ਭਾਸ਼ਾਈ ਰਿਗਰੈਸ਼ਨ: ਮਾਡਲ ਅਤੇ ਢੰਗ

и дискриминантного анализа используются тогда, когда необходимо четко дифференцировать респондентов по целевым категориям. ਜਵਾਬਦੇਸ਼ੀ ਰਿਗਰੈਸ਼ਨ ਅਤੇ ਭੇਦਭਾਵਪੂਰਣ ਵਿਸ਼ਲੇਸ਼ਣ ਦੇ ਢੰਗਾਂ ਦੀ ਵਰਤੋਂ ਉਦੋਂ ਕੀਤੀ ਜਾਂਦੀ ਹੈ ਜਦੋਂ ਟੀਚਾ ਸ਼੍ਰੇਣੀਆਂ ਦੁਆਰਾ ਜਵਾਬ ਦੇਣ ਵਾਲਿਆਂ ਨੂੰ ਸਪੱਸ਼ਟ ਤੌਰ ਤੇ ਅਲੱਗ ਕਰਨ ਲਈ ਜ਼ਰੂਰੀ ਹੁੰਦਾ ਹੈ. ਇਸ ਸਥਿਤੀ ਵਿੱਚ, ਆਪਣੇ ਆਪ ਸਮੂਹ ਇੱਕ ਸਿੰਗਲ univariant ਪੈਰਾਮੀਟਰ ਦੇ ਪੱਧਰ ਦੁਆਰਾ ਦਰਸਾਏ ਜਾਂਦੇ ਹਨ. а также выясним, для чего она нужна. ਆਉ ਸੰਭਵ ਤੌਰ 'ਤੇ ਰਿਜਸਟਰੀ ਰਿਗਰੈਸ਼ਨ ਮਾਡਲ ਬਾਰੇ ਵਿਚਾਰ ਕਰੀਏ ਅਤੇ ਇਹ ਵੀ ਪਤਾ ਲਗਾਓ ਕਿ ਇਹ ਕਿਉਂ ਜ਼ਰੂਰੀ ਹੈ.

ਆਮ ਜਾਣਕਾਰੀ

, может выступать классификация респондентов по группам покупающих и не покупающих горчицу. ਰਿਜਸਟਰੇਸ਼ਨ ਦੀ ਵਰਤੋਂ ਦੇ ਹੱਲ ਵਿਚ ਇਕ ਸਮੱਸਿਆ ਦਾ ਉਦਾਹਰਨ ਇਹ ਹੈ ਕਿ ਰਾਈ ਦੇ ਖ਼ਰੀਦਣ ਵਾਲੇ ਖਰੀਦਦਾਰਾਂ ਦੇ ਸਮੂਹਾਂ ਵੱਲੋਂ ਉੱਤਰਦਾਤਾਵਾਂ ਦੀ ਸ਼੍ਰੇਣੀ ਨੂੰ ਵਰਤਿਆ ਜਾ ਸਕਦਾ ਹੈ. ਵਿਭਾਜਨ ਸਮਾਜਿਕ-ਆਬਾਦੀ ਦੀਆਂ ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ ਦੇ ਅਨੁਸਾਰ ਕੀਤਾ ਜਾਂਦਾ ਹੈ ਉਹਨਾਂ ਵਿਚ, ਵਿਸ਼ੇਸ਼ ਤੌਰ 'ਤੇ, ਉਮਰ, ਲਿੰਗ, ਰਿਸ਼ਤੇਦਾਰਾਂ ਦੀ ਗਿਣਤੀ, ਆਮਦਨੀ ਆਦਿ ਸ਼ਾਮਲ ਹਨ. ਓਪਰੇਸ਼ਨ ਵਿਚ ਵਿਭਾਜਨ ਦੇ ਮਾਪਦੰਡ ਅਤੇ ਇੱਕ ਵੇਰੀਏਬਲ ਹੁੰਦੇ ਹਨ. ਬਾਅਦ ਵਿੱਚ ਟਾਰਗੈਟ ਸ਼੍ਰੇਣੀਆਂ, ਜੋ ਵਾਸਤਵ ਵਿੱਚ, ਉੱਤਰਦਾਤਾਵਾਂ ਨੂੰ ਅਲੱਗ ਕਰਨ ਦੀ ਜ਼ਰੂਰਤ ਹੈ.

Nuances

, значительно уже, чем для дискриминантного анализа. ਇਹ ਨੋਟ ਕੀਤਾ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ ਕਿ ਕੇਸਾਂ ਦੀ ਸੀਮਾ ਜਿਸ ਵਿੱਚ ਤਰਕਸੰਗਤ ਰਿਗਰੈਸ਼ਨ ਲਾਗੂ ਕੀਤਾ ਗਿਆ ਹੈ ਵਿਤਕਰੇ ਵਿਸ਼ਲੇਸ਼ਣ ਤੋਂ ਬਹੁਤ ਮਹੱਤਵਪੂਰਨ ਹੈ. ਇਸਦੇ ਸੰਬੰਧ ਵਿੱਚ, ਵਿਭਾਜਨ ਦੀ ਵਿਆਪਕ ਵਿਧੀ ਦੇ ਤੌਰ ਤੇ ਬਾਅਦ ਦੀ ਵਰਤੋਂ ਨੂੰ ਪਹਿਲ ਦੇ ਤੌਰ ਤੇ ਮੰਨਿਆ ਜਾਂਦਾ ਹੈ. ਇਸਤੋਂ ਇਲਾਵਾ, ਮਾਹਿਰਾਂ ਨੇ ਭੇਦਭਾਵਪੂਰਣ ਵਿਸ਼ਲੇਸ਼ਣ ਦੇ ਨਾਲ ਵਰਗੀਕਰਨ ਅਧਿਐਨ ਸ਼ੁਰੂ ਕਰਨ ਦੀ ਸਿਫਾਰਸ਼ ਕੀਤੀ ਹੈ. ਅਤੇ ਸਿਰਫ ਨਤੀਜੇ ਦੇ ਲਈ ਅਨਿਸ਼ਚਿਤਤਾ ਦੇ ਮਾਮਲੇ ਵਿੱਚ ਤੁਸੀਂ ਰਿਜਸਟਰੀ ਰਿਗਰੈਸ਼ਨ ਵਰਤ ਸਕਦੇ ਹੋ. ਇਹ ਲੋੜ ਕੁਝ ਕਾਰਕਾਂ ਕਰਕੇ ਹੈ. используется при наличии четкого представления о типе независимых и зависимых переменных. ਉਪਚਾਰਕ ਰਿਗਰੈਸ਼ਨ ਉਦੋਂ ਵਰਤਿਆ ਜਾਂਦਾ ਹੈ ਜਦੋਂ ਸੁਤੰਤਰ ਅਤੇ ਨਿਰਭਰ ਵੈਲਿਥ ਦੀ ਕਿਸਮ ਦੀ ਸਪੱਸ਼ਟ ਸਮਝ ਹੁੰਦੀ ਹੈ ਇਸ ਦੇ ਅਨੁਸਾਰ, 3 ਸੰਭਾਵਿਤ ਪ੍ਰਕਿਰਿਆਵਾਂ ਵਿੱਚੋਂ ਇੱਕ ਚੁਣਿਆ ਗਿਆ ਹੈ. ਭੇਦਭਾਵਪੂਰਣ ਵਿਸ਼ਲੇਸ਼ਣ ਦੇ ਨਾਲ, ਖੋਜਕਰਤਾ ਹਮੇਸ਼ਾਂ ਇਕ ਸਥਾਈ ਕਾਰਵਾਈ ਨਾਲ ਕੰਮ ਕਰਦਾ ਹੈ. ਇਸ ਵਿਚ ਕਿਸੇ ਵੀ ਕਿਸਮ ਦੇ ਪੈਮਾਨੇ ਦੇ ਨਾਲ ਇਕ ਨਿਰਭਰ ਅਤੇ ਕਈ ਆਜ਼ਾਦ ਨਿਰਣਾਇਕ ਪਰਿਵਰਤਨ ਸ਼ਾਮਲ ਹੁੰਦੇ ਹਨ.

