मल्टीपल रिग्रेशन मॉडल के फायदे और नुकसान

कई स्वतंत्र चर और एक आश्रित चर के बीच संबंधों की जांच के लिए एकाधिक प्रतिगमन का उपयोग किया जाता है। जबकि कई प्रतिगमन मॉडल आपको इन स्वतंत्र, या भविष्यवक्ता, चर के सापेक्ष प्रभावों का विश्लेषण करने की अनुमति देते हैं आश्रित, या मानदंड, चर, ये अक्सर जटिल डेटा सेट गलत निष्कर्ष पर ले जा सकते हैं यदि उनका विश्लेषण नहीं किया जाता है अच्छी तरह से।

एक रियल एस्टेट एजेंट घरों के मूल्य का विश्लेषण करने के लिए कई प्रतिगमन का उपयोग कर सकता है। उदाहरण के लिए, वह स्वतंत्र चर के रूप में घरों के आकार, उनकी उम्र, शयनकक्षों की संख्या, पड़ोस में घर की औसत कीमत और स्कूलों से निकटता का उपयोग कर सकती थी। इन्हें एक बहु प्रतिगमन मॉडल में प्लॉट करते हुए, वह इन कारकों का उपयोग घरों की कीमतों के साथ उनके संबंध को मानदंड चर के रूप में देखने के लिए कर सकती थी।

एकाधिक प्रतिगमन मॉडल का उपयोग करने का एक और उदाहरण मानव संसाधन में प्रबंधन पदों के वेतन का निर्धारण करने वाला कोई व्यक्ति हो सकता है - मानदंड चर। भविष्यवक्ता चर प्रत्येक प्रबंधक की वरिष्ठता, काम किए गए घंटों की औसत संख्या, प्रबंधित किए जा रहे लोगों की संख्या और प्रबंधक का विभागीय बजट हो सकता है।

एकाधिक प्रतिगमन मॉडल का उपयोग करके डेटा का विश्लेषण करने के दो मुख्य लाभ हैं। पहला मानदंड मूल्य के लिए एक या एक से अधिक भविष्यवक्ता चर के सापेक्ष प्रभाव को निर्धारित करने की क्षमता है। रियल एस्टेट एजेंट को पता चल सकता है कि घरों के आकार और शयनकक्षों की संख्या का ए. की कीमत से गहरा संबंध है घर, जबकि स्कूलों से निकटता का कोई संबंध नहीं है, या यहां तक ​​कि एक नकारात्मक सहसंबंध भी है यदि यह प्राथमिक रूप से एक सेवानिवृत्ति है समुदाय।

दूसरा लाभ आउटलेर्स, या विसंगतियों की पहचान करने की क्षमता है। उदाहरण के लिए, प्रबंधन वेतन से संबंधित डेटा की समीक्षा करते समय, मानव संसाधन प्रबंधक यह पा सकता है कि: काम के घंटों की संख्या, विभाग के आकार और उसके बजट का वेतन से गहरा संबंध था, जबकि वरिष्ठता का था नहीं। वैकल्पिक रूप से, यह हो सकता है कि सभी सूचीबद्ध भविष्यवक्ता मूल्यों की जांच की जा रही प्रत्येक वेतन से संबंधित थी, एक प्रबंधक को छोड़कर जो दूसरों की तुलना में अधिक भुगतान किया जा रहा था।

एकाधिक प्रतिगमन मॉडल का उपयोग करने का कोई भी नुकसान आमतौर पर उपयोग किए जा रहे डेटा के लिए नीचे आता है। इसके दो उदाहरण अधूरे डेटा का उपयोग कर रहे हैं और गलत तरीके से यह निष्कर्ष निकाल रहे हैं कि सहसंबंध एक कार्य-कारण है।

घरों की कीमत की समीक्षा करते समय, उदाहरण के लिए, मान लीजिए कि रियल एस्टेट एजेंट ने केवल 10 घरों को देखा, जिनमें से सात युवा माता-पिता द्वारा खरीदे गए थे। इस मामले में, स्कूलों की निकटता के बीच संबंध उसे यह विश्वास दिला सकता है कि इससे समुदाय में बेचे जा रहे सभी घरों के बिक्री मूल्य पर प्रभाव पड़ा है। यह अपूर्ण डेटा के नुकसान को दर्शाता है। अगर उसने एक बड़े नमूने का इस्तेमाल किया होता, तो वह पा सकती थी कि बेचे गए 100 घरों में से केवल दस प्रतिशत घरेलू मूल्य स्कूल की निकटता से संबंधित थे। यदि उसने खरीदारों की उम्र को भविष्यवक्ता मूल्य के रूप में इस्तेमाल किया होता, तो वह पा सकती थी कि युवा खरीदार पुराने खरीदारों की तुलना में समुदाय में घरों के लिए अधिक भुगतान करने को तैयार थे।

प्रबंधन वेतन के उदाहरण में, मान लीजिए कि एक बाहरी व्यक्ति था जिसके पास कम बजट था, कम वरिष्ठता थी और कम कर्मियों के साथ प्रबंधन करने के लिए लेकिन किसी और की तुलना में अधिक कमा रहा था। मानव संसाधन प्रबंधक डेटा को देख सकता है और निष्कर्ष निकाल सकता है कि इस व्यक्ति को अधिक भुगतान किया जा रहा है। हालाँकि, यह निष्कर्ष गलत होगा यदि उसने इस बात पर ध्यान नहीं दिया कि यह प्रबंधक कंपनी की वेबसाइट का प्रभारी था और उसके पास नेटवर्क सुरक्षा में अत्यधिक प्रतिष्ठित कौशल था।