے میں کوئی مشکلات نہیں ہوگی.

تجزیہ اختیار

ایک سادہ کیس پر غور کریں - بائنری ریپریشن. فرض کریں، مارکیٹنگ کی تحقیق کے عمل میں، دارالحکومت میں ایک خاص ہائی اسکول کے گریجویٹز کا تعلق اندازہ لگایا جاتا ہے. سوالنامہ میں، جواب دہندگان سے سوالات پوچھے گئے ہیں، بشمول:

1. کیا تم کام کر رہے ہو؟ (QL).
2. گریجویشن (ق 21) کے سال کا اشارہ.
3. اوسط گریجویشن نقطہ (ایور) کیا ہے.
4. جنس (q22).

позволит оценить воздействие независимых факторов aver, q 21 и q 22 на переменную ql. متنوع qL پر منطقی رجحان کو آزاد عوامل کی سطح، ق 21 اور 22 کے اثرات کا اندازہ کرنے کی اجازت دے گی. بس ڈالیں، تجزیہ کا مقصد گریجویٹوں کے میدان میں، گریجویشن اور اوسط سکور کے سال کے بارے میں معلومات کی بنیاد پر روزگار کا تعین کرنے کے لئے ہو گا.

منطقی ریگریشن

بائنری ریپریشن کا استعمال کرتے ہوئے پیرامیٹرز قائم کرنے کے لئے، END_Rrigression►Binary Logistic مینو کا تجزیہ کریں. منطقی ریگریشن ونڈو میں، آپ کو دستیاب متغیرات کی بائیں فہرست میں انحصار عنصر کو منتخب کرنے کی ضرورت ہے. وہ ql ہے. اس متغیر کو لازمی علاقے میں رکھنا چاہئے. اس کے بعد، آزاد عوامل کو جانیاتی سائٹ میں پیش کرنا چاہئے - 21، ق 22، آب. اس کے بعد آپ کو تجزیہ میں شامل کرنے کا ایک طریقہ منتخب کرنا ہوگا. اگر آزاد عوامل کی تعداد 2 سے زائد ہے، تو پھر تمام متغیرات کے ساتھ ساتھ ڈیفالٹ کے ذریعہ انسٹال کیا جاتا ہے، یہ ایک قدم بہ قدم نہیں ہے. سب سے زیادہ مقبول طریقہ بیکورڈ: ایل آر. منتخب کردہ بٹن کا استعمال کرتے ہوئے، آپ مطالعہ میں تمام جواب دہندگان شامل نہیں کرسکتے ہیں، لیکن صرف ایک مخصوص ہدف کی قسم.

زمرہ متغیرات کی وضاحت کریں

اس قسم کے بٹن کو استعمال کیا جانا چاہئے جب ایک آزاد متغیر میں سے ایک نامزد ہو اور زمرے کی تعداد 2 سے زائد ہے. اس صورت حال میں، کلیدی متغیر وابستہ ونڈو میں، یہ پیرامیٹر درجہ بندی کاروائیٹ سیکشن پر رکھی جاتی ہے. اس مثال میں، ایسی متغیر نہیں ہے. اس کے بعد، قطع نظر کی ڈراپ ڈاؤن فہرست میں، انحراف کا انتخاب کریں اور تبدیلی کے بٹن کو دبائیں. نتیجے کے طور پر، ہر انفرادی متغیر ہر نامزد عنصر سے قائم کی جائے گی. ان کی تعداد اصل حالت کی اقسام کی تعداد کے مطابق ہے.

نئی متغیرات محفوظ کریں

محفوظ کریں بٹن کا استعمال کرتے ہوئے، آپ کو اہم تحقیق ڈائیلاگ باکس میں نئے پیرامیٹرز بناتے ہیں. ان میں رجسٹرریشن کے عمل میں شمار اشارے شامل ہوں گے. خاص طور پر، آپ متغیر بنا سکتے ہیں جو بیان کرتے ہیں:

1. درجہ بندی کی ایک خاص قسم کے مطابق (گروپ کی شریعت).
2. ہر مطالعے کے گروہ (احتساب) میں جواب دہندگان کو تفویض کرنے کا امکان.

اختیارات کے بٹن کا استعمال کرتے وقت، محقق کسی اہم خصوصیات کو نہیں ملتا. اس کے مطابق، یہ نظر انداز کیا جا سکتا ہے. "OK" بٹن پر کلک کرنے کے بعد، تجزیہ کا نتیجہ اہم ونڈو میں پیش کیا جائے گا.

