సహసంబంధం బయటి వ్యక్తులకు సున్నితంగా ఉందా?
పియర్సన్ సహసంబంధ గుణకం, r, బయటి వ్యక్తులకు చాలా సున్నితంగా ఉంటుంది, ఇది బెస్ట్ ఫిట్ లైన్ మరియు పియర్సన్ కోరిలేషన్ కోఎఫీషియంట్పై చాలా పెద్ద ప్రభావాన్ని చూపుతుంది. దీని అర్థం — మీ విశ్లేషణలో అవుట్లయర్లను చేర్చడం తప్పుదారి పట్టించే ఫలితాలకు దారితీయవచ్చు.
సహసంబంధం బయటి వ్యక్తులచే ఎక్కువగా ప్రభావితమవుతుందా?
4. సహసంబంధం ఎక్కువగా ప్రభావితం చేయబడింది బయటివారు. మీరు తదుపరి రెండు కార్యకలాపాలలో నేర్చుకునే విధంగా, అవుట్లియర్ సహసంబంధాన్ని ప్రభావితం చేసే విధానం, లీనియర్ రిలేషన్షిప్ యొక్క నమూనాతో అవుట్లియర్ స్థిరంగా ఉందా లేదా అనే దానిపై ఆధారపడి ఉంటుంది.
అవుట్లియర్ ఎల్లప్పుడూ సహసంబంధాన్ని తగ్గిస్తుందా?
బయటి సంకల్పం ఎల్లప్పుడూ సహసంబంధ గుణకాన్ని తగ్గించండి.
సహసంబంధానికి ముందు నేను అవుట్లయర్లను తీసివేయాలా?
దురదృష్టవశాత్తూ, ఔట్లైయర్లను అనుచితంగా తీసివేయాలనే టెంప్టేషన్ను నిరోధించడం కావచ్చు కష్టం. అవుట్లియర్లు మీ డేటాలో వైవిధ్యాన్ని పెంచుతాయి, ఇది గణాంక శక్తిని తగ్గిస్తుంది. పర్యవసానంగా, అవుట్లయర్లను మినహాయించడం వలన మీ ఫలితాలు గణాంకపరంగా ముఖ్యమైనవిగా మారవచ్చు.
బివేరియేట్ స్టాటిస్టిక్స్: ది ఎఫెక్ట్స్ ఆఫ్ అవుట్లియర్స్ ఆన్ కోరిలేషన్
బయటివారు బలహీనమైన సహసంబంధాన్ని బలంగా చేయగలరా?
చాలా ఆచరణాత్మక పరిస్థితులలో ఒక అవుట్లియర్ విలువను తగ్గిస్తుంది సహసంబంధ గుణకం మరియు రిగ్రెషన్ సంబంధాన్ని బలహీనపరుస్తుంది, అయితే కొన్ని పరిస్థితులలో అవుట్లియర్ సహసంబంధ విలువను పెంచడం మరియు రిగ్రెషన్ను మెరుగుపరచడం కూడా సాధ్యమే.
మీరు బయటివారిని ఎలా గుర్తిస్తారు?
అవుట్లియర్ను గుర్తించడానికి సులభమైన మార్గం లక్షణాలు లేదా డేటా పాయింట్లను గ్రాఫింగ్ చేయడం. విజువలైజేషన్ అనేది మొత్తం డేటా మరియు అవుట్లయర్ల గురించి అనుమితిని పొందేందుకు ఉత్తమమైన మరియు సులభమైన మార్గాలలో ఒకటి. స్కాటర్ ప్లాట్లు మరియు బాక్స్ ప్లాట్లు అవుట్లయర్లను గుర్తించడానికి అత్యంత ప్రాధాన్య విజువలైజేషన్ సాధనాలు.
అవుట్లియర్ సహసంబంధాన్ని ఎప్పుడు తగ్గిస్తుంది?
x దిశలో ఉన్న అవుట్లియర్ తీసివేయబడినప్పుడు, r తగ్గుతుంది ఎందుకంటే సాధారణంగా రిగ్రెషన్ లైన్ దగ్గర పడే అవుట్లియర్ సహసంబంధ గుణకం యొక్క పరిమాణాన్ని పెంచుతుంది.
అవుట్లెర్స్ రిగ్రెషన్ను ఎలా ప్రభావితం చేస్తాయి?
ప్రభావవంతమైన పాయింట్ అనేది రిగ్రెషన్ లైన్ యొక్క వాలును బాగా ప్రభావితం చేసే అవుట్లియర్. ఆ సింగిల్ అవుట్లియర్ ఫలితంగా, రిగ్రెషన్ లైన్ యొక్క వాలు బాగా మారుతుంది, -2.5 నుండి -1.6 వరకు; కాబట్టి అవుట్లియర్ ప్రభావవంతమైన పాయింట్గా పరిగణించబడుతుంది. ...
బయటి వ్యక్తులతో మీరు ఎలా వ్యవహరిస్తారు?