ਕਿਸਮ

, состоит в определении вероятности того, что определенный респондент будет отнесен к той или иной группе. ਸੰਖਿਆਤਮਕ ਖੋਜ ਦਾ ਕੰਮ ਜਿਸ ਵਿੱਚ ਰਿਜਸਟ੍ਰੇਸ਼ਨ ਰਿਗਰਸ਼ਨ ਵਰਤਿਆ ਗਿਆ ਹੈ ਉਹ ਸੰਭਾਵਤ ਨਿਸ਼ਚਿਤ ਕਰਨ ਲਈ ਹੈ ਕਿ ਇੱਕ ਖਾਸ ਪ੍ਰਤੀਨਿਧ ਇੱਕ ਖਾਸ ਸਮੂਹ ਨੂੰ ਨਿਰਧਾਰਤ ਕੀਤਾ ਜਾਵੇਗਾ. ਕੁਝ ਪੈਰਾਮੀਟਰਾਂ ਦੇ ਅਨੁਸਾਰ ਵਿਭਾਜਨ ਕੀਤਾ ਜਾਂਦਾ ਹੈ ਅਭਿਆਸ ਵਿੱਚ, ਇੱਕ ਜਾਂ ਕਈ ਆਜ਼ਾਦ ਕਾਰਕ ਦੇ ਮੁੱਲ ਅਨੁਸਾਰ, ਉੱਤਰਦਾਰੀਆਂ ਨੂੰ ਦੋ ਸਮੂਹਾਂ ਵਿੱਚ ਵੰਡਣਾ ਸੰਭਵ ਹੈ. . ਇਸ ਕੇਸ ਵਿੱਚ, ਬਾਈਨਰੀ ਲੌਜਿਕ ਰਿਗਰੈਸ਼ਨ ਹੁੰਦਾ ਹੈ. ਇਸ ਤੋਂ ਇਲਾਵਾ, ਖਾਸ ਪੈਰਾਮੀਟਰਾਂ ਨੂੰ ਦੋ ਤੋਂ ਵੱਧ ਗਰੁੱਪਾਂ ਨੂੰ ਵੰਡਣ ਲਈ ਵਰਤਿਆ ਜਾ ਸਕਦਾ ਹੈ. ਇਸ ਸਥਿਤੀ ਵਿੱਚ, ਇੱਕ ਮਲਟੀ-ਕਮਮਿਸਟਲ ਰਿਜਸਟਰੀ ਰਿਗਰੈਸ਼ਨ ਹੈ. ਨਤੀਜੇ ਗਰੁੱਪਾਂ ਨੂੰ ਇੱਕ ਸਿੰਗਲ ਵੇਰੀਏਬਲ ਦੇ ਪੱਧਰ ਦੁਆਰਾ ਦਰਸਾਏ ਜਾਂਦੇ ਹਨ.

ਉਦਾਹਰਨ:

ਆਓ ਇਹ ਦੱਸੀਏ ਕਿ ਜਵਾਬ ਦੇਣ ਵਾਲਿਆਂ ਦੇ ਜਵਾਬ ਹਨ ਕਿ ਕੀ ਉਹ ਮਾਸਕੋ ਦੇ ਉਪ ਮਾਰਗ ਵਿੱਚ ਜ਼ਮੀਨ ਦੀ ਜਾਇਦਾਦ ਖਰੀਦਣ ਦੀ ਪੇਸ਼ਕਸ਼ ਵਿੱਚ ਦਿਲਚਸਪੀ ਰੱਖਦੇ ਹਨ ਜਾਂ ਨਹੀਂ. ਚੋਣਾਂ "ਨਹੀਂ" ਅਤੇ "ਹਾਂ" ਹਨ. ਸੰਭਾਵੀ ਖਰੀਦਦਾਰਾਂ ਦੇ ਫੈਸਲੇ ਉੱਤੇ ਕਿਹੜਾ ਕਾਰਕ ਪ੍ਰਭਾਵ ਪਾਉਂਦਾ ਹੈ ਇਹ ਜਾਨਣਾ ਜ਼ਰੂਰੀ ਹੈ ਅਜਿਹਾ ਕਰਨ ਲਈ, ਇੰਟਰਵਿਊਆਂ ਨੂੰ ਇਲਾਕੇ ਦੇ ਬੁਨਿਆਦੀ ਢਾਂਚੇ, ਪੂੰਜੀ ਦੀ ਦੂਰੀ, ਪਲਾਟ ਦਾ ਖੇਤਰ, ਰਿਹਾਇਸ਼ੀ ਢਾਂਚੇ ਦੀ ਮੌਜੂਦਗੀ / ਹਾਜ਼ਰੀ ਆਦਿ ਬਾਰੇ ਪ੍ਰਸ਼ਨ ਪੁੱਛੇ ਜਾਂਦੇ ਹਨ. ਬਾਈਨਰੀ ਰਿਗਰਸ਼ਨ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹੋਏ, ਉੱਤਰਦਾਤਾਵਾਂ ਨੂੰ ਦੋ ਸਮੂਹਾਂ ਵਿੱਚ ਵੰਡਿਆ ਜਾ ਸਕਦਾ ਹੈ. ਪਹਿਲਾਂ ਉਹਨਾਂ ਵਿੱਚ ਸ਼ਾਮਲ ਹੋਣਗੇ, ਜੋ ਸੰਭਾਵੀ ਖਰੀਦਦਾਰਾਂ ਨੂੰ ਪ੍ਰਾਪਤ ਕਰਨ ਵਿੱਚ ਦਿਲਚਸਪੀ ਰੱਖਦੇ ਹਨ, ਅਤੇ ਦੂਜੀ, ਕ੍ਰਮਵਾਰ, ਉਹ ਜਿਹੜੇ ਅਜਿਹੇ ਇੱਕ ਪ੍ਰਸਤਾਵ ਵਿੱਚ ਦਿਲਚਸਪੀ ਨਹੀਂ ਰੱਖਦੇ ਹਨ ਹਰੇਕ ਪ੍ਰਤੀਵਾਦੀ ਲਈ, ਇਸਦੇ ਇਲਾਵਾ, ਕਿਸੇ ਵਰਗ ਦੀ ਗੱਲ ਕਰਨ ਦੀ ਸੰਭਾਵਨਾ ਦੀ ਗਣਨਾ ਕੀਤੀ ਜਾਵੇਗੀ.

