የሊኒየር ሬግሬሽን እና የሊስት-ስኩዌርስ መርህ
ሊኒየር ሬግሬሽን በሁለት ተለዋዋጮች መካከል ያለውን ቀጥተኛ ግንኙነት ለመተንተን የሚያገለግል መሰረታዊ የስታቲስቲክስ ዘዴ ነው። ይህ ዘዴ በአንድ ገለልተኛ ተለዋዋጭ (x) እና ጥገኝነት ባለው ተለዋዋጭ (y) መካከል ያለውን ግንኙነት የሚገልጽ ምርጥ ቀጥተኛ መስመር ይፈልጋል። ይህንን መስመር ለመወሰን በብዛት ጥቅም ላይ የሚውለው ዘዴ የኦርዲነሪ ሊስት-ስኩዌርስ (OLS) መርህ ነው።
የሊስት-ስኩዌርስ ዘዴ ዓላማ በእውነተኛው የዳታ ነጥብ (y) እና በመስመሩ በሚሰጠው የተገመተ እሴት (ŷ) መካከል ያለውን ቀጥባዊ ልዩነት (ቀሪዎች ወይም residuals) ስኩዌር ድምር በከፍተኛ ደረጃ መቀነስ ነው። ይህንን ስሌት በትክክል ለማከናወን፣ ማስያው ባለ ሁለት ደረጃ የካሳ ክፍያ ድምር (compensated summation) ዘዴን ይጠቀማል። ይህ አቀራረብ እጅግ በጣም የተለያዩ መጠኖች ያላቸው ቁጥሮች በሚኖሩበት ጊዜም እንኳ የስሌቱን ትክክለኛነት ሳይቀንስ እንዲጠበቅ ያደርጋል።
የስሌቱ ሂደት የሚጀምረው በሚከተሉት ቀመሮች አማካኝነት የልዩነት እና የአብሮ-እንቅስቃሴ እሴቶችን በማግኘት ነው፦
- Sxx = Σ(xᵢ − x̄)²
- Syy = Σ(yᵢ − ȳ)²
- Sxy = Σ(xᵢ − x̄)(yᵢ − ȳ)
እነዚህን እሴቶች በመጠቀም፣ የመስመሩ ስሎፕ (b) እና ኢንተርሴፕት (a) ይሰላሉ፦
- b = Sxy ÷ Sxx
- a = ȳ − b·x̄
የሬግሬሽን ኮፊሸንቶች እና ትርጓሜያቸው
የሊኒየር ሬግሬሽን መስመር እኩልታ ከተገኘ በኋላ፣ የተገኙት ኮፊሸንቶች ቀጥተኛ እና ተግባራዊ ትርጉም ይኖራቸዋል። ማስያው እነዚህን እሴቶች በማስላት የሚከተሉትን ማብራሪያዎች ይሰጣል፦
- ስሎፕ b፦ ይህ እሴት የሬግሬሽን መስመሩን አቅጣጫ እና ቁልቁለት ይወስናል። ትርጓሜውም፦ "በአማካይ ለእያንዳንዱ 1 የ x መጨመር y በ
‹slope›ይለወጣል።" - ኢንተርሴፕት a፦ ይህ መስመሩ የ y-አክሲስን የሚቆርጥበት ነጥብ ነው። ትርጓሜውም፦ "x 0 በሆነበት ቦታ መስመሩ በ y =
‹intercept›ላይ ያርፋል።"
እነዚህን ኮፊሸንቶች ለመገምገም ማስያው የስታንዳርድ ስህተት (standard error)፣ የ t-ስታቲስቲክስ እና የ p-እሴቶችን ያሰላል፦
- የስሎፕ ስታንዳርድ ስህተት፦ SE(b) = s ÷ √Sxx
- የኢንተርሴፕት ስታንዳርድ ስህተት፦ SE(a) = s · √(1÷n + x̄² ÷ Sxx)
