لغة :
SWEWE عضو :دخول |تسجيل
بحث
المجتمع الموسوعة |الموسوعة أجوبة |إرسال السؤال |المعرفة المفردات |تحميل المعرفة
الأسئلة :بحوث حول تحليل الانحدار غير الخطي
زائر (197.117.*.*)
فئة :[علم][آخر]
لا بد لي من الإجابة [زائر (216.73.*.*) | دخول ]

صور :
نوع :[|jpg|gif|jpeg|png|] بايت :[<2000KB]
لغة :
| التحقق من رمز و :
كل إجابات [ 1 ]
[زائر (183.193.*.*)]إجابات [الصينية ]وقت :2021-12-05
ويستند ما يسمى أسلوب تحليل الانحدار على حيازة عدد كبير من البيانات الرصدية، وذلك باستخدام الأساليب الإحصائية الرياضية لتأسيس تعبير دالة علاقة الانحدار بين المتغير التابع والوسائط (تسمى معادلة الانحدار). عندما تتضمن السببية في الدراسة متغيرات تابعة وحجتين أو أكثر، تسمى تحليل الانحدار المتعدد. بالإضافة إلى ذلك، في تحليل الانحدار، يتم تقسيم تحليل الانحدار الخطي وتحليل الانحدار غير الخطي إلى تحليل انحدار خطي وتحليل انحدار غير خطي استنادا إلى ما إذا كان تعبير الدالة الذي يصف العلاقة السببية بين الوسيطات والمتغيرات التابعة خطيا أو غير خطي.تحليل الانحدار الخطي هو عادة الطريقة الأساسية للتحليل، ويمكن معالجة مشكلة الانحدار غير الخطي بالوسائل الرياضية...
الخطية للمشكلة

الطريقة الأساسية للتعامل مع الانحدار غير الخطي التي يمكن خطية هو تحويل الانحدار غير الخطي إلى انحدار خطي عن طريق تحويل متغير، ومن ثم للتعامل مع أسلوب الانحدار الخطي. ويفترض أنه، وفقا لنظرية أو خبرة، تم الحصول على تعبير غير خطي بين متغير الإخراج ومتغير الإدخال، ولكن معامل التعبير غير معروف، ويتم تحديد قيمة المعامل استنادا إلى الملاحظات n للإدخال والإخراج. يتم اشتقاق قيمة المعامل من خلال مبدأ المربعات الأقل، والنموذج الناتج هو نموذج انحدار غير خطي.

مشكلة عدم الخطية
ويقترح حل جديد لمشكلة الانحدار غير الخطي الذي لا يعالج خطيا في البحث العلمي الفعلي. ويستند هذا الأسلوب على الأقل مربع من مشكلة الانحدار، ويتم تطبيق حل رياضي لمشكلة extremum غير المقيدة في طريقة التحسين لمشكلة extremum أقل تقييدا- طريقة النموذج البسيط. تظهر نتائج التطبيق أن خوارزمية أسلوب الانحدار غير الخطي بسيطة نسبيا، وتأثير التقارب وسرعة التقارب مثالية.
مع إتقان النهج الأقل مربعات ، فإن مفتاح حل المشاكل المذكورة أعلاه هو تحديد نوع المنحنى وكيفية تحويله إلى نموذج خطي. وينظر عموما في تحديد أنواع المنحنيات بطريقتين: أحدهما يستند إلى الخبرة، نظريا أو تجريبيا، والآخر هو تحديد النوع العام للمنحنى عن طريق رسم ورصد التشتت عندما تكون الخبرة عاجزة.

مثال الانحدار غير الخطي
مثال 1:1790-1960 بيانات التغير السكاني لبلد ما: ملاحظة: حتى إذا كانت المعادلة الخطية جيدة لملاءمة بيانات الرصد، فقد يتم إتلاف الافتراضات المستقلة والتباينية حول شروط الخطأ. والسبب هو أن مصطلحات خطأ البيانات في السلسلة الزمنية غالبا ما تكون غير مستقلة، وقد يختلف حجم مصطلح الخطأ وفقا لحجم مجموعة البيانات، مما يعني أنه حتى لو كانت المعادلات المناسبة لمراقبة هذه العينة غير مناسبة للسكان. التجربة تشير إلى أنه لا يمكن تحويل نماذج النمو السكاني إلى نماذج خطية ، لذلك يمكن استخدام الانحدار المنحني أو الانحدار غير الخطي.مقارنة أخرى هي ما إذا كان الانحدار منحنى جيدة أو الانحدار غير الخطي جيدة، فإنه ليس من الصعب إنشاء متغير المتبقية الجديدة، وهذا هو، في spss، التحليل المقابلة من مربع الحوار الفرعي حفظ لإنشاء نموذج مناظر جديد للمتغير. في الواقع ، هناك صيغة عالمية : SPSS ، كل وظيفة مربع الحوار "حفظ" هو إنشاء متغير جديد في إطار الجدول ثنائي الأبعاد ، وهو إطار البيانات مخزن SPSS ، وهذا المتغير الجديد له الاسم الافتراضي ، هو نتيجة هامة للتحليل المقابل. بعد حفظ المتغير الجديد ، يجب الحكم عليه وفقا للرسم التخطيطي التسلسلي للمخلفات: الأكثر سلاسة هو الأنسب...
مثال 2: تركيز المخدرات ومنحنى الوقت في الدم غير خطية.

ويتم الحكم على هذا على خلفية مهنية. من غير المرجح أن يعمل الدواء على الفور ، ربما تدريجيا أو فجأة في الدم.

مثال 3: الطول والوزن، في المراهقين، هي الخطية، لأن المراهقين تنمو، ولكن لدورة حياة الشخص بأكمله، بل هو علاقة منحنى لأن، يتم تحديد طول الكبار عموما.

