နဲကဲသ္ၚဳဂၠိပ် ပရေင်ဆက်စပ် (Regression Analysis)

နဲကဲသ္ၚဳဂၠိပ် ပရေင်ဆက်စပ် - ပွမဂၠာဲ လစှ်ေတပ်တပ် မကိတ်ညဳအိုတ် (Line of best fit) လတူ တင်ဂၞင်ဂမၠိုင်

နဲကဲသ္ၚဳဂၠိပ် ပရေင်ဆက်စပ် (အၚ်္ဂလိက်: Regression Analysis) ဟီုမ္ဂးဂှ် ဒှ်နဲကဲ စရင်အင် ဆိင်ဆ (Inferential Statistics) အဓိကမွဲ သွက်ဂွံ လ္ၚတ်သ္ၚဳဂၠိပ်၊ တွက်ဆ ကေုာံ စမ်ၜတ် ပရေင်ဆက်စပ် အကြာ လၟိဟ်မပြံင်လှာဲ (Variables) ဂမၠိုင်ရ။ နဲကဲဏအ်ဝွံ ဍေံလ္ၚတ်ကဵု ဒဒှ်ရ ယဝ်ရ မပြံင်လှာဲ ဟိုတ် (Independent variable) မွဲ ဟွံသေင်မ္ဂး ဂၠိုင်နူဂှ် ပြံင်လှာဲအာမ္ဂး၊ မပြံင်လှာဲ ဖဵု (Dependent variable) ဂှ် ဗီုလဵု ဆက်ပြံင်လှာဲ ဗက်အာရော ဂှ်ရ။

ပ္ဍဲကဵု ကမၠောန်သုတေသနမ္ဂး နဲကဲဏအ်ဝွံ ကိစ္စဇၞော် ဗွဲမလောန် သွက်ဂွံ ဆိင်ဆ (Predict) အကာဲအရာ အနာဂတ် ကေုာံ သွက်ဂွံ ဂၠာဲ ဟိုတ်ကဵုဖဵု (Cause and effect relationships) နကဵု သက်သဳခိုင်ကၠိုက်ရ။

လညာတ်သဇိုင် အဓိကဂမၠိုင်

ပ္ဍဲကဵု သ္ၚဳဂၠိပ် ပရေင်ဆက်စပ်မ္ဂး ဒးပါ်ခြာလဝ် မပြံင်လှာဲ ၜါသာ် အဓိကရ-

• မပြံင်လှာဲ မဒးဒုင် (Dependent Variable - $Y$): ဒှ်အရာ ပိုဲမမိက်ဂွံ ဆိင်ဆ ဟွံသေင်မ္ဂး အရာမဒှ် "ဖဵု" ရ။ (ဥပမာ - ကဆံင်ပရေင်ပိုန်ဒြပ်)။
• မပြံင်လှာဲ အလဵုအလဵု (Independent Variable - $X$): ဒှ်အရာ မဖန်ဗဒှ်ကဵု ပြံင်လှာဲ ဟွံသေင်မ္ဂး အရာမဒှ် "ဟိုတ်" ရ။ (ဥပမာ - ကဆံင်ပညာ မကတ်လ္ၚတ်လဝ်)။

ဂကူ နဲကဲသ္ၚဳဂၠိပ် ပရေင်ဆက်စပ်ဂမၠိုင်

အတိုင် လၟိဟ် မပြံင်လှာဲ မပါလုပ်ဂှ် ပါ်လဝ် ဂကူ အဓိက နွံရ-

၁။ သ္ၚဳဂၠိပ် ပရေင်ဆက်စပ် တပ်တပ် မွဲဂၠံင် (Simple Linear Regression)

ဒှ်ပွမလ္ၚတ် ပရေင်ဆက်စပ် အကြာ မပြံင်လှာဲ အလဵုအလဵု ($X$) မွဲ ကဵု မပြံင်လှာဲ မဒးဒုင် ($Y$) မွဲ ရ။ သၞောတ်ဝ် တွက်သ္ၚာ (Formula) ဍေံဂှ်- $$Y = \beta_0 + \beta_1X + \epsilon$$

