मैं मॉन्टगोमरी, पेक और वीनिंग द्वारा रैखिक प्रतिगमन विश्लेषण के परिचय का उपयोग करके रैखिक प्रतिगमन सीख रहा हूं । मैं एक डेटा विश्लेषण परियोजना चुनना चाहता हूँ।
मेरे पास भोला विचार है कि रैखिक प्रतिगमन केवल तभी उपयुक्त होता है जब कोई संदेह करता है कि व्याख्यात्मक चर और प्रतिक्रिया चर के बीच रैखिक कार्यात्मक संबंध हैं। लेकिन कई वास्तविक दुनिया के आवेदन इस कसौटी पर खरे नहीं उतरते। फिर भी रैखिक प्रतिगमन इतना प्रचलित है।
एक अनुभवी सांख्यिकीविद् किसी परियोजना के क्या पहलुओं के बारे में सोच रहा होगा यदि वे मेरे जूते में थे, एक प्रश्न + डेटा की तलाश में जो रैखिक प्रतिगमन के लिए अच्छी तरह से अनुकूल है।
3
मैं सराहना करता हूं कि आप एक तकनीक सीख रहे हैं और जानना चाहते हैं कि यह कहां काम करेगा। लेकिन अनुभवी सांख्यिकीविदों (और सांख्यिकीय रूप से दिमाग वाले वैज्ञानिकों) के लिए स्थिति पूरी तरह से दूसरे तरीके की है: एक समस्या और डेटा है और फिर सवाल यह है कि किस तरह के मॉडल और तरीके सबसे अच्छे विकल्प हैं। आपको यह देखना होगा कि पहले की तरह रैखिक प्रतिगमन सिर्फ एक स्वाद है; अनुभव के साथ लोग पॉइसन रिग्रेशन, लॉजिट रिग्रेशन, आदि पर कूदने के लिए खुश हैं और यहां तक कि मापदंडों में रैखिकता को आसानी से अधिक सामान्य संरचनाओं के साथ जोड़ा जा सकता है।
—
निक कॉक्स
और निश्चित समय श्रृंखला mdels जब प्रेक्षण संभावित रूप से
—
स्वतःसंबंधित
वास्तव में रैखिक मॉडल का उपयोग बाएं और दाएं तब भी किया जाता है, जब हमें पता होता है कि यह रिश्ता नॉनक्लियर है। पहले क्रम सन्निकटन के रूप में एक रेखीय मॉडल के बारे में सोचो, एक बहुभिन्नरूपी टेलर विस्तार की तरह।
—
अक्कल