- የ t-እሴት የሚሰላው እያንዳንዱን ግምት ለየራሱ ስታንዳርድ ስህተት በማካፈል ነው። የ p-እሴት ደግሞ በ n − 2 ዲግሪስ ኦፍ ፍሪደም (df) ላይ ባለ ሁለት ወገን የ regularized incomplete beta ስርጭት በመጠቀም ይወሰናል።
የሞዴል ብቃት መለኪያዎች (r እና R²)
የተገኘው የሬግሬሽን መስመር ዳታውን ምን ያህል በጥሩ ሁኔታ እንደሚገልጽ ለመለካት የተለያዩ የስታቲስቲክስ መለኪያዎች ጥቅም ላይ ይውላሉ፦
- ኮሪሌሽን r፦ በሁለቱ ተለዋዋጮች መካከል ያለውን የቀጥተኛ ግንኙነት ጥንካሬ እና አቅጣጫ ያሳያል። እሴቱ ከ -1 እስከ +1 ባለው ክልል ውስጥ የሚገኝ ሲሆን፣ የስሎፑን ምልክት ይይዛል።
- R² (Coefficient of Determination)፦ መስመሩ ሊያብራራው የሚችለውን የ y ተለዋዋጭነት ድርሻ ያሳያል። የሚሰላውም፦ R² = SSR ÷ SST።
- የተስተካከለ R² (Adjusted R²)፦ የናሙናውን መጠን ከግምት ውስጥ በማስገባት R²ን ያስተካክላል፦ 1 − (1 − R²)(n − 1) ÷ (n − 2)።
- የሬሲዱዋል ስርጭት s፦ በነጥቦቹ እና በተገጠመው መስመር መካከል ያለውን አማካይ መዛባት ያሳያል፦ s = √(SSE ÷ (n − 2))።
የዳታ ግብዓት እና የአጠቃቀም ደንቦች
ይህ ማስያ ተጠቃሚዎች ዳታቸውን በተለያዩ መንገዶች እንዲያስገቡ ያስችላል። በግራ በኩል ባለው የ "አቀማመጥ" ምርጫ አማካኝነት ሁለት አማራጮችን መጠቀም ይቻላል፦
- የተጣመሩ ረድፎች፦ በአንድ ረድፍ አንድ x እና y ጥንድ የሚገባበት አቀማመጥ ነው። ከስፕሬድሺት ፕሮግራሞች በቀጥታ ሁለት ዓምዶችን ኮፒ በማድረግ እዚህ መለጠፍ ይቻላል። የመጀመሪያው ረድፍ ቁጥር ያልሆኑ ጽሑፎችን ከያዘ፣ ማስያው እንደ ራስጌ ረድፍ በመቁጠር ይዘለዋል።
- ሁለት ዝርዝሮች፦ የ x እሴቶች (አስረጅ) እና የ y እሴቶች (ተገዢ) በተለያዩ ሳጥኖች ውስጥ የሚገቡበት አቀማመጥ ነው።
የአስርዮሽ እና የመለያያ ደንቦች፦
- የአስርዮሽ መለያያው ነጥብ (.) ሲሆን፣ በዝርዝሮች ውስጥ ያሉ እሴቶች በክፍተቶች፣ በኮማዎች ወይም በአዲስ መስመሮች መለየት አለባቸው።
- የአስርዮሽ መለያያው ኮማ (,) ሲሆን፣ በዝርዝሮች ውስጥ ያሉ እሴቶች በክፍተቶች፣ በሴሚኮሎኖች ወይም በአዲስ መስመሮች መለየት አለባቸው።
የግብዓት ገደቦች፦
- ቢያንስ 2 ነጥቦች መግባት አለባቸው።
- ከፍተኛው የዳታ መጠን 50,000 ነጥቦች ወይም 1 MB የተለጠፈ ጽሑፍ ነው።
