Njia za urejeshaji kumbukumbu na uchanganuzi wa kibaguzi hutumika inapobidi kutofautisha waziwazi waliojibu kulingana na kategoria lengwa. Katika kesi hii, vikundi vyenyewe vinawakilishwa na viwango vya parameta moja ya lahaja. Hebu tuangalie kwa karibu modeli ya urejeshaji kumbukumbu na tujue ni kwa nini inahitajika.
Maelezo ya jumla
Mfano wa tatizo ambapo urejeshaji wa kumbukumbu hutumika ni uainishaji wa waliojibu katika vikundi wanaonunua na wasionunua haradali. Utofautishaji unafanywa kwa mujibu wa sifa za kijamii na idadi ya watu. Hizi ni pamoja na, hasa, umri, jinsia, idadi ya jamaa, mapato, nk Katika uendeshaji, kuna vigezo vya kutofautisha na kutofautiana. Mwisho husimba kategoria lengwa ambazo, kwa hakika, wahojiwa wanapaswa kugawanywa.
Nuru
Inapaswa kusemwa kuwa anuwai ya kesi ambapo urejeshaji wa vifaa hutumiwa ni finyu zaidi kuliko uchanganuzi wa kibaguzi. Katika suala hili, matumizi ya mwisho kama njia ya ulimwengu ya kutofautisha inazingatiwainapendekezwa zaidi. Kwa kuongezea, wataalam wanapendekeza kuanza masomo ya uainishaji na uchambuzi wa kibaguzi. Na tu katika kesi ya kutokuwa na uhakika juu ya matokeo, unaweza kutumia urekebishaji wa vifaa. Hitaji hili linatokana na sababu kadhaa. Urekebishaji wa vifaa hutumiwa wakati kuna uelewa wazi wa aina ya vigeu huru na tegemezi. Ipasavyo, moja ya taratibu 3 zinazowezekana huchaguliwa. Katika uchanganuzi wa kibaguzi, mtafiti huwa anashughulika na operesheni moja tuli. Inahusisha tegemezi moja na vigeu kadhaa huru vya kategoria na aina yoyote ya mizani.
Mionekano
Jukumu la utafiti wa takwimu unaotumia urejeshaji wa kumbukumbu ni kubainisha uwezekano kwamba mjibu mahususi atatumwa kwa kikundi fulani. Tofauti hufanywa kulingana na vigezo fulani. Kwa mazoezi, kulingana na maadili ya sababu moja au zaidi huru, inawezekana kuainisha washiriki katika vikundi viwili. Katika kesi hii, urekebishaji wa vifaa vya binary hufanyika. Pia, vigezo maalum vinaweza kutumika wakati wa kugawanya katika vikundi vya zaidi ya mbili. Katika hali kama hiyo, urekebishaji wa vifaa vingi hufanyika. Vikundi vinavyotokana vinaonyeshwa katika viwango vya kigezo kimoja.
Mfano
Wacha tuseme kuna majibu ya waliojibu kwa swali la kama wanavutiwa na ofa ya kununua kiwanja katika viunga vya Moscow. Chaguzi ni "hapana"na ndiyo. Inahitajika kujua ni mambo gani ambayo yana ushawishi mkubwa juu ya uamuzi wa wanunuzi. Ili kufanya hivyo, wahojiwa wanaulizwa maswali kuhusu miundombinu ya eneo, umbali wa mji mkuu, eneo la tovuti, kuwepo / kutokuwepo kwa jengo la makazi, nk Kwa kutumia regression ya binary, inawezekana kusambaza. washiriki katika makundi mawili. Ya kwanza itajumuisha wale ambao wana nia ya upatikanaji - wanunuzi wanaowezekana, na pili, kwa mtiririko huo, wale ambao hawana nia ya kutoa vile. Kwa kila mhojiwa, kwa kuongeza, uwezekano wa kugawiwa aina moja au nyingine utahesabiwa.
