मैं एक शुरुआत के रूप में " रैखिक प्रतिगमन मॉडल निदान " पर एक संक्षिप्त खोज का सुझाव दूंगा । लेकिन यहाँ कुछ हैं जो मैं आपको जाँचने के लिए सुझाव दूंगा:
सुनिश्चित करें कि मान्यताओं को संतोषजनक रूप से पूरा किया गया है
स्वतंत्र भविष्यवक्ता (एस) और आश्रित चर के बीच रैखिक संबंध की जांच करने के लिए स्कैल्पलॉट या घटक प्लस अवशिष्ट साजिश का उपयोग करें।
मानकीकृत अवशिष्ट बनाम अनुमानित मूल्य के साथ एक भूखंड की रचना करें और यह सुनिश्चित करें कि बहुत अधिक अवशिष्ट के साथ चरम बिंदु नहीं है, और अवशिष्ट का प्रसार काफी हद तक अनुमानित मूल्य के साथ समान है, साथ ही साथ अवशिष्ट के माध्यम से बड़े पैमाने पर समान रूप से ऊपर और नीचे फैलता है। शून्य।
आप y- अक्ष को अवशिष्ट भी बदल सकते हैं । यह कथानक असमान विचरण को पहचानने में मदद करता है।2
स्वतंत्रता की धारणा उचित है, यह सुनिश्चित करने के लिए अध्ययन डिजाइन का पुन: परीक्षण करें।
संभव महामारी की जांच करने के लिए विचरण मुद्रास्फीति कारक (VIF) या सहिष्णुता के आँकड़ों को पुनः प्राप्त करें।
संभावित प्रभावशाली बिंदु की जांच करें
- एक निश्चित डेटा बिंदु आपके प्रतिगमन परिणामों को काफी बदल रहा है या नहीं, यह जानने के लिए कुक डी, डीएफआईटीएस या डीएफ बीटा जैसे आंकड़ों की जांच करें। आप यहां अधिक पा सकते हैं ।
और समायोजित आँकड़ों में परिवर्तन की जाँच करेंआर 2R2R2
- वर्गों के कुल योग के वर्गों के प्रतिगमन योग का अनुपात होने के नाते, आपको बता सकता है कि मॉडल द्वारा आपके आश्रित चर में कितने% परिवर्तनशीलता को समझाया गया है।R2
- समायोजित का उपयोग यह जांचने के लिए किया जा सकता है कि मेरे अतिरिक्त भविष्यवक्ता (ओं) के बारे में लाए गए वर्गों का अतिरिक्त योग वास्तव में वे स्वतंत्रता की डिग्री के लायक हैं जो वे लेंगे।R2
आवश्यक बातचीत की जाँच करें
- यदि कोई मुख्य स्वतंत्र भविष्यवक्ता है, तो इससे पहले कि आप इसके स्वतंत्र प्रभाव की कोई व्याख्या करें, यह जांचें कि क्या यह अन्य स्वतंत्र चर के साथ बातचीत कर रहा है। सहभागिता, यदि अन्यायपूर्ण छोड़ दिया जाए, तो आपका अनुमान पूर्वाग्रह कर सकता है।
अपने मॉडल को दूसरे डेटा सेट पर लागू करें और उसके प्रदर्शन की जांच करें
- आप प्रतिगमन सूत्र को अन्य अलग-अलग डेटा पर भी लागू कर सकते हैं और देख सकते हैं कि यह कितनी अच्छी तरह से भविष्यवाणी करता है। बिखरे हुए कथानक की तरह ग्राफ और आँकड़ों का% मान के मान से अंतर एक अच्छी शुरुआत के रूप में काम कर सकता है।
r-squaredटैग और टैग पर एक नज़र रखना चाह सकते हैंgoodness-of-fit..