کافی مقدار اور لاجسٹک ریگریشن کے معیار کا کنٹرول

Omnibus Testsof ماڈل کی ضعیف میز پر غور کریں. یہ ماڈل کے سنجیدگی کے معیار کے تجزیہ کے نتائج کو ظاہر کرتا ہے. حقیقت یہ ہے کہ ایک مرحلہ وار ورژن بیان کیا گیا تھا، اس کے آخری مرحلے کے نتائج کو دیکھنے کے لئے ضروری ہے (Step2). ایک مثبت نتیجہ تصور کیا جائے گا کہ چی-مربع اشارے میں اضافے کے نتیجے میں اعلی درجے کی اہمیت (Sig. <0.05) کے ساتھ اگلے مرحلے پر جائیں. نمونہ کی ماڈل ماڈل لائن میں اندازہ لگایا گیا ہے. اگر منفی قیمت حاصل کی گئی ہے، لیکن یہ ماڈل کی عام اہمیت پر اہم نہیں سمجھا جاتا ہے، بعد میں عملی طور پر مفید سمجھا جا سکتا ہے.

میزیں

ماڈل خلاصہ مجموعی متغیر کے انڈیکس کا اندازہ کرنے کے لئے ممکن بناتا ہے جو تعمیر کردہ ماڈل کی وضاحت کرتا ہے (R چوک اشارے). ناگیلکر کی قدر کو لاگو کرنے کے لئے یہ سفارش کی جاتی ہے. ایک مثبت اشارہ پیرامیٹر نگیلکرک آر اسکوائر ہے، اگر یہ 0.50 سے زائد ہے. اس کے بعد، درجہ بندی کے نتائج کا اندازہ کیا جاتا ہے، جس میں ایک یا دوسرے مطالعے والے طبقات سے متعلق تعلق رکھنے والے اصلی اشارے ان کے مقابلے میں ہیں جو رجسٹرریشن ماڈل کی بنیاد پر پیش گوئی کرتے ہیں. ایسا کرنے کے لئے، کلاسیکی جدول کا استعمال کریں. یہ ہمیں ہر گروہ کے بارے میں غور کرنے کے لۓ مختلف فرقے کی درستیت کے بارے میں نتیجہ نکالنے کی اجازت دیتا ہے. . مندرجہ ذیل جدول کو تجزیہ میں متعارف شدہ آزاد عوامل کی اعداد و شمار کے اہمیت، اور ساتھ ساتھ لاجسٹک ریگریشن کے ہر غیر معیاری گنجائش واضح کرنے کا ایک موقع فراہم کرتا ہے. ان اشارے پر مبنی ہے، نمونے میں ہر ایک جواب دہندگان کے تعلق سے خاص طور پر کسی خاص گروہ کو پیش کرنا ممکن ہے. محفوظ کریں بٹن کا استعمال کرتے ہوئے، آپ نئے متغیر درج کر سکتے ہیں. ان میں مخصوص طبقاتی قسم (پیش کردہ زمرہ) اور ان گروہوں میں شامل ہونے کی امکانات (متوقع امکانات کی رکنیت) کے بارے میں معلومات شامل ہوگی. "OK" پر کلک کرنے کے بعد، ملٹیومیل لائسنس ریگریشن کی اہم ونڈو میں حساب کے نتائج ظاہر ہوتے ہیں.

پہلی میز، جس میں محقق کے لئے اہم اشارے ہیں ماڈل ماڈل فٹنگ معلومات ہے. ایک اعلی سطحی اعداد و شمار اہم عملی مسائل کو حل کرنے میں ماڈل کا استعمال کرتے ہوئے اعلی معیار اور مطابقت کی نشاندہی کرے گی. ایک اور اہم میز Pseudo R-Square ہے. یہ ہمیں انحصار عنصر میں مجموعی متغیر کا حصہ اندازہ کرنے کی اجازت دیتا ہے، جو تجزیہ کیلئے منتخب کردہ متغیر متغیر کی طرف سے مقرر کیا جاتا ہے. ٹیبل کے مطابق معیشت کی تناسب ٹیسٹ آپ اختتام کے اعداد و شمار کے اہمیت کے بارے میں نتیجہ نکال سکتے ہیں. پیرامیٹرز تخمینوں میں، غیر معتبر جزووں کو عکاس کیا جاتا ہے. وہ مساوات کی تعمیر میں استعمال ہوتے ہیں. اس کے علاوہ، متغیر کے ہر مجموعہ کے لئے، انحصار عنصر پر ان کے اثرات کی شناختی اہمیت کا تعین کیا گیا ہے. دریں اثنا، مارکیٹنگ کی تحقیق میں، اکثر انفرادی طور پر نہیں، لیکن ہدف گروپ کے ایک حصے کے طور پر، جواب دہندگان کی قسم کی طرف سے مختلف کرنے کی ضرورت ہے. ایسا کرنے کے لئے، Observedand متوقع فریکوئنسی میز کا استعمال کریں.