Sifa linganishi
Tofauti kutoka kwa chaguo mbili zilizo hapo juu ni idadi tofauti ya vikundi na aina ya vigeu tegemezi na vinavyojitegemea. Katika urejeshaji wa binary, kwa mfano, utegemezi wa sababu ya dichotomous kwenye hali moja au zaidi ya kujitegemea inasomwa. Aidha, mwisho unaweza kuwa na aina yoyote ya kiwango. Urejeshaji wa hali nyingi huchukuliwa kuwa tofauti ya chaguo hili la uainishaji. Ndani yake, zaidi ya vikundi 2 ni vya kutofautisha tegemezi. Vipengele huru lazima ziwe na kipimo cha kawaida au cha kawaida.
Urejeshaji wa vifaa katika spss
Katika kifurushi cha takwimu 11-12 toleo jipya la uchanganuzi lilianzishwa - ordinal. Njia hii hutumiwa wakati sababu tegemezi ni ya kiwango sawa cha jina (ordinal). Katika kesi hii, vigezo vya kujitegemea vinachaguliwa kwa aina moja maalum. Lazima ziwe za kawaida au za kawaida. Uainishaji katika kategoria kadhaa huzingatiwa zaidizima. Njia hii inaweza kutumika katika masomo yote yanayotumia urejeshaji wa vifaa. Hata hivyo, njia pekee ya kuboresha ubora wa muundo ni kutumia mbinu zote tatu.
Uainishaji wa kawaida
Inapaswa kusemwa kuwa hapo awali katika kifurushi cha takwimu hapakuwa na uwezekano wa kawaida wa kufanya uchanganuzi maalum kwa sababu tegemezi zilizo na kipimo cha kawaida. Kwa vigezo vyote vilivyo na vikundi zaidi ya 2, lahaja ya majina mengi ilitumika. Uchanganuzi wa ordinal ulioletwa hivi majuzi una idadi ya vipengele. Wanazingatia maalum ya kiwango. Wakati huo huo, katika vifaa vya kufundishia, urejeshaji wa vifaa vya kawaida mara nyingi hauzingatiwi kama mbinu tofauti. Hii ni kutokana na yafuatayo: uchambuzi wa ordinal hauna faida yoyote muhimu juu ya multinomial. Mtafiti anaweza kutumia mwisho mbele ya anuwai ya kawaida na tegemezi la kawaida. Wakati huo huo, michakato ya uainishaji yenyewe karibu haina tofauti kutoka kwa kila mmoja. Hii inamaanisha kuwa kufanya uchanganuzi wa kawaida hautasababisha matatizo yoyote.
Chaguo la uchanganuzi
Hebu tuzingatie kisa rahisi - urejeshaji wa jozi. Tuseme, katika mchakato wa utafiti wa uuzaji, mahitaji ya wahitimu wa chuo kikuu fulani cha mji mkuu yanatathminiwa. Katika dodoso, wahojiwa waliulizwa maswali, yakiwemo:
- Je, umeajiriwa? (ql).
- Ingiza mwaka wa kuhitimu (q 21).
- Wastani ni ninialama ya kuhitimu (aver).
- Jinsia (q22).
Urejeshaji wa utaratibu utatathmini athari ya vipengele huru aver, q 21 na q 22 kwenye ql tofauti. Kwa ufupi, madhumuni ya uchambuzi huo yatakuwa ni kubainisha uwezekano wa kuajiriwa kwa wahitimu kulingana na taarifa za fani, mwaka wa kuhitimu na GPA.
Regression Logistic
Ili kuweka vigezo kwa kutumia urejeshaji wa mfumo wa jozi, tumia menyu ya Changanua ►Regression►Binary Logistic. Katika dirisha la Urekebishaji wa Logistic, chagua kigezo tegemezi kutoka kwa orodha ya vigeu vinavyopatikana upande wa kushoto. Ni ql. Kigezo hiki lazima kiwekwe kwenye sehemu ya Tegemeo. Baada ya hayo, ni muhimu kuanzisha mambo ya kujitegemea katika njama ya Covariates - q 21, q 22, aver. Kisha unahitaji kuchagua jinsi ya kuwajumuisha katika uchambuzi wako. Ikiwa idadi ya mambo ya kujitegemea ni zaidi ya 2, basi njia ya kuanzishwa kwa wakati mmoja wa vigezo vyote, ambayo imewekwa na default, hutumiwa, lakini hatua kwa hatua. Njia maarufu zaidi ni Nyuma:LR. Kwa kutumia kitufe cha Teua, unaweza kujumuisha katika utafiti si wote waliojibu, lakini aina mahususi lengwa pekee.
