స్టెప్‌వైస్ రిగ్రెషన్ అంటే ఏమిటి?
రిగ్రెషన్ విశ్లేషణ అనేది విస్తృతంగా ఉపయోగించే గణాంక విధానం, ఇది వేరియబుల్స్ మధ్య సంబంధాలను గుర్తించడానికి ప్రయత్నిస్తుంది. మెరుగైన సమాచారం తీసుకోవటానికి సంబంధిత డేటాను పూల్ చేయాలనే ఆలోచన ఉంది మరియు పెట్టుబడి ప్రపంచంలో ఇది ఒక సాధారణ పద్ధతి. స్టెప్‌వైస్ రిగ్రెషన్ అనేది స్వతంత్ర చరరాశుల స్వయంచాలక ఎంపికను కలిగి ఉన్న రిగ్రెషన్ మోడల్ యొక్క దశల వారీ పునరావృత నిర్మాణం. గణాంక సాఫ్ట్‌వేర్ ప్యాకేజీల లభ్యత వందలాది వేరియబుల్స్ ఉన్న మోడళ్లలో కూడా స్టెప్‌వైస్ రిగ్రెషన్‌ను సాధ్యం చేస్తుంది.
స్టెప్‌వైస్ రిగ్రెషన్ రకాలు
స్టెప్‌వైస్ రిగ్రెషన్ యొక్క అంతర్లీన లక్ష్యం, వరుస పరీక్షల ద్వారా (ఎఫ్-పరీక్షలు, టి-పరీక్షలు) స్వతంత్ర చరరాశుల సమితిని కనుగొనడం, ఇది ఆధారిత వేరియబుల్‌ను గణనీయంగా ప్రభావితం చేస్తుంది. పునరావృత ద్వారా కంప్యూటర్లతో ఇది జరుగుతుంది, ఇది పదేపదే రౌండ్లు లేదా విశ్లేషణ చక్రాల ద్వారా వెళ్ళడం ద్వారా ఫలితాలు లేదా నిర్ణయాలకు వచ్చే ప్రక్రియ. గణాంక సాఫ్ట్‌వేర్ ప్యాకేజీల సహాయంతో స్వయంచాలకంగా పరీక్షలు నిర్వహించడం వల్ల వ్యక్తికి సమయం ఆదా అవుతుంది.
కీ టేకావేస్
- రిగ్రెషన్ విశ్లేషణ అనేది స్వతంత్ర మరియు ఆధారిత చరరాశుల మధ్య సంబంధాలను అర్థం చేసుకోవడానికి మరియు కొలవడానికి ప్రయత్నించే ఒక గణాంక విధానం. స్టెప్‌వైస్ రిగ్రెషన్ అనేది మోడల్‌లోని ప్రతి స్వతంత్ర వేరియబుల్ యొక్క గణాంక ప్రాముఖ్యతను పరిశీలించే ఒక పద్ధతి. ఫార్వర్డ్ ఎంపిక విధానం ఒక వేరియబుల్‌ను జోడించి, ఆపై గణాంక ప్రాముఖ్యత కోసం పరీక్షలు వెనుకబడిన ఎలిమినేషన్ పద్ధతి అనేక వేరియబుల్స్‌తో లోడ్ చేయబడిన మోడల్‌తో ప్రారంభమవుతుంది మరియు మొత్తం ఫలితాలతో పోలిస్తే దాని ప్రాముఖ్యతను పరీక్షించడానికి ఒక వేరియబుల్‌ను తొలగిస్తుంది. స్టెప్‌వైజ్ రిగ్రెషన్‌కు చాలా మంది విమర్శకులు ఉన్నారు, ఎందుకంటే ఇది ఆశించిన ఫలితాన్ని సాధించడానికి ఒక మోడల్‌లో డేటాను సరిపోయే విధానం.