ਤੁਲਨਾਤਮਕ ਲੱਛਣ

ਉੱਪਰ ਦੱਸੇ ਗਏ ਦੋ ਰੂਪਾਂ ਤੋਂ ਭਿੰਨ ਭਿੰਨ ਸਮੂਹਾਂ ਦੇ ਸਮੂਹ ਅਤੇ ਨਿਰਭਰ ਅਤੇ ਸੁਤੰਤਰ ਵੇਰੀਏਬਲ ਦੀ ਕਿਸਮ ਸ਼ਾਮਲ ਹਨ. ਇੱਕ ਬਾਈਨਰੀ ਰਿਗਰੈਸ਼ਨ ਵਿੱਚ, ਉਦਾਹਰਨ ਲਈ, ਇੱਕ ਜਾਂ ਵਧੇਰੇ ਸੁਤੰਤਰ ਸਥਿਤੀਆਂ ਤੇ ਡਾਇਟੋਟੌਮ ਕਾਰਕ ਦੀ ਨਿਰਭਰਤਾ ਦਾ ਅਧਿਐਨ ਕੀਤਾ ਜਾਂਦਾ ਹੈ. ਬਾਅਦ ਦੇ ਕਿਸੇ ਵੀ ਪੈਮਾਨੇ ਹੋ ਸਕਦੇ ਹਨ ਮਲਟੀ-ਇੰਨਮਿਅਲ ਰਿਗਰੈਸ਼ਨ ਨੂੰ ਇਸ ਵਰਗੀਕਰਨ ਦੇ ਵਿਕਲਪ ਦੀ ਭਿੰਨਤਾ ਮੰਨਿਆ ਜਾਂਦਾ ਹੈ. ਇਸ ਵਿਚ ਨਿਰਭਰ ਵਾਈਲੈਬਲ ਵਿਚ 2 ਤੋਂ ਵੱਧ ਗਰੁੱਪ ਹਨ. ਸੁਤੰਤਰ ਕਾਰਕਾਂ ਲਈ ਇਕ ਆਰਡੀਨਲ ਜਾਂ ਨਾਮਾਤਰ ਸਕੇਲ ਹੋਣਾ ਚਾਹੀਦਾ ਹੈ.

ਸਪਾੱਸ ਵਿਚ ਭਾਸ਼ਾਈ ਰਿਗਰੈਸ਼ਨ

ਅੰਕੜਾ ਪੈਕੇਜ 11-12 ਵਿਚ, ਵਿਸ਼ਲੇਸ਼ਣ ਦਾ ਇਕ ਨਵਾਂ ਸੰਸਕਰਣ ਪੇਸ਼ ਕੀਤਾ ਗਿਆ ਸੀ: ਕ੍ਰਮਵਾਰ. ਇਹ ਢੰਗ ਵਰਤਿਆ ਜਾਂਦਾ ਹੈ ਜਦੋਂ ਨਿਰਭਰ ਪ੍ਰਕਿਰਿਆ ਉਸੇ (ਆਰਡੀਨਲ) ਪੈਮਾਨੇ ਨਾਲ ਸੰਬੰਧਿਤ ਹੈ. ਇਸ ਕੇਸ ਵਿੱਚ, ਸੁਤੰਤਰ ਵੇਰੀਏਬਲਾਂ ਨੂੰ ਇੱਕ ਖਾਸ ਕਿਸਮ ਦੀ ਚੋਣ ਕੀਤੀ ਜਾਂਦੀ ਹੈ. ਉਹ ਜਾਂ ਤਾਂ ਆਰਡੀਨਲ ਜਾਂ ਨਾਮਜ਼ਦ ਹੋਣੇ ਚਾਹੀਦੇ ਹਨ. ਕਈ ਵਰਗਾਂ ਦੁਆਰਾ ਵਰਗੀਕਰਨ ਸਭ ਤੋਂ ਵਿਆਪਕ ਹੈ. ਇਹ ਵਿਧੀ ਸਾਰੇ ਅਧਿਐਨਾਂ ਵਿੱਚ ਵਰਤੀ ਜਾ ਸਕਦੀ ਹੈ ਜਿਸ ਵਿੱਚ ਰਿਜਸਟੈਂਟ ਰਿਗਰਰੇਸ਼ਨ ਲਾਗੂ ਕੀਤਾ ਜਾਂਦਾ ਹੈ . , однако, можно только с помощью всех трех приемов. ਮਾਡਲ ਦੀ ਗੁਣਵੱਤਾ ਵਿੱਚ ਸੁਧਾਰ ਕਰਨ ਲਈ , ਹਾਲਾਂਕਿ, ਇਹ ਸਿਰਫ ਤਿੰਨੇ ਤਕਨੀਕਾਂ ਦੀ ਮਦਦ ਨਾਲ ਸੰਭਵ ਹੈ.

ਮੂਲ ਸ਼੍ਰੇਣੀ

ਇਹ ਦੱਸਣਾ ਜਰੂਰੀ ਹੈ ਕਿ ਪਹਿਲਾਂ ਅੰਕੜਾ ਪੈਕੇਜ ਵਿੱਚ ਆਰਡੀਨਲ ਸਕੇਲ ਦੇ ਨਾਲ ਨਿਰਭਰ ਕਾਰਕ ਲਈ ਵਿਸ਼ੇਸ਼ ਵਿਸ਼ਲੇਸ਼ਣ ਕਰਨ ਦੀ ਇੱਕ ਵਿਸ਼ੇਸ਼ ਸੰਭਾਵਨਾ ਪ੍ਰਦਾਨ ਨਹੀਂ ਕੀਤੀ ਗਈ ਸੀ. 2 ਤੋਂ ਜਿਆਦਾ ਸਮੂਹਾਂ ਦੀ ਗਿਣਤੀ ਦੇ ਨਾਲ ਸਾਰੇ ਵੇਰੀਏਬਲਾਂ ਲਈ, ਇੱਕ ਬਹੁ-ਵਿਭਿੰਨ ਪ੍ਰਕਾਰ ਵਰਤਿਆ ਗਿਆ ਸੀ. ਇੱਕ ਮੁਕਾਬਲਤਨ ਹਾਲ ਹੀ ਵਿੱਚ ਆਰਡੀਨਲ ਵਿਸ਼ਲੇਸ਼ਣ ਵਿੱਚ ਬਹੁਤ ਸਾਰੀਆਂ ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ ਹਨ ਉਹ ਪੈਮਾਨੇ ਦੀ ਵਿਸ਼ੇਸ਼ਤਾ ਨੂੰ ਧਿਆਨ ਵਿੱਚ ਰੱਖਦੇ ਹਨ. часто не рассматривается как отдельный прием. ਇਸ ਦੌਰਾਨ, ਪਰੋਸੀਜਰਲ ਮੈਨੂਅਲ ਵਿਚ, ਆਰਡੀਨਲ ਲਾਜ਼ਮੀ ਰਿਗਰੈਸ਼ਨ ਨੂੰ ਇਕ ਵੱਖਰੀ ਤਕਨੀਕ ਨਹੀਂ ਮੰਨਿਆ ਜਾਂਦਾ ਹੈ. ਇਹ ਹੇਠ ਲਿਖੇ ਕਾਰਣਾਂ ਦੇ ਕਾਰਨ ਹੈ: ਆਰਡੀਨਲ ਵਿਸ਼ਲੇਸ਼ਣ ਦੇ ਬਹੁ-ਵਸਤੂ ਤੇ ਕੋਈ ਮਹੱਤਵਪੂਰਨ ਫਾਇਦੇ ਨਹੀਂ ਹੁੰਦੇ ਹਨ. ਜੇ ਇਕ ਆਰਡੀਨਲ ਅਤੇ ਨਾਮਾਤਰ ਨਿਰਭਰ ਵੇਰੀਏਬਲ ਦੋਵੇਂ ਹੋਣ ਤਾਂ ਖੋਜਕਰਤਾ ਉਸ ਸਮੇਂ ਦੀ ਵਰਤੋਂ ਕਰ ਸਕਦਾ ਹੈ. ਉਸੇ ਸਮੇਂ, ਵਰਗੀਕਰਣ ਖੁਦ ਆਪ ਇਕ ਦੂਜੇ ਤੋਂ ਵੱਖਰੇ ਨਹੀਂ ਹੁੰਦਾ. ਇਸਦਾ ਅਰਥ ਇਹ ਹੈ ਕਿ ਆਰਡੀਨਲ ਵਿਸ਼ਲੇਸ਼ਣ ਕਰਨ ਨਾਲ ਕੋਈ ਮੁਸ਼ਕਲ ਨਹੀਂ ਹੋਵੇਗੀ.