డేటాలో అవుట్లైయర్లతో వ్యవహరించడానికి 5 మార్గాలు
- మీ టెస్టింగ్ టూల్లో ఫిల్టర్ని సెటప్ చేయండి. దీనికి తక్కువ ఖర్చు ఉన్నప్పటికీ, అవుట్లెర్స్ను ఫిల్టర్ చేయడం విలువైనదే. ...
- పరీక్ష అనంతర విశ్లేషణ సమయంలో అవుట్లయర్లను తీసివేయండి లేదా మార్చండి. ...
- అవుట్లయర్ల విలువను మార్చండి. ...
- అంతర్లీన పంపిణీని పరిగణించండి. ...
- తేలికపాటి అవుట్లయర్ల విలువను పరిగణించండి.
అవుట్లెర్స్ మరియు ప్రభావవంతమైన పాయింట్ల మధ్య తేడా ఏమిటి?
అవుట్లియర్ అనేది నమూనాలోని మొత్తం నమూనా నుండి వేరుచేసే డేటా పాయింట్. ... డేటాకు సరిపోయే రిగ్రెషన్ లైన్ వాలుపై పెద్ద ప్రభావాన్ని చూపే ఏదైనా పాయింట్ ప్రభావవంతమైన పాయింట్. అవి సాధారణంగా విపరీతమైన విలువలు.
ఎక్స్ట్రాపోలేషన్ అంటే ఏమిటి ఎక్స్ట్రాపోలేషన్ ఎప్పుడైనా ఉపయోగించాలి?
ఎక్స్ట్రాపోలేషన్ అంటే ఏమిటి ఎక్స్ట్రాపోలేషన్ ఎప్పుడైనా ఉపయోగించాలి? ఎక్స్ట్రాపోలేషన్ ఉపయోగిస్తోంది డేటాలోని x-విలువల పరిధికి మించి అంచనాలను చేయడానికి రిగ్రెషన్ లైన్. ఎక్స్ట్రాపోలేషన్ ఎల్లప్పుడూ ఉపయోగించడానికి తగినది. ఎక్స్ట్రాపోలేషన్ అనేది డేటాలోని x-విలువల పరిధికి మించి అంచనాలను రూపొందించడానికి రిగ్రెషన్ లైన్ని ఉపయోగిస్తోంది.
అవుట్లయర్లతో ఏ సహసంబంధ విధానం మెరుగ్గా వ్యవహరిస్తుంది?
రెండు వేరియబుల్స్ సాధారణంగా పంపిణీ చేయబడినప్పుడు పియర్సన్ యొక్క సహసంబంధ గుణకాన్ని ఉపయోగించండి, లేకపోతే ఉపయోగించండి స్పియర్మ్యాన్ సహసంబంధ గుణకం. పియర్సన్ సహసంబంధ గుణకం కంటే స్పియర్మ్యాన్ సహసంబంధ గుణకం బయటి వ్యక్తులకు మరింత దృఢంగా ఉంటుంది.
R2 అవుట్లయర్లకు సున్నితంగా ఉందా?
సాంప్రదాయ R2 దాని వెలుపల ఇతర ఆపదలను కలిగి ఉంది బయటివారికి బలహీనమైన శక్తి నిరోధకత లేదా తీవ్రమైన డేటా పాయింట్లు. మసౌద్ & రహీమ్ [13] డేటాలో అవుట్లయర్ల ఉనికి లీనియర్ రిగ్రెషన్ మోడల్ల యొక్క వాంఛనీయ పనితీరును అడ్డుకుంటుంది, ఇది సాధారణంగా పంపిణీ చేయని లోపాలకు దారితీస్తుంది.
పియర్సన్ సహసంబంధం ఎలా పని చేస్తుంది?
పియర్సన్ కోరిలేషన్ కోఎఫీషియంట్ అనేది ఒక లీనియర్ కోరిలేషన్ కోఎఫీషియంట్, ఇది aని అందిస్తుంది -1 మరియు +1 మధ్య విలువ. A -1 అంటే బలమైన ప్రతికూల సహసంబంధం ఉందని మరియు +1 అంటే బలమైన సానుకూల సహసంబంధం ఉందని అర్థం. A 0 అంటే సహసంబంధం లేదని అర్థం (దీనినే సున్నా సహసంబంధం అని కూడా అంటారు).
మల్టిపుల్ రిగ్రెషన్లో అవుట్లెర్స్ సమస్యగా ఉందా?
పరిశీలన అనేది బయటి వ్యక్తి లేదా అధిక పరపతి కలిగి ఉండటం వాస్తవం అనేది రిగ్రెషన్లో తప్పనిసరిగా సమస్య కాదు. కానీ కొన్ని అవుట్లయర్లు లేదా అధిక పరపతి పరిశీలనలు అమర్చిన రిగ్రెషన్ మోడల్పై ప్రభావం చూపుతాయి, మా మోడల్ అంచనాలను పక్షపాతం చేస్తాయి. ఉదాహరణకు, ఒక తీవ్రమైన అవుట్లియర్తో కూడిన సాధారణ దృశ్యాన్ని తీసుకోండి.
రిగ్రెషన్లో బయటి వ్యక్తులతో మీరు ఎలా వ్యవహరిస్తారు?