ఒక సమయంలో ఒక స్వతంత్ర చరరాశిని ప్రయత్నించడం ద్వారా మరియు గణాంకపరంగా ప్రాముఖ్యత ఉంటే రిగ్రెషన్ మోడల్‌లో చేర్చడం ద్వారా లేదా మోడల్‌లో అన్ని సంభావ్య స్వతంత్ర చరరాశులను చేర్చడం ద్వారా మరియు గణాంకపరంగా ప్రాముఖ్యత లేని వాటిని తొలగించడం ద్వారా స్టెప్‌వైస్ రిగ్రెషన్ సాధించవచ్చు. కొన్ని రెండు పద్ధతుల కలయికను ఉపయోగిస్తాయి మరియు అందువల్ల స్టెప్‌వైస్ రిగ్రెషన్‌కు మూడు విధానాలు ఉన్నాయి:
- ఫార్వర్డ్ ఎంపిక మోడల్‌లో వేరియబుల్స్ లేకుండా మొదలవుతుంది, ప్రతి వేరియబుల్‌ను మోడల్‌కు జోడించినట్లుగా పరీక్షిస్తుంది, ఆపై చాలా గణాంకపరంగా ముఖ్యమైనదిగా భావించే వాటిని ఉంచుతుంది-ఫలితాలు సరైనవి అయ్యే వరకు ప్రక్రియను పునరావృతం చేస్తాయి.బ్యాక్వర్డ్ ఎలిమినేషన్ స్వతంత్ర చరరాశుల సమితితో మొదలవుతుంది, ఒక సమయంలో ఒకదాన్ని తొలగించడం, ఆపై తొలగించబడిన వేరియబుల్ గణాంకపరంగా ముఖ్యమైనదా అని పరీక్షించడం. ద్వి దిశాత్మక తొలగింపు అనేది మొదటి రెండు పద్ధతుల కలయిక, ఇది ఏ వేరియబుల్స్ను చేర్చాలి లేదా మినహాయించాలో పరీక్షిస్తుంది.
బ్యాక్వర్డ్ ఎలిమినేషన్ పద్ధతిని ఉపయోగించి స్టెప్‌వైస్ రిగ్రెషన్‌కు ఉదాహరణ, పరికరాల రన్ సమయం, పరికరాల వయస్సు, సిబ్బంది పరిమాణం, వెలుపల ఉష్ణోగ్రతలు మరియు సంవత్సరం సమయం వంటి వేరియబుల్స్ ఉపయోగించి ఫ్యాక్టరీలో శక్తి వినియోగాన్ని అర్థం చేసుకునే ప్రయత్నం. మోడల్ అన్ని వేరియబుల్స్ను కలిగి ఉంది-తరువాత ప్రతి ఒక్కటి తీసివేయబడుతుంది, ఒక్కొక్కటిగా, ఇది కనీసం గణాంకపరంగా ముఖ్యమైనది అని నిర్ణయించడానికి. చివరికి, మోడల్ సంవత్సరం సమయం మరియు ఉష్ణోగ్రతలు చాలా ముఖ్యమైనవి అని చూపించవచ్చు, బహుశా ఎయిర్ కండీషనర్ వాడకం అత్యధికంగా ఉన్నప్పుడు కర్మాగారంలో గరిష్ట శక్తి వినియోగాన్ని సూచిస్తుంది.
స్టెప్‌వైస్ రిగ్రెషన్ యొక్క పరిమితులు
రిగ్రెషన్ విశ్లేషణ, సరళ మరియు మల్టీవిరియట్ రెండూ ఈ రోజు పెట్టుబడి ప్రపంచంలో విస్తృతంగా ఉపయోగించబడుతున్నాయి. భవిష్యత్తులో కూడా పునరావృతమయ్యే గతంలో ఉన్న నమూనాలను కనుగొనడం తరచుగా ఆలోచన. సరళమైన సరళ రిగ్రెషన్, ఉదాహరణకు, తక్కువ P / E నిష్పత్తులు (స్వతంత్ర వేరియబుల్) ఉన్న స్టాక్స్ అధిక రాబడిని (డిపెండెంట్ వేరియబుల్) అందిస్తుందో లేదో తెలుసుకోవడానికి చాలా సంవత్సరాలుగా ధర-నుండి-ఆదాయ నిష్పత్తులు మరియు స్టాక్ రాబడిని చూడవచ్చు. ఈ విధానంలో సమస్య ఏమిటంటే, మార్కెట్ పరిస్థితులు తరచూ మారుతుంటాయి మరియు గతంలో ఉన్న సంబంధాలు ప్రస్తుత లేదా భవిష్యత్తులో నిజం కావు.
ఇంతలో, స్టెప్‌వైస్ రిగ్రెషన్ ప్రాసెస్‌లో చాలా మంది విమర్శకులు ఉన్నారు మరియు ఈ పద్ధతిని పూర్తిగా ఉపయోగించడం మానేయడానికి కాల్‌లు కూడా ఉన్నాయి. గణాంకవేత్తలు ఈ విధానానికి అనేక లోపాలను గుర్తించారు, వీటిలో తప్పు ఫలితాలు, ప్రక్రియలోనే స్వాభావికమైన పక్షపాతం మరియు పునరావృతం ద్వారా సంక్లిష్ట రిగ్రెషన్ మోడళ్లను అభివృద్ధి చేయడానికి గణనీయమైన కంప్యూటింగ్ శక్తి అవసరం.