أمثلة من هذا القبيل ببساطة لا تتناسب مع الانحدار المستقيم ، والمعروف أيضا باسم نماذج خطية الرحيق. لهذه الحالة، يمكنك استخدام نموذج مجزأة من الانحدار غير الخطي. الهدف النهائي هو تقليل مجموع المربعات من بقايا. أي، على مقربة من معظم النقاط المبعثرة في الرسم البياني.
يتم استخدام SpSS للتراجع غير الخطي

الاحتياطات

1 القيمة الأولية المحددة:

(1) باستخدام افتراضات بسيطة، على سبيل المثال، إذا كانت أكبر قيمة حالة لجميع المتغيرات هي 1.78 مليون، يتم اختيار 200 كقيمة أولية وتقدر قيمة المعلمة وفقا للمعادلة.

(2) استخدام الرسومات أو الرسومات للمساعدة ، وتحويل البيانات

إذا لم يكن المعلمات قيمة أولية، لا يمكن ببساطة تعيينها إلى 0، تعيينها إلى حجم القيمة المتوقعة لتغيير. باختصار ، هو إيجاد وسيلة للعثور على قيمة أكثر ملاءمة ، وتعيين عدد قليل من أكثر ، ومن ثم مقارنة. يمكنك أيضا تعيين القيم استنادا إلى الخلفية المهنية والتركيز. ويمكن أيضا حساب ذلك رياضيا، على سبيل المثال، عندما تؤخذ المعادلة في نفس الوقت. ويلزم إجراء تحليل محدد لقضايا محددة.
2 التكرار والتقارب: يتم حساب التكرارات تلقائيا بواسطة الكمبيوتر، على سبيل المثال، تعيين التكرار إلى 1000، مما يعني أن الكمبيوتر قام بحساب 1000 مرة، في كل مرة إعادة حساب على أساس النتيجة السابقة. وبطبيعة الحال ، عد القلم اليدوي يستغرق 1000 سنة. التكرارات لا ينتهي حسابها إلى ما لا نهاية، ولكن عندما يتم تقارب المعايير أو الإعدادات تسمى التكرارات القصوى، فإنها تتوقف بغض النظر عما إذا كانت النتائج تتحقق أم لا. يوجد تاريخ من التكرارات في جدول إخراج النتائج. هذا الجدول هو جدول عملية، كل خطوة كيفية حساب، يمكن العثور عليها. لأن التكرار هو حساب الكمبيوتر التلقائي، على سبيل المثال، الماء المغلي، إذا الكهرباء المستمرة، وحرق المياه الجافة سوف تشتعل فيها النيران، وبالتالي فإن الجهاز يحتاج إلى السيطرة البشرية، فإنه ليس لديه العاطفة...
عمليات Sps: سواء كان مربع الحوار متغير محسوب أو مربع حوار انحدار غير خطي مشابه جدا، هناك العداد الحاسبة، مجموعات الدالات، الوظائف والمتغيرات الخاصة. يتم تجميع العناصر المختلفة معا لتكوين تعبير يشكل متغير جديد. طالما يتم إضافة العناصر المقابلة إلى التعبير مع الماوس، ثم فحص، أو التعبير هو مكتوب مقدما، وحسن المقابلة، أساسا أي مشكلة. في الواقع، يمكن أن SPSS العديد من العمليات تخمين فكرة الخام على أساس النص.
3 Loss function: مربع الحوار الانحدار غير الخطي هو خوارزمية للمتغير التابع بالكامل، ولكن دالة الخسارة هي خوارزمية إحصائية، وSpss الافتراضي للعثور على نموذج غير خطي باستخدام الحد الأدنى للمبلغ المربع المتبقي، أو يمكنك تعيينه بنفسك. تتوفر الإعدادات في مربع الحوار المناسب. يمكن أن يعتقد أن وظيفة الخسارة هي وظيفة تقدير الخطأ ، بل هو مؤشر سلبي ، كلما كان ذلك أقل كلما كان ذلك أفضل.
4 قيود المعلمة: في معظم النماذج غير الخطية، يجب أن تقتصر المعلمات على فترات ذات معنى. يشير إلى تقييد المعلمات أثناء التكرارات. وينقسم إلى قيود خطية وقيود غير خطية. ضرب المعلمات بالثوابت في القيود الخطية ولكن هذا الثابت لا يمكن أن تكون المعلمات الأخرى أو نفسها. يتم ضرب معلمة واحدة على الأقل في قيد غير خطي بواسطة معلمات أخرى أو مقسومة عليها أو مدعومة.

مقارنة النتائج

1 مصفوفة الارتباط التدريجي لتقدير المعلمات: إذا كانت هناك قيمة إيجابية أو سلبية كبيرة جدا، فقد يكون ذلك بسبب وجود معلمات كثيرة جدا في النموذج، مما يشير أيضا إلى أن عدد الملاحظات غير كاف، ولكن لا يعني أن النموذج لا يصلح.
2 95٪ فاصل الثقة: إذا كان الفاصل الزمني الثقة 95٪ لا يتضمن صفر, هذه المعلمة ذات دلالة إحصائية. وإذا كان قريبا من الصفر، ينبغي أن يكون من الحكمة استخلاص استنتاجات.

والمعامل المحدد المحسوب في تركيب المنحنى 3 هو في الواقع معامل القرار لمعادلة الخط المستقيم الخطي المنحني، والتي لا تمثل بالضرورة درجة تفسير التباين قبل التحويل. أي أن معاملات القرار في النموذجين قد لا تكون قابلة للمقارنة.
بحث

版权申明 | 隐私权政策 | حق النشر @2018 العالم المعرفة الموسوعية