లీనియర్ రిగ్రెషన్లో మేము దిగువ దశలను ఉపయోగించి అవుట్లియర్ను నిర్వహించగలము:
- శిక్షణ డేటాను ఉపయోగించి ఉత్తమ హైపర్ప్లేన్ లేదా ఉత్తమంగా సరిపోయే లైన్ను కనుగొనండి.
- లైన్ లేదా హైపర్ప్లేన్ నుండి దూరంగా ఉన్న పాయింట్లను కనుగొనండి.
- హైపర్ప్లేన్ నుండి చాలా దూరంగా ఉన్న పాయింటర్ ఆ పాయింట్ను అవుట్లియర్గా పరిగణించి వాటిని తీసివేయండి. ...
- మోడల్కు మళ్లీ శిక్షణ ఇవ్వండి.
- మొదటి దశకు వెళ్ళండి.
రిగ్రెషన్లో అవుట్లెర్స్ అంటే ఏమిటి?
రిగ్రెషన్ విశ్లేషణలో, ఒక అవుట్లియర్ డేటా సెట్లోని ఇతర పరిశీలనలతో పోలిస్తే అవశేషాలు పెద్ద పరిమాణంలో ఉండే ఒక పరిశీలన. రిగ్రెషన్ విశ్లేషణలో అవుట్లయర్లు మరియు ప్రభావవంతమైన పాయింట్లను గుర్తించడం ఒక ముఖ్యమైన దశ.
అవుట్లియర్లను తొలగించడం ఎందుకు ముఖ్యం?
ఇది ముఖ్యం బయటి వ్యక్తి యొక్క స్వభావాన్ని పరిశోధించండి నిర్ణయించే ముందు. తప్పుగా నమోదు చేయబడిన లేదా కొలిచిన డేటా కారణంగా అవుట్లియర్ ఏర్పడిందని స్పష్టంగా కనిపిస్తే, మీరు అవుట్లియర్ను వదలాలి: ... అవుట్లియర్ ఫలితాలను మార్చకపోయినా, అంచనాలను ప్రభావితం చేసినట్లయితే, మీరు అవుట్లియర్ను వదిలివేయవచ్చు.
స్కాటర్ ప్లాట్లోని అవుట్లయర్లు ఏమి సూచిస్తాయి?
ఒక స్కాటర్ ప్లాట్ కోసం ఒక అవుట్లియర్ రిగ్రెషన్ లైన్ నుండి చాలా దూరంలో ఉన్న పాయింట్ లేదా పాయింట్లు. ... రిగ్రెషన్ లైన్ నుండి అనేక పాయింట్లు ఒకే దూరాన్ని కలిగి ఉంటే, ఈ పాయింట్లన్నీ అవుట్లయర్లు. స్కాటర్ ప్లాట్ యొక్క అన్ని పాయింట్లు రిగ్రెషన్ లైన్ నుండి ఒకే దూరం ఉంటే, అప్పుడు అవుట్లియర్ లేదు.
అవుట్లియర్ లేకుండా సహసంబంధ గుణకం అంటే ఏమిటి?
ఒక ఎక్స్ట్రీమ్ అవుట్లియర్తో ఒక ఉదాహరణను చూద్దాం. సహసంబంధ గుణకం X మరియు Y మధ్య సాపేక్షంగా బలమైన సానుకూల సంబంధం ఉందని సూచిస్తుంది. కానీ అవుట్లియర్ తొలగించబడినప్పుడు, సహసంబంధ గుణకం సున్నాకి సమీపంలో ఉంది.
అవుట్లెర్స్ మరియు క్రమరాహిత్యాల మధ్య తేడా ఏమిటి?
క్రమరాహిత్యం అనేది అవుట్లియర్ వంటి అంచనా ప్రవర్తనకు అనుగుణంగా లేని డేటాలోని నమూనాలను సూచిస్తుంది ఇతర పరిశీలనల నుండి వైదొలిగే పరిశీలన.
అవుట్లెర్స్ ద్వారా ఏ కొలత ఎక్కువగా ప్రభావితమవుతుంది?
అర్థం కేంద్ర ప్రవృత్తి యొక్క ఏకైక కొలమానం ఎల్లప్పుడూ బయటి వ్యక్తి ద్వారా ప్రభావితమవుతుంది. సగటు, కేంద్ర ధోరణి యొక్క అత్యంత ప్రజాదరణ పొందిన కొలత.
వివిధ రకాల అవుట్లైయర్లు ఏమిటి?
మూడు విభిన్న రకాల అవుట్లయర్లు
- రకం 1: గ్లోబల్ అవుట్లయర్స్ ("పాయింట్ అనోమాలిస్" అని కూడా అంటారు): ...
- రకం 2: సందర్భోచిత (షరతులతో కూడిన) అవుట్లియర్లు: ...
- రకం 3: సామూహిక అవుట్లియర్లు: ...
- గ్లోబల్ అనోమలీ: క్రమరహిత విలువలు సాధారణ గ్లోబల్ పరిధికి వెలుపల ఉన్నందున హోమ్పేజీ యొక్క బౌన్స్ల సంఖ్యలో స్పైక్ కనిపిస్తుంది.