عملی درخواست

تجزیہ کا یہ طریقہ بڑے پیمانے پر تاجروں کے کام میں وسیع پیمانے پر استعمال کیا جاتا ہے. 1991 میں، لاجسٹک سیرمائڈ ریفریشن کا ایک اشارہ تیار کیا گیا تھا. یہ ایک آسان استعمال اور موثر آلے ہے جس کے ساتھ آپ ممکنہ قیمتوں کی پیشن گوئی کرنے سے پہلے کہ وہ "زیادہ سے زیادہ." کرسکتے ہیں. اشارے متوازی میں چلنے والے دو لائنوں کی طرف سے قائم ایک چینل کی شکل میں گراف پر پیش کیا جاتا ہے. وہ رجحان سے مساوی فاصلے پر ہٹا دیا جاتا ہے. کوریڈور کی چوڑائی پوری وقت کے وقت پر منحصر ہوگی. اشارے استعمال کیا جاتا ہے جب تقریبا تمام اثاثوں کے ساتھ کام کرنا - کرنسی کے جوڑوں سے قیمتی دھاتیں.

عملی طور پر، آلے کی درخواست کے لئے دو اہم حکمت عملی تیار کی گئی ہیں: خرابی اور ریورس کرنے کے لئے. دوسری صورت میں، تاجر چینل کے اندر قیمت کی تبدیلی کی متحرک طرف سے ہدایت کرے گا. جیسا کہ قیمت سپورٹ لائن یا مزاحمت کی طرف اشارہ کرتا ہے، شرط یہ ہے کہ شرط یہ ہے کہ اس تحریک کو مخالف سمت میں شروع ہو جائے. اگر قیمت بالائی سرحد سے قریب ہوتی ہے، تو اس اثاثے کو خارج کردیا جاسکتا ہے. اگر یہ کم حد تک ہے، تو اس کے حصول کے بارے میں سوچنا قابل ہے. بریک کے لئے حکمت عملی میں احکامات کا استعمال شامل ہے. وہ نسبتا چھوٹے فاصلے کی حدود سے باہر قائم ہیں. اس سلسلے میں لے کر کئی مقدمات میں قیمت ان کے خلاف مختصر وقت کے خلاف ورزی کرتی ہے، آپ کو محفوظ ہونا چاہیے اور سٹاپ نقصان کو انسٹال کرنا چاہئے. ایک ہی وقت میں، قطع نظر منتخب شدہ حکمت عملی کے بغیر، تاجر کو بازار میں پیدا ہونے والی صورت حال کو سمجھنے اور اس کا اندازہ کرنے کے لئے ممکنہ طور پر ٹھنڈا ہونا ضروری ہے.

نتیجہ

اس طرح، لاجسٹک رجعت کی درخواست آپ کو مخصوص پیرامیٹرز کے مطابق زمرے میں تیزی سے اور آسانی سے جواب دہندگان کو درجہ بندی کرنے کی اجازت دیتا ہے. تجزیہ میں، آپ کسی خاص طریقہ کا استعمال کرسکتے ہیں. خاص طور پر، ملٹیومیل ریفریجریشن ورسٹائل ہے. تاہم، ماہرین کو پیچیدہ میں تمام اوپر کے طریقوں کا استعمال کرتے ہوئے کی سفارش کرتے ہیں. یہ حقیقت یہ ہے کہ اس معاملے میں ماڈل کی کیفیت بہت زیادہ ہوگی. یہ، اس کے نتیجے میں، اس کی درخواست کی حد بڑھا دے گی.