- ለትንበያ የሚገቡ የ x እሴቶች በአንድ ጊዜ ቢበዛ 50 መሆን አለባቸው።
ልዩ ሁኔታዎች እና የስህተት መልዕክቶች
በስሌት ሂደት ውስጥ የሚከተሉት ልዩ የዳታ ሁኔታዎች ሲያጋጥሙ ማስያው ተገቢውን ምላሽ ይሰጣል፦
- በትክክል ሁለት ነጥቦች ሲኖሩ፦ "ሁለት ነጥቦች መስመሩን በትክክል ይወስናሉ፣ ስለዚህ እርግጠኛ አለመሆንን ለመገመት ምንም የተረፈ ነገር የለም።" የሚል መልዕክት ይታያል።
- ፍጹም ግጥጥሞሽ ሲኖር፦ ሁሉም ነጥቦች በትክክል መስመሩ ላይ ካረፉ፣ "ነጥቦቹ በትክክል መስመሩ ላይ ያርፋሉ፣ ስለዚህ ምንም የሬሲዱዋል ስርጭት የለም እና ምንም ዓይነት ኢንተርቫል ወይም የ p-እሴት ሊገመት አይችልም።" የሚል ማሳሰቢያ ይሰጣል።
- ሁሉም የ y እሴቶች እኩል ሲሆኑ፦ "እያንዳንዱ y ተመሳሳይ ነው፣ ስለዚህ መስመሩ ጠፍጣፋ ነው እና r፣ R² እንዲሁም የሲግኒፊካንስ ቴስቱ አልተገለጹም።" የሚል ሁኔታ ይፈጠራል።
- ሁሉም የ x እሴቶች እኩል ሲሆኑ፦ መስመሩ ቀጥ ያለ ስለሚሆን ስሌቱ ይቆማል እና "እያንዳንዱ x ተመሳሳይ ነው፣ ስለዚህ መስመሩ ቀጥ ያለ ይሆናል እና ስሎፑ ለዜሮ ይካፈላል።" የሚል ስህተት ይታያል።
ሌሎች የተለመዱ የስህተት መልዕክቶች የሚከተሉትን ያካትታሉ፦
- የማይዛመዱ የዝርዝር ርዝመቶች፦ "
‹countX›የ x እሴቶች እና‹countY›የ y እሴቶች አሉ — ዝርዝሮቹ እኩል ርዝመት ሊኖራቸው ይገባል።" - ያልተሟላ ጥንድ፦ "ረድፍ
‹position›በትክክል ሁለት ቁጥሮችን ይፈልጋል: x ከዚያም y።" - ከመጠን በላይ የሆነ ቁጥር፦ "አንድ እሴት ወይም መካከለኛ ውጤት ከተደገፈው የቁጥር ክልል በላይ አልፏል።"
የግል መረጃ ጥበቃ እና አሰራር
የዚህ ማስያ አሰራር ሙሉ በሙሉ በተጠቃሚው መሣሪያ ላይ የተመሠረተ ነው። የእርስዎ የዳታ ነጥቦች እና እያንዳንዱ ስታቲስቲክስ በዚህ አሳሽ ውስጥ ይቆያሉ እና መቼም ቢሆን አይሰቀሉም። ምንም ዓይነት መረጃ ወደ ውጭ አገልጋይ ስለማይላክ የዳታዎ ደህንነት የተጠበቀ ነው።
ተደጋግመው የሚጠየቁ ጥያቄዎች (FAQ)
የተገኘው የሬግሬሽን መስመር ትክክለኛ መሆኑን እንዴት ማረጋገጥ እችላለሁ?
ቀጥተኛ መስመር ትክክለኛ ማጠቃለያ ሊሆን የሚችለው ነጥቦቹ በእርግጥ አንዱን ሲከተሉ ብቻ ነው። በቁጥሮቹ ላይ ከመተማመንዎ በፊት ለከርቮች ወይም ለፋን ቅርጽ የሬሲዱዋል ፕሎቱን ያረጋግጡ።
R² በትክክል ምን ይነግረኛል?