ਵਿਸ਼ਲੇਸ਼ਣ ਚੋਣ

ਇਕ ਸਧਾਰਨ ਕੇਸ ਵੱਲ ਧਿਆਨ ਦਿਓ - ਬਾਈਨਰੀ ਰਿਗਰੈਸ਼ਨ. ਮੰਨ ਲਓ, ਮਾਰਕੀਟਿੰਗ ਖੋਜ ਦੀ ਪ੍ਰਕਿਰਿਆ ਵਿਚ, ਰਾਜਧਾਨੀ ਵਿਚ ਕਿਸੇ ਹਾਈ ਸਕੂਲ ਦੇ ਗ੍ਰੈਜੂਏਟ ਦੀ ਸਾਰਥਕਤਾ ਦਾ ਅੰਦਾਜ਼ਾ ਲਗਾਇਆ ਗਿਆ ਹੈ. ਪ੍ਰਸ਼ਨਾਵਲੀ ਵਿੱਚ, ਉੱਤਰਦਾਤਾਵਾਂ ਨੂੰ ਸਵਾਲ ਕੀਤੇ ਗਏ, ਜਿਨ੍ਹਾਂ ਵਿੱਚ ਸ਼ਾਮਲ ਹਨ:

1. ਕੀ ਤੁਸੀਂ ਕੰਮ ਕਰ ਰਹੇ ਹੋ? (Ql).
2. ਗ੍ਰੈਜੂਏਸ਼ਨ ਦੇ ਸਾਲ ਦੱਸੋ (q 21)
3. ਔਸਤ ਗ੍ਰੈਜੂਏਸ਼ਨ ਪੁਆਇੰਟ (ਔਵਰ) ਕੀ ਹੈ?
4. ਲਿੰਗ (q22)

позволит оценить воздействие независимых факторов aver, q 21 и q 22 на переменную ql. ਭਾਸ਼ਾਈ ਰਿਗਰਸ਼ਨ ਵਾਈਰੈਬਲ ql ਤੇ ਸੁਤੰਤਰ ਕਾਰਕ, ਔਸਤ, q 21 ਅਤੇ q 22 ਦੇ ਪ੍ਰਭਾਵ ਦਾ ਮੁਲਾਂਕਣ ਕਰਨ ਦੀ ਇਜਾਜ਼ਤ ਦੇਵੇਗਾ. ਸਿੱਧੇ ਰੂਪ ਵਿੱਚ, ਵਿਸ਼ਲੇਸ਼ਣ ਦਾ ਉਦੇਸ਼ ਫੀਲਡ ਬਾਰੇ ਜਾਣਕਾਰੀ, ਗ੍ਰੈਜੂਏਸ਼ਨ ਦੇ ਸਾਲ ਅਤੇ ਔਸਤ ਸਕੋਰ ਦੇ ਅਧਾਰ ਤੇ ਗ੍ਰੈਜੂਏਟ ਦੇ ਸੰਭਾਵਤ ਰੋਜ਼ਗਾਰ ਦਾ ਪਤਾ ਲਗਾਉਣਾ ਹੋਵੇਗਾ.

ਭਾਸ਼ਾਈ ਰਿਗਰੈਸ਼ਨ

ਬਾਈਨਰੀ ਰਿਗਰੈਸ਼ਨ ਵਰਤ ਕੇ ਮਾਪਦੰਡ ਸਥਾਪਤ ਕਰਨ ਲਈ, Analyze►Regression►Binary Logistic ਮੇਨੂ ਦੀ ਵਰਤੋਂ ਕਰੋ. Logistic Regression ਵਿੰਡੋ ਵਿੱਚ, ਤੁਹਾਨੂੰ ਉਪਲਬਧ ਚੈਲੰਨਾਂ ਦੀ ਖੱਬੀ ਸੂਚੀ ਵਿੱਚ ਨਿਰਭਰ ਪ੍ਰੌਕਟਰ ਚੁਣਨ ਦੀ ਲੋੜ ਹੈ. ਉਹ ql ਹੈ ਇਹ ਵੇਰੀਏਬਲ ਨੂੰ ਨਿਰਭਰ ਖੇਤਰ ਵਿੱਚ ਰੱਖਿਆ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ. ਉਸ ਤੋਂ ਬਾਅਦ, ਕੌਵਰੈਟੈਟਸ ਸਾਈਟ ਵਿੱਚ ਸੁਤੰਤਰ ਕਾਰਕਾਂ ਨੂੰ ਪੇਸ਼ ਕੀਤਾ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ - q 21, q 22, aver. ਫਿਰ ਤੁਹਾਨੂੰ ਵਿਸ਼ਲੇਸ਼ਣ ਵਿਚ ਸ਼ਾਮਲ ਕਰਨ ਦਾ ਤਰੀਕਾ ਚੁਣਨਾ ਚਾਹੀਦਾ ਹੈ. ਜੇ ਆਜ਼ਾਦ ਮੁੱਦਿਆਂ ਦੀ ਗਿਣਤੀ 2 ਤੋਂ ਜ਼ਿਆਦਾ ਹੈ, ਤਾਂ ਸਾਰੇ ਚਰਣਾਂ ਦੀ ਇੱਕ ਸਮੇਂ ਦੀ ਜਾਣ-ਪਛਾਣ ਦੀ ਵਿਧੀ, ਜੋ ਕਿ ਮੂਲ ਰੂਪ ਵਿੱਚ ਸਥਾਪਤ ਹੈ, ਇੱਕ ਕਦਮ-ਦਰ-ਕਦਮ ਵਿਧੀ ਨਹੀਂ ਹੈ. ਸਭ ਤੋਂ ਵਧੇਰੇ ਪ੍ਰਸਿੱਧ ਤਰੀਕਾ ਪਿਛਲੀ ਹੈ: LR ਚੋਣ ਬਟਨ ਦਾ ਇਸਤੇਮਾਲ ਕਰਨ ਨਾਲ, ਤੁਸੀਂ ਅਧਿਐਨ ਵਿਚਲੇ ਸਾਰੇ ਉੱਤਰਦਾਤਾਵਾਂ ਨੂੰ ਸ਼ਾਮਲ ਨਹੀਂ ਕਰ ਸਕਦੇ, ਪਰ ਸਿਰਫ ਇੱਕ ਵਿਸ਼ੇਸ਼ ਟੀਚਾ ਸ਼੍ਰੇਣੀ ਹੈ.