Fafanua Vigezo vya Kategoria
Kitufe cha Kategoria kinafaa kutumika wakati mojawapo ya vigeu vinavyojitegemea ni vya kawaida na zaidi ya kategoria 2. Katika hali hii, katika dirisha la Fafanua Vigezo vya Kategoria, parameta kama hiyo imewekwa kwenye sehemu ya Categorical Covariates. Katika mfano huu, hakuna tofauti kama hiyo. Baada ya hayo, katika orodha kunjuzi Tofauti hufuatachagua kipengee cha Kupotoka na bonyeza kitufe cha Badilisha. Matokeo yake, vigezo kadhaa tegemezi vitaundwa kutoka kwa kila sababu ya majina. Nambari yao inalingana na idadi ya kategoria za hali ya awali.
Hifadhi Vigezo Vipya
Kwa kutumia kitufe cha Hifadhi katika kisanduku kidadisi kikuu cha utafiti, uundaji wa vigezo vipya umewekwa. Watakuwa na viashiria vilivyohesabiwa katika mchakato wa kurejesha. Hasa, unaweza kuunda vigeu vinavyofafanua:
- Ni mali ya kategoria mahususi ya uainishaji (Uanachama wa Kikundi).
- Uwezekano wa kumpanga mhojiwa kwa kila kikundi cha utafiti (Uwezekano).
Unapotumia kitufe cha Chaguo, mtafiti hapati chaguo zozote muhimu. Ipasavyo, inaweza kupuuzwa. Baada ya kubofya kitufe cha "Sawa", matokeo ya uchanganuzi yataonyeshwa kwenye dirisha kuu.
Angalia ubora kwa utoshelevu na urejeshaji wa vifaa
Zingatia jedwali la Omnibus Testsof Model Coefficients. Inaonyesha matokeo ya uchambuzi wa ubora wa makadirio ya mfano. Kutokana na ukweli kwamba chaguo la hatua kwa hatua liliwekwa, unahitaji kuangalia matokeo ya hatua ya mwisho (Hatua2). Matokeo mazuri yatazingatiwa ikiwa ongezeko la kiashiria cha Chi-mraba hupatikana wakati wa kuhamia hatua inayofuata kwa kiwango cha juu cha umuhimu (Sig. < 0.05). Ubora wa mfano unatathminiwa katika mstari wa Mfano. Ikiwa thamani hasi inapatikana, lakini haizingatiwi kuwa muhimu na nyenzo ya jumla ya juu ya mfano, ya mwishoinaweza kuchukuliwa kuwa inafaa kabisa.
Meza
Muhtasari wa Muundo hurahisisha kukadiria jumla ya faharasa ya tofauti, ambayo inafafanuliwa na muundo ulioundwa (R Square index). Inashauriwa kutumia thamani ya Nagelker. Parameter ya Nagelkerke R Square inaweza kuchukuliwa kuwa kiashiria chanya ikiwa ni juu ya 0.50. Baada ya hayo, matokeo ya uainishaji yanatathminiwa, ambayo viashiria halisi vya mali ya jamii moja au nyingine chini ya utafiti hulinganishwa na yale yaliyotabiriwa kulingana na mfano wa rejista. Kwa hili, Jedwali la Uainishaji hutumiwa. Pia huturuhusu kufikia hitimisho kuhusu usahihi wa upambanuzi kwa kila kikundi kinachozingatiwa.
Jedwali lifuatalo linatoa fursa ya kujua umuhimu wa kitakwimu wa vipengele huru vilivyoingizwa katika uchanganuzi, pamoja na kila mgawo usio sanifu wa urejeshaji wa kumbukumbu. Kulingana na viashiria hivi, inawezekana kutabiri mali ya kila mhojiwa katika sampuli kwa kundi fulani. Kwa kutumia kitufe cha Hifadhi, unaweza kuingiza vigezo vipya. Zitakuwa na habari kuhusu kuwa wa kategoria fulani ya uainishaji (Kategoria iliyotabiriwa) na uwezekano wa kujumuishwa katika vikundi hivi (Uanachama wa uwezekano uliotabiriwa). Baada ya kubofya "Sawa", matokeo ya hesabu yataonekana kwenye dirisha kuu la Urekebishaji wa Usafirishaji wa Multinomial.
