Bashorat qiluvchi o'lchovlarda noaniqlik yo'q - Model barcha noaniqlik javob o'zgaruvchisida ekanligini taxmin qiladi. Bu eng nozik taxmin: Agar siz o'zlari taxmin qiladigan bashoratchilarga ega bo'lgan model haqida xulosa chiqarishga harakat qilsangiz ham, noaniqlikni bashorat qiluvchilarga bog'lamasangiz, bu sizga ta'sir qilmaydi. Ushbu tadqiqot sohasi "o'lchov xatosi" deb ataladi.
To'g'ri xulosa chiqarish uchun boshqa narsalarni yodda tutish kerak:
Reprezentativ namuna - Siz foydalanmoqchi bo'lgan ma'lumotlar to'plami siz xulosa qilmoqchi bo'lgan populyatsiyaning vakili (va tasodifiy!) namunasi bo'lishi kerak. Intuitiv misoldan foydalanish uchun, hamma odamlar sizning uyingizdagilar kabi harakat qilishlarini kutmasligingiz kerak. Biz ko'pincha o'zimizning noto'g'riligimizni kam baholaganimiz sababli, boshlash paytida tasodifiy namunaga ega bo'lish eng yaxshi tanlovdir.
Namuna hajmi - Agar ma'lumotlar to'plamida atigi 5 ta kuzatuv bo'lsa, model 100 taga qaraganda haqiqiy naqshni (yoki mavjud bo'lsa) topishda samarasiz bo'ladi. Har bir tadqiqot uchun yagona o'lchamli raqam mavjud emas. , lekin odatda 30 yoki undan ko'p regressiya kerak bo'lgan eng past daraja hisoblanadi.
Diapazonda qoling - modelni yaratishda foydalanilgan maʼlumotlar toʻplami doirasidan tashqarida bashorat qilishga urinmang. Misol uchun, siz kvadrat metrga asoslangan uy qiymatlarini bashorat qilyapsiz deylik. Agar sizning ma'lumotlar to'plamingiz faqat 1000 dan 3000 kvadrat futgacha bo'lgan uylarga ega bo'lsa, model 800 yoki 4000 kvadrat futlik uyning qiymatini yaxshi baholay olmaydi. Bu ekstrapolyatsiya deb ataladi va tavsiya etilmaydi.
Chiziqli regressiya turlari Eng keng tarqalgan ikkita regressiya turi oddiy chiziqli regressiya va ko'p chiziqli regressiya bo'lib, ular faqat modeldagi bashorat qiluvchilar soni bilan farqlanadi. Oddiy chiziqli regressiya bitta bashoratchiga ega.