ਕੰਪਰੇਬਲ ਵੇਰੀਬਲਜ਼ ਨੂੰ ਪਰਿਭਾਸ਼ਿਤ ਕਰੋ

ਸਧਾਰਣ ਬਟਨ ਉਦੋਂ ਵਰਤੇ ਜਾਣੇ ਚਾਹੀਦੇ ਹਨ ਜਦੋਂ ਇੱਕ ਸੁਤੰਤਰ ਵੇਰੀਏਬਲ ਨਾਂਮਾਤਰ ਹੁੰਦੇ ਹਨ ਅਤੇ ਵਰਗਾਂ ਦੀ ਗਿਣਤੀ 2 ਤੋਂ ਵੱਧ ਹੈ. ਇਸ ਸਥਿਤੀ ਵਿੱਚ, ਕੈਰੇਂਜਲ ਵੈਰੀਏਬਲ ਵਿੰਡੋ ਨੂੰ ਪਰਿਭਾਸ਼ਿਤ ਕਰੋ, ਇਸ ਪੈਰਾਮੀਟਰ ਨੂੰ ਕ੍ਰੇਡਿਕਲ ਕੌਵਰੈਟੈਟਸ ਭਾਗ ਵਿੱਚ ਰੱਖਿਆ ਗਿਆ ਹੈ. ਇਸ ਉਦਾਹਰਨ ਵਿੱਚ, ਅਜਿਹੀ ਕੋਈ ਵੇਅਰਿਏਬਲ ਨਹੀਂ ਹੈ. ਉਸ ਤੋਂ ਬਾਅਦ, ਕੰਟ੍ਰਾਸਟ ਦੀ ਡਰਾੱਪ-ਡਾਉਨ ਸੂਚੀ ਵਿੱਚ, ਵਿਵਰਣ ਚੁਣੋ ਅਤੇ Change ਬਟਨ ਦਬਾਓ ਨਤੀਜੇ ਵਜੋਂ, ਹਰੇਕ ਨਾਮਜ਼ਦ ਕਾਰਕ ਤੋਂ ਕਈ ਨਿਰਭਰ ਗੁਣਾਂ ਦਾ ਨਿਰਮਾਣ ਕੀਤਾ ਜਾਵੇਗਾ. ਉਹਨਾਂ ਦੀ ਗਿਣਤੀ ਮੂਲ ਸਥਿਤੀ ਦੀਆਂ ਸ਼੍ਰੇਣੀਆਂ ਦੀ ਸੰਖਿਆ ਨਾਲ ਮੇਲ ਖਾਂਦੀ ਹੈ.

ਨਵੇਂ ਵੇਰੀਏਬਲਾਂ ਨੂੰ ਸੁਰੱਖਿਅਤ ਕਰੋ

ਸੇਵ ਬਟਨ ਦਾ ਇਸਤੇਮਾਲ ਕਰਕੇ, ਤੁਸੀਂ ਮੁੱਖ ਖੋਜ ਡਾਇਲਾਗ ਬਾਕਸ ਵਿੱਚ ਨਵੇਂ ਪੈਰਾਮੀਟਰ ਬਣਾਉਂਦੇ ਹੋ. ਉਹ ਰਿਗਰੈਸ਼ਨ ਪ੍ਰਕਿਰਿਆ ਵਿੱਚ ਗਿਣੇ ਗਏ ਸੂਚਕਾਂ ਨੂੰ ਸੰਮਿਲਿਤ ਕਰਨਗੇ. ਖਾਸ ਤੌਰ ਤੇ, ਤੁਸੀਂ ਪਰਿਭਾਸ਼ਿਤ ਕਰਨ ਵਾਲੇ ਵੇਰੀਏਬਲ ਬਣਾ ਸਕਦੇ ਹੋ:

1. ਇੱਕ ਵਿਸ਼ੇਸ਼ ਸ਼੍ਰੇਣੀ ਵਰਗੀਕਰਣ (ਸਮੂਹ ਮੈਂਬਰਸ਼ਿਪ) ਤੋਂ.
2. ਹਰ ਸਟੱਡੀ ਗਰੁੱਪ (ਸੰਭਾਵੀ) ਨੂੰ ਜਵਾਬਦੇਹ ਦੇਣ ਦੀ ਸੰਭਾਵਨਾ.

ਵਿਕਲਪ ਬਟਨ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਸਮੇਂ, ਖੋਜਕਰਤਾ ਨੂੰ ਕੋਈ ਮਹੱਤਵਪੂਰਨ ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ ਨਹੀਂ ਮਿਲਦੀਆਂ. ਇਸ ਅਨੁਸਾਰ, ਇਸ ਨੂੰ ਅਣਡਿੱਠਾ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ. "ਓਕੇ" ਬਟਨ ਤੇ ਕਲਿਕ ਕਰਨ ਤੋਂ ਬਾਅਦ, ਵਿਸ਼ਲੇਸ਼ਣ ਨਤੀਜੇ ਮੁੱਖ ਵਿੰਡੋ ਵਿੱਚ ਪ੍ਰਦਰਸ਼ਿਤ ਹੋਣਗੇ.