Jedwali la kwanza, ambalo lina viashirio muhimu kwa mtafiti, ni Maelezo ya Kufaa kwa Mfano. Kiwango cha juu cha umuhimu wa takwimu kitaonyesha ubora wa juu nakufaa kwa kutumia mfano katika kutatua matatizo ya vitendo. Jedwali lingine muhimu ni Pseudo R-Square. Inakuruhusu kukadiria uwiano wa tofauti ya jumla katika sababu tegemezi, ambayo imedhamiriwa na vigezo huru vilivyochaguliwa kwa uchambuzi. Kulingana na jedwali la Majaribio ya Uwiano wa Uwezekano, tunaweza kufikia hitimisho kuhusu umuhimu wa takwimu wa mwisho. Makadirio ya Kigezo huakisi mgawo usio sanifu. Zinatumika katika ujenzi wa equation. Kwa kuongeza, kwa kila mchanganyiko wa vigezo, umuhimu wa takwimu wa athari zao kwa sababu tegemezi imedhamiriwa. Wakati huo huo, katika utafiti wa uuzaji, mara nyingi inakuwa muhimu kutofautisha wahojiwa kwa kategoria sio mmoja mmoja, lakini kama sehemu ya kikundi kinacholengwa. Kwa hili, jedwali la Masafa ya Kuzingatiwa na Kutabirika linatumika.
Matumizi ya vitendo
Njia inayozingatiwa ya uchanganuzi inatumika sana katika kazi ya wafanyabiashara. Mnamo 1991, kiashiria cha urekebishaji wa sigmoid kilitengenezwa. Ni zana rahisi kutumia na madhubuti ya kutabiri bei zinazowezekana kabla "hazija joto kupita kiasi". Kiashiria kinaonyeshwa kwenye chati kama chaneli inayoundwa na mistari miwili inayofanana. Wametengwa kwa usawa kutoka kwa mwenendo. Upana wa ukanda utategemea tu wakati uliopangwa. Kiashiria kinatumika wakati wa kufanya kazi na takriban mali zote - kutoka jozi za sarafu hadi madini ya thamani.
Kwa vitendo, mikakati 2 muhimu ya kutumia chombo imeundwa: kwa kuzuka nakwa zamu. Katika kesi ya mwisho, mfanyabiashara atazingatia mienendo ya mabadiliko ya bei ndani ya kituo. Thamani inapokaribia mstari wa usaidizi au upinzani, dau huwekwa kwenye uwezekano kwamba harakati itaanza katika mwelekeo tofauti. Ikiwa bei inakuja karibu na mpaka wa juu, basi unaweza kuondokana na mali. Ikiwa iko kwenye kikomo cha chini, basi unapaswa kufikiria juu ya ununuzi. Mkakati wa kuzuka unahusisha matumizi ya maagizo. Wamewekwa nje ya mipaka kwa umbali mdogo. Kwa kuzingatia kwamba bei katika baadhi ya matukio inakiuka kwa muda mfupi, unapaswa kucheza salama na kuweka hasara za kuacha. Wakati huo huo, bila shaka, bila kujali mkakati uliochaguliwa, mfanyabiashara anahitaji kutambua na kutathmini hali ambayo imetokea kwenye soko kwa utulivu iwezekanavyo.
Hitimisho
Kwa hivyo, utumiaji wa urejeshaji wa kumbukumbu hukuruhusu kuainisha waliojibu kwa haraka na kwa urahisi katika kategoria kulingana na vigezo vilivyotolewa. Wakati wa kuchambua, unaweza kutumia njia yoyote maalum. Hasa, regression ya kimataifa ni ya ulimwengu wote. Hata hivyo, wataalam wanapendekeza kutumia njia zote zilizoelezwa hapo juu kwa pamoja. Hii ni kutokana na ukweli kwamba katika kesi hii ubora wa mtindo utakuwa wa juu zaidi. Hii, kwa upande wake, itapanua anuwai ya matumizi yake.
