आप सलाह के कई टुकड़े उद्धृत करते हैं, जिनमें से सभी को मदद करने में कोई संदेह नहीं है, लेकिन इसमें से किसी में बहुत अधिक योग्यता प्राप्त करना मुश्किल है।
प्रत्येक मामले में मैं पूरी तरह से इस बात पर निर्भर करता हूं कि आप सारांश के रूप में क्या कहते हैं। लेखकों के बचाव में मैं यह मानना चाहूंगा कि वे आसपास या अन्य सामग्री में उचित योग्यता जोड़ते हैं। (सामान्य नाम (ओं), तिथि, शीर्षक, (प्रकाशक, स्थान) या (जर्नल शीर्षक, आयतन, पृष्ठ) प्रारूप में पूर्ण ग्रंथ सूची संदर्भ प्रश्न को बढ़ाते हैं।)
खेत
यह सलाह मददगार है, लेकिन सबसे बड़े पैमाने पर बड़े पैमाने पर है। फील्ड की सलाह आम तौर पर अभिप्रेत लगती है; उदाहरण के लिए, लेवेने के परीक्षण का संदर्भ विचरण के विश्लेषण पर कुछ अस्थायी ध्यान केंद्रित करता है।
( 1 , 0 )
अधिक आम तौर पर, यह सामान्य है - कई क्षेत्रों में सामान्य स्थिति - कि कुछ भविष्यवाणियों को बदल दिया जाना चाहिए और बाकी को उसी तरह छोड़ दिया जाना चाहिए।
यह सच है कि एक कागज़ात का सामना करना या अलग-अलग भविष्यवक्ताओं के लिए अलग-अलग रूप से लागू किए गए परिवर्तनों के मिश्रण का शोध करना (एक विशेष मामले के रूप में, पहचान परिवर्तन या जैसा है छोड़ना) अक्सर एक पाठक के लिए चिंता का विषय होता है। क्या मिश्रण विकल्पों में से एक अच्छी तरह से सोचा गया सेट है, या यह मनमाना और आकर्षक था?
इसके अलावा, अध्ययन की एक श्रृंखला में दृष्टिकोण की स्थिरता (हमेशा एक प्रतिक्रिया के लिए लघुगणक को लागू करना, या कभी नहीं करना) परिणामों की तुलना करने में बहुत सहायता करता है, और अलग-अलग दृष्टिकोण इसे और अधिक कठिन बना देता है।
लेकिन यह कहना नहीं है कि परिवर्तनों के मिश्रण के कारण कभी नहीं हो सकते हैं।
मैं नहीं देखता कि आपके द्वारा उद्धृत अधिकांश अनुभाग पीले रंग में आपके द्वारा बताई गई प्रमुख सलाह पर बहुत अधिक असर डालते हैं। यह अपने आप में एक चिंता का विषय है: एक निरपेक्ष नियम की घोषणा करना एक अजीब व्यवसाय है और फिर वास्तव में इसे समझाने के लिए नहीं। इसके विपरीत, निषेध "याद" से पता चलता है कि फील्ड के मैदान को पहले किताब में आपूर्ति की गई थी।
अनाम कागज
यहाँ संदर्भ प्रतिगमन मॉडल है। जैसा कि अक्सर, ओएलएस की बात करना मॉडल के बजाय अनुमान पद्धति पर जोर देता है, लेकिन हम समझ सकते हैं कि क्या इरादा है। जीडब्ल्यूआर I भौगोलिक रूप से भारित प्रतिगमन के रूप में विवश है।
यहां तर्क यह है कि आपको गैर-सामान्य भविष्यवाणियों को बदलना चाहिए और दूसरों को छोड़ देना चाहिए। फिर, यह एक सवाल उठाता है कि आप संकेतक चर के साथ क्या कर सकते हैं और क्या करना चाहिए, जो सामान्य रूप से वितरित नहीं किया जा सकता है (जो कि ऊपर बताया जा सकता है कि उस मामले में गैर-सामान्यता इंगित नहीं की जाती है)। लेकिन निषेधाज्ञा का अर्थ यह है कि यह अनुमान लगाने वालों की गैर-सामान्यता है कि समस्या है। ऐसा नहीं; यह भविष्यवाणियों के सीमांत वितरण के बारे में कुछ भी मानने के लिए प्रतिगमन मॉडलिंग का कोई हिस्सा नहीं है।
व्यवहार में, यदि आप भविष्यवाणियों को लगभग सामान्य बनाते हैं, तो आप अक्सर ऐसे परिवर्तनों को लागू करेंगे जो कार्यात्मक रूप बनाते हैंएक्सβ डेटा है, जो मैं परिवर्तन के लिए प्रमुख कारण होने के लिए जोर होगा, त्रुटि पर भारी जोर के बावजूद के लिए सही अधिक लगभग कई ग्रंथों में संरचना। दूसरे शब्दों में, उन्हें सामान्यता के करीब लाने के लिए भविष्यवाणियों को लॉग करना गलत स्थान के लिए सही काम कर सकता है यदि आप परिवर्तित स्थान में रैखिकता के करीब पहुंचते हैं।
इस मंच में परिवर्तनों पर इतनी असाधारण रूप से अच्छी सलाह है कि मैंने इस बात पर ध्यान केंद्रित किया है कि आप क्या चर्चा करते हैं।
पुनश्च आप एक बयान शुरू करते हैं "उदाहरण के लिए, साधनों की तुलना में, लॉग की तुलना कच्चे डेटा से जाहिर तौर पर एक महत्वपूर्ण अंतर होगा।" मुझे स्पष्ट नहीं है कि आपके मन में क्या है, लेकिन एक समूह के लिए मूल्यों की तुलना दूसरे समूह के मानों के लघुगणक के साथ करना केवल निरर्थक होगा। मैं आपके बयान के बाकी हिस्सों को बिल्कुल नहीं समझता।