ਉਪਯੁਕਤਤਾ ਅਤੇ ਲੌਗਿਸਟਿਕ ਰਿਗਰੈਸ਼ਨ ਦਾ ਕੁਆਲਟੀ ਕੰਟ੍ਰੋਲ

ਆਦਰਸ਼ਕ ਕੋਆਪਟੀਫਿਕੇਟ ਸਾਰਣੀ ਦੀਆਂ ਓਮਨੀਬੱਸ ਟੈਸਟਾਂ ਤੇ ਵਿਚਾਰ ਕਰੋ. ਇਹ ਮਾਡਲ ਦੇ ਅੰਦਾਜ਼ੇ ਦੀ ਗੁਣਵੱਤਾ ਦੇ ਵਿਸ਼ਲੇਸ਼ਣ ਦੇ ਨਤੀਜੇ ਵਿਖਾਉਂਦਾ ਹੈ. ਇਸ ਤੱਥ ਦੇ ਨਾਲ ਕਿ ਇਕ ਕਦਮ-ਦਰ-ਕਦਮ ਵਰਜਨ ਨੂੰ ਨਿਸ਼ਚਤ ਕੀਤਾ ਗਿਆ ਸੀ, ਆਖਰੀ ਪੜਾਅ ਦੇ ਨਤੀਜੇ (ਕਦਮ 2) ਨੂੰ ਦੇਖਣਾ ਜ਼ਰੂਰੀ ਹੈ. ਇੱਕ ਸਕਾਰਾਤਮਕ ਨਤੀਜਾ ਮੰਨਿਆ ਜਾਏਗਾ ਜੋ ਕਿ ਚਾਈ-ਵਰਗ ਸੂਚਕ ਵਿੱਚ ਵਾਧਾ ਹੁੰਦਾ ਹੈ ਜਦੋਂ ਉੱਚ ਪੱਧਰੀ ਮਹੱਤਤਾ ਵਾਲੇ (ਸਿਸ. <0.05) ਦੇ ਨਾਲ ਅਗਲੇ ਪੜਾਅ 'ਤੇ ਜਾਂਦੇ ਹਨ. ਮਾਡਲ ਦੀ ਗੁਣਵੱਤਾ ਮਾਡਲ ਲਾਈਨ ਵਿਚ ਮੁਲਾਂਕਣ ਕੀਤੀ ਜਾਂਦੀ ਹੈ. ਜੇਕਰ ਇੱਕ ਨਕਾਰਾਤਮਕ ਮੁੱਲ ਪ੍ਰਾਪਤ ਕੀਤਾ ਜਾਂਦਾ ਹੈ, ਪਰ ਇਹ ਮਾਡਲ ਦੇ ਆਮ ਉੱਚ ਮਹੱਤਤਾ ਤੇ ਮਹੱਤਵਪੂਰਣ ਨਹੀਂ ਮੰਨਿਆ ਜਾਂਦਾ ਹੈ, ਬਾਅਦ ਵਿੱਚ ਇਸਨੂੰ ਪ੍ਰੈਕਟੀਕਲ ਲਾਭਦਾਇਕ ਸਮਝਿਆ ਜਾ ਸਕਦਾ ਹੈ.

ਟੇਬਲ

ਮਾਡਲ ਸੰਖੇਪ ਨੇ ਇਸ ਸੰਕੇਤ ਦਾ ਅੰਦਾਜ਼ਾ ਲਗਾਉਣਾ ਸੰਭਵ ਬਣਾ ਦਿੱਤਾ ਹੈ ਕਿ ਨਿਰਮਿਤ ਮਾਡਲ ਕਿਸ (ਆਮ ਤੌਰ 'ਤੇ ਰੇ ਚੌਕਰ ਸੂਚਕ) ਦਾ ਵਰਣਨ ਕਰਦਾ ਹੈ. ਨਗਲੇਕਰ ਦੇ ਮੁੱਲ ਨੂੰ ਲਾਗੂ ਕਰਨ ਦੀ ਸਿਫਾਰਸ਼ ਕੀਤੀ ਜਾਂਦੀ ਹੈ. ਇੱਕ ਸਕਾਰਾਤਮਕ ਸੂਚਕ ਪੈਰਾਮੀਟਰ ਨਗਲੇਕਰਕੇ ਆਰ ਸਕੁਆਰ ਹੈ, ਜੇ ਇਹ 0.50 ਤੋਂ ਉੱਪਰ ਹੈ. ਉਸ ਤੋਂ ਬਾਦ, ਵਰਗੀਕਰਨ ਦੇ ਨਤੀਜੇ ਦਾ ਮੁਲਾਂਕਣ ਕੀਤਾ ਜਾਂਦਾ ਹੈ, ਜਿਸ ਵਿਚ ਇਕ ਜਾਂ ਦੂਜੇ ਪੜ੍ਹੇ ਲਿਖੇ ਸ਼੍ਰੇਣੀਆਂ ਨਾਲ ਸਬੰਧਤ ਅਸਲੀ ਸੰਕੇਤ ਦੀ ਤੁਲਨਾ ਰੀਗਰੈਸ਼ਨ ਮਾਡਲ ਦੇ ਆਧਾਰ ਤੇ ਕੀਤੀ ਗਈ ਹੈ. ਇਹ ਕਰਨ ਲਈ, ਵਰਗੀਕਰਣ ਸਾਰਣੀ ਦੀ ਵਰਤੋਂ ਕਰੋ. ਇਹ ਸਾਨੂੰ ਹਰ ਇਕ ਸਮੂਹ ਲਈ ਵਿਚਾਰ ਅਧੀਨ ਚਰਚਾ ਦੇ ਸਹੀ ਹੋਣ ਬਾਰੇ ਸਿੱਟਾ ਕੱਢਣ ਲਈ ਵੀ ਸਹਾਇਕ ਹੈ. . ਹੇਠ ਦਿੱਤੀ ਸਾਰਣੀ ਵਿੱਚ ਵਿਸ਼ਲੇਸ਼ਣ ਵਿੱਚ ਪੇਸ਼ ਕੀਤੇ ਸੁਤੰਤਰ ਕਾਰਕਾਂ ਦੀ ਸੰਖਿਆਤਮਕ ਮਹੱਤਤਾ ਨੂੰ ਸਪਸ਼ਟ ਕਰਨ ਦਾ ਇੱਕ ਮੌਕਾ ਪ੍ਰਦਾਨ ਕੀਤਾ ਗਿਆ ਹੈ, ਅਤੇ ਨਾਲ ਹੀ ਰਿਜਸਟਰੀ ਰਿਜਸਟਰੇਸ਼ਨ ਦੇ ਹਰੇਕ ਗੈਰ-ਮਾਨਕੀਕਰਨ ਯੋਗ ਗੁਣਕ . ਇਹਨਾਂ ਸੰਕੇਤਾਂ ਦੇ ਆਧਾਰ ਤੇ, ਇੱਕ ਖਾਸ ਸਮੂਹ ਨੂੰ ਨਮੂਨੇ ਵਿਚ ਹਰੇਕ ਪ੍ਰਤੀਕਿਰਿਆ ਦੇ ਸਬੰਧਿਤ ਅੰਦਾਜ਼ਾ ਲਗਾਉਣਾ ਸੰਭਵ ਹੈ. ਸੇਵ ਬਟਨ ਦਾ ਇਸਤੇਮਾਲ ਕਰਕੇ, ਤੁਸੀਂ ਨਵੇਂ ਵੇਰੀਏਬਲਾਂ ਦੇ ਸਕਦੇ ਹੋ ਉਹਨਾਂ ਵਿੱਚ ਇੱਕ ਖਾਸ ਵਰਗੀਕਰਨ ਸ਼੍ਰੇਣੀ (ਪੂਰਵ ਅਧਿਕਾਰੀ ਸ਼੍ਰੇਣੀ) ਅਤੇ ਇਹਨਾਂ ਸਮੂਹਾਂ ਵਿੱਚ ਸ਼ਾਮਲ ਕਰਨ ਦੀ ਸੰਭਾਵਨਾ (ਅਨੁਮਾਨਤ ਸੰਭਾਵਨਾਵਾਂ ਦੀ ਸਦੱਸਤਾ) ਨਾਲ ਸਬੰਧਤ ਜਾਣਕਾਰੀ ਸ਼ਾਮਲ ਹੋਵੇਗੀ. "ਓਕੇ" ਤੇ ਕਲਿਕ ਕਰਨ ਤੋਂ ਬਾਅਦ, ਗਣਨਾ ਦੇ ਨਤੀਜੇ ਮਲਟੀਨੋਮਿਅਲ ਲੌਜਿਸਟਿਕ ਰਿਗਰੈਸ਼ਨ ਦੇ ਮੁੱਖ ਵਿੰਡੋ ਵਿੱਚ ਪ੍ਰਗਟ ਹੁੰਦੇ ਹਨ.