R² ማለት መስመሩ ሊያብራራው የሚችለው የ y ወደ ላይ እና ወደ ታች እንቅስቃሴ ድርሻ ነው፦ 0.96 ማለት 96% ከ x ጋር ይስማማል፣ 4% ደግሞ አይስማማም ማለት ነው። ይህ ቀጥተኛ መስመር ትክክለኛው ቅርጽ ስለመሆኑ ምንም የሚናገረው ነገር የለም — ግልጽ የሆነ ከርቭም ቢሆን ከፍተኛ ውጤት ሊያመጣ ይችላል — ስለዚህ ከሬሲዱዋል ፕሎት (residual plot) ጎን ለጎን ያንብቡት። ኮሪሌሽን r የ R² ስኩዌር ሩት ሆኖ የስሎፑን ምልክት ይይዛል፣ ለዚህም ነው ወደ ታች ለሚሄድ መስመር r አሉታዊ የሚሆነው።
የትኛውን ዓምድ በ x ውስጥ ባስገባው ልዩነት አለው?
አዎ። ሊስት-ስኩዌርስ ቀጥታ የሆኑትን ቀጥባዊ ክፍተቶች ስለሚቀንስ፣ yን እንደ ተብራራ ነገር እና xን ደግሞ እንደ ማብራሪያ ነገር አድርጎ ይወስደዋል። ቦታቸውን ሲያቀያይሩ የተለየ ስሎፕ እና የተለየ ኢንተርሴፕት ያገኛሉ — r እና R² ብቻ ተመሳሳይ ሆነው ይቀራሉ። መተንበይ የሚፈልጉትን ተለዋዋጭ በ y ውስጥ ያስገቡ፤ ዓምዶቹ በተሳሳተ መንገድ ከገቡ፣ የማቀያየሪያው ቁልፍ ባሉበት ቦታ ላይ መልሶ ይጽፋቸዋል።
ትንበያዎች ለምን ከሁለት ኢንተርቫሎች ጋር ይመጣሉ?
የተለያዩ ጥያቄዎችን ይመልሳሉ። የአማካይ ኢንተርቫል በዚያ x ላይ ላሉት ሁሉ አማካዩ y የት እንደሚገኝ ይጠይቃል፣ ስለዚህ በመስመሩ ራሱ ላይ ያለው እርግጠኛ አለመሆን ብቻ ነው የሚቆጠረው። የግል ኢንተርቫል ደግሞ አንድ አዲስ ምልከታ የት እንደሚያርፍ ይጠይቃል፣ ይህም በመስመሩ ዙሪያ ያሉትን የነጥቦች መበታተን ይጨምራል — ይህ ተጨማሪ አባል ሁልጊዜ ከሁለቱ ሰፊው እንዲሆን የሚያደርገው ምክንያት ነው። x ከዳታዎ መካከለኛ ክፍል እየራቀ ሲሄድ ሁለቱም ይሰፋሉ።
አነስተኛ የ p-value ማለት x ለ y መንስኤ ነው ማለት ነው?
አይደለም። የ p-value የሚመልሰው አንድ ጠባብ ጥያቄን ብቻ ነው: እውነተኛው ስሎፕ 0 ቢሆን ኖሮ፣ ይህን የሚያህል መጠን ያለው ናሙና ምን ያህል ጊዜ ቢያንስ ከ0 በዚህ ያህል የራቀ ስሎፕ ያመጣል? አነስተኛ እሴት “ምንም ግንኙነት የለም” የሚለውን ማብራሪያ አስቸጋሪ ያደርገዋል እንጂ ሌላ ምንም ነገር አይጨምርም። መንስኤነት ከጀርባው የጥናቱን ንድፍ ይፈልጋል — ሁለቱንም ዓምዶችን የሚያንቀሳቅስ ሶስተኛ አካል፣ ወይም በነጻነት ያልተሰበሰበ ናሙና፣ ልክ እንደዚሁ በቀላሉ አነስተኛ የ p-values ሊያመጣ ይችላል።