• $Y$ = မပြံင်လှာဲ မဒးဒုင်
• $X$ = မပြံင်လှာဲ အလဵုအလဵု
• $\beta_0$ = တင်အဆက် (Intercept) - အခိင် $X=0$ မ္ဂး $Y$ မၞုံလၟိဟ် ၜိုတ်လဵု။
• $\beta_1$ = လစှ်ေ (Slope) - ယဝ်ရ $X$ တိုန်အာ ၁ ကဆံင်မ္ဂး $Y$ ပြံင်လှာဲအာ ၜိုတ်လဵု။
• $\epsilon$ = လၟိဟ် ဗၠေတ်ယောင်မှာ (Error term)။

၂။ သ္ၚဳဂၠိပ် ပရေင်ဆက်စပ် ဗွဲမဂၠိုင် (Multiple Linear Regression)

ဒှ်ပွမလ္ၚတ် ပရေင်ဆက်စပ် မၞုံကဵု မပြံင်လှာဲ အလဵုအလဵု ($X$) ဂၠိုင်နူ မွဲရ။ (ဥပမာ - လ္ၚတ် သြန်လုပ် ($Y$) နကဵု ကဆံင်ပညာ ($X_1$)၊ အယုက် ($X_2$) ကေုာံ အခိင်ကမၠောန် ($X_3$))။ တွက်သ္ၚာဍေံဂှ်- $$Y = \beta_0 + \beta_1X_1 + \beta_2X_2 + \dots + \beta_nX_n + \epsilon$$

လၟိဟ် စၟတ်သမ္တီ အံင်ဇၞး ($R^2$ - R-squared)

ပ္ဍဲကဵု နဲကဲဏအ်မ္ဂး၊ သွက်ဂွံ စမ်ၜတ် ဒဒှ်ရ မဝ်ဒယ်ပိုဲဂှ် ကိတ်ညဳ ကု တင်ဂၞင် ဍာံ (Goodness of fit) ၜိုတ်လဵုရောဂှ် ပိုဲဒးရံင် လၟိဟ် $R^2$ ရ။ လၟိဟ်ဏအ်ဝွံ နွံအကြာ $0$ ကဵု $1$ ($0\%$ စဵုကဵု $100\%$) ရ။ ယဝ်ရ $R^2 = 0.85$ မ္ဂး၊ အဓိပ္ပါယ်ဍေံဂှ် မပြံင်လှာဲ အလဵုအလဵု ($X$) တအ်ဂှ် ပသောင်ကလးကဵု ပရေင်ပြံင်လှာဲ ($Y$) ဂွံ ၈၅% ရ။ လၟိဟ် ဇၞော်လေဝ် မဝ်ဒယ်ပိုဲ ခိုဟ်လေဝ်ရ။

ပရေင်သုင်စောဲ ပ္ဍဲ ယေန်သၞာင်နှဴရဴဗေဒ

ပ္ဍဲကဵု သုတေသန မဆေင်ကဵု ယေန်သၞာင် ကောန်ဍောတ် ကေုာံ သိပ္ပံမၞိဟ်မ္ဂး၊ သ္ၚဳဂၠိပ် ပရေင်ဆက်စပ်ဝွံ ဒှ်လွဟ် မခိုင်ကၠိုက်အိုတ်မွဲရ။ ဥပမာ - သုတေသီတအ် စကာ Multiple Regression သွက်ဂွံ လ္ၚတ် ဒဒှ်ရ "ပဝ်လသဳ ပရေင်ပညာ အလဵုအသဳ ($X_1$)" ကေုာံ "ပရေင်တန်ကြန် ဂကောံအုပ်ဓုပ် ($X_2$)" တအ်ဂှ် ဍေံဆက်စပ် ဟွံသေင်မ္ဂး ကဵုဒြဟတ် လတူ "ပရေင်မင်မွဲ လက်သဏ်ဂကူ ($Y$)" ၜိုတ်လဵုရော ဂှ် နကဵု တင်ဂၞင် စရင်အင် ကၠးကၠးဖ္ဍးဖ္ဍးရ။

ဆက်ဗှ်လ္ၚတ်

• ပညာစရင်အင်
• စရင်အင် ဆိင်ဆ
• ANOVA
• ကိုန်ဂစိုတ် သုတေသန