ਪਹਿਲਾ ਸਾਰਣੀ, ਜਿਸ ਵਿਚ ਖੋਜਕਾਰ ਲਈ ਮਹੱਤਵਪੂਰਣ ਸੂਚਕ ਹਨ, ਮਾਡਲ ਫਿਟਿੰਗ ਜਾਣਕਾਰੀ ਹੈ. ਵਿਭਿੰਨ ਸਮੱਸਿਆਵਾਂ ਦੇ ਹੱਲ ਵਿੱਚ ਮਾਡਲ ਦੀ ਵਰਤੋਂ ਕਰਨ ਦੀ ਉੱਚ ਪੱਧਰੀ ਸੰਖਿਆਤਮਕ ਮਹੱਤਤਾ ਇਹ ਦਰਸਾਏਗੀ ਕਿ ਉੱਚ ਗੁਣਵੱਤਾ ਅਤੇ ਅਨੁਕੂਲਤਾ. ਇਕ ਹੋਰ ਅਹਿਮ ਸਾਰਣੀ ਹੈ ਸੂਡੋ ਆਰ-ਸਕੁਆਰ. ਇਹ ਸਾਨੂੰ ਨਿਰਭਰ ਕਾਰਕ ਵਿਚਲੇ ਕੁੱਲ ਵਿਭਿੰਨਤਾ ਦਾ ਅੰਦਾਜ਼ਾ ਲਗਾਉਣ ਦੀ ਆਗਿਆ ਦਿੰਦਾ ਹੈ, ਜੋ ਕਿ ਵਿਸ਼ਲੇਸ਼ਣ ਲਈ ਚੁਣੇ ਗਏ ਸੁਤੰਤਰ ਵੇਰੀਏਬਲ ਦੁਆਰਾ ਨਿਰਧਾਰਤ ਕੀਤਾ ਗਿਆ ਹੈ. ਟੇਬਲ ਅਨੁਸਾਰ ਸੰਭਾਵਨਾ ਅਨੁਪਾਤ ਦੇ ਟੈਸਟਾਂ ਵਿੱਚ ਤੁਸੀਂ ਬਾਅਦ ਦੇ ਸਾਰੇ ਅੰਕੜਿਆਂ ਦੀ ਸੰਖਿਆ ਬਾਰੇ ਤੈਅ ਕਰ ਸਕਦੇ ਹੋ. ਪੈਰਾਮੀਟਰ ਦੇ ਅੰਦਾਜ਼ਿਆਂ ਵਿਚ, ਗੈਰ-ਪ੍ਰਮਾਣੀਕ੍ਰਿਤ ਕੋਐਫੀਸ਼ੈਂਟਾਂ ਪ੍ਰਤੀਬਿੰਬਤ ਹੁੰਦੀਆਂ ਹਨ. ਇਹਨਾਂ ਨੂੰ ਸਮੀਕਰਨ ਦੇ ਨਿਰਮਾਣ ਵਿਚ ਵਰਤਿਆ ਜਾਂਦਾ ਹੈ ਇਸ ਦੇ ਨਾਲ-ਨਾਲ, ਵੇਰੀਏਬਲ ਦੇ ਹਰੇਕ ਸੁਮੇਲ ਲਈ, ਨਿਰਭਰ ਕਾਰਕ 'ਤੇ ਉਹਨਾਂ ਦੇ ਪ੍ਰਭਾਵ ਦਾ ਸੰਖਿਆਤਮਕ ਮਹੱਤਤਾ ਨਿਰਧਾਰਤ ਕੀਤੀ ਗਈ ਹੈ. ਇਸ ਦੌਰਾਨ, ਮਾਰਕੀਟਿੰਗ ਖੋਜ ਵਿੱਚ, ਵੱਖਰੇ ਤੌਰ 'ਤੇ ਉੱਤਰ ਦੇਣ ਵਾਲੇ ਲੋਕਾਂ ਦੀ ਸ਼੍ਰੇਣੀ, ਪਰ ਨਿਸ਼ਾਨਾ ਗਰੁੱਪ ਦੇ ਹਿੱਸੇ ਦੇ ਤੌਰ ਤੇ ਵੱਖਰੇ ਕਰਨ ਦੀ ਜ਼ਰੂਰਤ ਹੁੰਦੀ ਹੈ. ਅਜਿਹਾ ਕਰਨ ਲਈ, ਓਬਾਇਡਡ ਅਤੇ ਪੂਰਵ ਅਨੁਮਾਨਿਤ ਫਰੀਕਵੈਂਸੀਜ਼ ਟੇਬਲ ਦੀ ਵਰਤੋਂ ਕਰੋ.

ਵਿਹਾਰਕ ਐਪਲੀਕੇਸ਼ਨ

ਵਿਸ਼ਲੇਸ਼ਣ ਦੀ ਇਹ ਵਿਧੀ ਵਿਆਪਕ ਤੌਰ ਤੇ ਵਪਾਰੀਆਂ ਦੇ ਕੰਮ ਵਿੱਚ ਵਰਤੀ ਜਾਂਦੀ ਹੈ 1991 ਵਿੱਚ, ਸਿਧਾਂਤ ਦੇ ਸਿਗਮਾਇਜ ਰਿਗਰੈਸ਼ਨ ਦਾ ਸੰਕੇਤ ਵਿਕਸਤ ਕੀਤਾ ਗਿਆ ਸੀ. ਇਹ ਇੱਕ ਅਸਾਨੀ ਨਾਲ ਵਰਤਣ ਵਾਲਾ ਅਤੇ ਕੁਸ਼ਲ ਸੰਦ ਹੈ ਜਿਸ ਨਾਲ ਤੁਸੀਂ "ਵੱਧ ਤੋਂ ਵੱਧ" ਤੋਂ ਪਹਿਲਾਂ ਸੰਭਾਵਿਤ ਕੀਮਤਾਂ ਦਾ ਅੰਦਾਜ਼ਾ ਲਗਾ ਸਕਦੇ ਹੋ. ਸੂਚਕ ਦਰਸਾਉਂਦਾ ਹੈ ਕਿ ਪੈਰਲਲ ਵਿੱਚ ਚੱਲ ਰਹੀਆਂ ਦੋ ਲਾਈਨਾਂ ਦੁਆਰਾ ਬਣਾਈ ਗਈ ਇੱਕ ਚੈਨਲ ਦੇ ਰੂਪ ਵਿੱਚ ਗ੍ਰਾਫ. ਉਹਨਾਂ ਨੂੰ ਰੁਝਾਨ ਤੋਂ ਇੱਕ ਬਰਾਬਰ ਦੂਰੀ 'ਤੇ ਹਟਾ ਦਿੱਤਾ ਜਾਂਦਾ ਹੈ. ਕੋਰੀਡੋਰ ਦੀ ਚੌੜਾਈ ਪੂਰੀ ਤਰ੍ਹਾਂ ਟਾਈਮਫ੍ਰੇਮੇ ਤੇ ਨਿਰਭਰ ਕਰੇਗੀ. ਸੰਕੇਤਕ ਦੀ ਵਰਤੋਂ ਉਦੋਂ ਕੀਤੀ ਜਾਂਦੀ ਹੈ ਜਦੋਂ ਲਗਭਗ ਸਾਰੀਆਂ ਸੰਪਤੀਆਂ ਨਾਲ ਕੰਮ ਕਰਦੇ ਹਨ - ਮੁਦਰਾ ਜੋੜੇ ਤੋਂ ਕੀਮਤੀ ਧਾਤਾਂ ਤੱਕ.

ਅਭਿਆਸ ਵਿੱਚ, ਸੰਦ ਦੇ ਕਾਰਜ ਲਈ ਦੋ ਮੁੱਖ ਰਣਨੀਤੀਆਂ ਤਿਆਰ ਕੀਤੀਆਂ ਗਈਆਂ ਹਨ: ਟੁੱਟਣ ਅਤੇ ਉਲਟਾ ਬਾਅਦ ਵਾਲੇ ਮਾਮਲੇ ਵਿੱਚ, ਵਪਾਰੀ ਨੂੰ ਚੈਨਲ ਦੇ ਅੰਦਰ ਕੀਮਤ ਬਦਲਾਅ ਦੀ ਗਤੀਸ਼ੀਲਤਾ ਦੁਆਰਾ ਨਿਰਦੇਸ਼ਤ ਕੀਤਾ ਜਾਵੇਗਾ. ਜਿਵੇਂ ਕਿ ਲਾਗਤ ਸਮਰਥਨ ਲਾਈਨ ਜਾਂ ਵਿਰੋਧ ਦੇ ਨੇੜੇ ਪਹੁੰਚਦੀ ਹੈ, ਇਹ ਸੰਭਾਵੀ ਸੰਭਾਵਨਾ ਹੈ ਕਿ ਅੰਦੋਲਨ ਉਲਟ ਦਿਸ਼ਾ ਵਿੱਚ ਸ਼ੁਰੂ ਹੋ ਜਾਵੇਗਾ. ਜੇ ਕੀਮਤ ਉਪਰਲੀ ਸਰਹੱਦ ਤੇ ਲੱਗਦੀ ਹੈ, ਤਾਂ ਜਾਇਦਾਦ ਦਾ ਨਿਪਟਾਰਾ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ. ਜੇ ਇਹ ਨੀਚੇ ਸੀਮਾ ਤੇ ਹੈ, ਤਾਂ ਇਹ ਪ੍ਰਾਪਤੀ ਦੇ ਬਾਰੇ ਸੋਚਣਾ ਚਾਹੀਦਾ ਹੈ. ਟੁੱਟਣ ਲਈ ਰਣਨੀਤੀ ਵਿਚ ਆਦੇਸ਼ਾਂ ਦੀ ਵਰਤੋਂ ਸ਼ਾਮਲ ਹੈ. ਉਹ ਇੱਕ ਮੁਕਾਬਲਤਨ ਛੋਟੀ ਦੂਰੀ ਦੀਆਂ ਸੀਮਾਵਾਂ ਤੋਂ ਬਾਹਰ ਸੇਟ ਹਨ. ਇਹ ਧਿਆਨ ਵਿਚ ਰੱਖਦੇ ਹੋਏ ਕਿ ਬਹੁਤ ਸਾਰੇ ਕੇਸਾਂ ਵਿਚ ਕੀਮਤ ਥੋੜ੍ਹੇ ਸਮੇਂ ਲਈ ਉਲੰਘਣਾ ਕਰਦੀ ਹੈ, ਤੁਹਾਨੂੰ ਸੁਰੱਖਿਅਤ ਰਹਿਣਾ ਚਾਹੀਦਾ ਹੈ ਅਤੇ ਸਟਾਪ-ਘਾਟਾ ਸਥਾਪਿਤ ਕਰਨਾ ਚਾਹੀਦਾ ਹੈ. ਉਸੇ ਸਮੇਂ, ਬੇਸ਼ੱਕ, ਚੁਣੀ ਹੋਈ ਰਣਨੀਤੀ ਦੇ ਬਾਵਜੂਦ, ਵਪਾਰੀ ਨੂੰ ਮਾਰਕੀਟ ਵਿੱਚ ਪੈਦਾ ਹੋਈ ਸਥਿਤੀ ਨੂੰ ਸਮਝਣ ਅਤੇ ਉਸ ਦਾ ਮੁਲਾਂਕਣ ਕਰਨ ਲਈ ਜਿੰਨਾ ਹੋ ਸਕੇ ਠੰਡਾ ਹੋਣ ਦੀ ਲੋੜ ਹੈ.

ਸਿੱਟਾ

ਇਸ ਤਰ੍ਹਾਂ, ਰਿਜਸਟੈਂਟ ਰਿਗਰੈਸ਼ਨ ਦਾ ਉਪਯੋਗ ਤੁਹਾਨੂੰ ਜਵਾਬਦੇਹ ਵਿਅਕਤੀਆਂ ਨੂੰ ਖਾਸ ਪੈਰਾਮੀਟਰਾਂ ਦੇ ਅਨੁਸਾਰ ਸ਼੍ਰੇਣੀਆਂ ਵਿਚ ਤੇਜ਼ੀ ਨਾਲ ਅਤੇ ਸ਼੍ਰੇਣੀਬੱਧ ਕਰਨ ਦੀ ਆਗਿਆ ਦਿੰਦਾ ਹੈ. ਵਿਸ਼ਲੇਸ਼ਣ ਵਿੱਚ, ਤੁਸੀਂ ਕਿਸੇ ਖਾਸ ਢੰਗ ਦੀ ਵਰਤੋਂ ਕਰ ਸਕਦੇ ਹੋ. ਖਾਸ ਤੌਰ ਤੇ, ਬਹੁ-ਪੱਖੀ ਰਿਗਰੈਸ਼ਨ ਬਹੁਮੁਖੀ ਹੈ ਹਾਲਾਂਕਿ, ਮਾਹਰ ਕੰਪਲੈਕਸ ਵਿਚ ਉਪਰ ਦਿੱਤੇ ਸਾਰੇ ਤਰੀਕਿਆਂ ਦੀ ਵਰਤੋਂ ਕਰਨ ਦੀ ਸਲਾਹ ਦਿੰਦੇ ਹਨ. ਇਹ ਇਸ ਤੱਥ ਦੇ ਕਾਰਨ ਹੈ ਕਿ ਇਸ ਮਾਮਲੇ ਵਿਚ ਮਾਡਲ ਦੀ ਗੁਣਵੱਤਾ ਬਹੁਤ ਜ਼ਿਆਦਾ ਹੋਵੇਗੀ. ਇਹ, ਬਦਲੇ ਵਿਚ, ਇਸ ਦੇ ਕਾਰਜ ਦੀ ਸੀਮਾ ਦਾ ਵਿਸਥਾਰ ਕਰੇਗਾ.