మల్టీకాలినియారిటీ (నిర్వచనం, రకాలు) | వివరణతో టాప్ 3 ఉదాహరణలు

మల్టీకాలినియారిటీ అంటే ఏమిటి?

మల్టీకాలినియారిటీ అనేది ఒక గణాంక దృగ్విషయం, దీనిలో రిగ్రెషన్ మోడల్‌లో రెండు లేదా అంతకంటే ఎక్కువ వేరియబుల్స్ ఇతర వేరియబుల్స్‌పై ఆధారపడి ఉంటాయి, తద్వారా ఒకదానిని మరొకటి నుండి అధిక స్థాయి ఖచ్చితత్వంతో సరళంగా అంచనా వేయవచ్చు. ఇది సాధారణంగా పరిశీలనా అధ్యయనాలలో ఉపయోగించబడుతుంది మరియు ప్రయోగాత్మక అధ్యయనాలలో తక్కువ ప్రజాదరణ పొందింది.

మల్టీకాలినియారిటీ రకాలు

మల్టీకాలినియారిటీలో నాలుగు రకాలు ఉన్నాయి

  • #1 –పర్ఫెక్ట్ మల్టీకాలినియారిటీ - సమీకరణంలోని స్వతంత్ర చరరాశులు ఖచ్చితమైన సరళ సంబంధాన్ని when హించినప్పుడు ఇది ఉనికిలో ఉంది.
  • # 2 - హై మల్టీకాలినియారిటీ - ఇది ఒకదానికొకటి సంపూర్ణంగా సంబంధం లేని రెండు లేదా అంతకంటే ఎక్కువ స్వతంత్ర చరరాశుల మధ్య సరళ సంబంధాన్ని సూచిస్తుంది.
  • # 3 - స్ట్రక్చరల్ మల్టీకాలినియారిటీ - సమీకరణంలో విభిన్న స్వతంత్ర చరరాశులను చొప్పించడం ద్వారా పరిశోధకుడు స్వయంగా ఇది సంభవిస్తుంది.
  • # 4 - డేటా ఆధారిత మల్టీకాలినియారిటీ - ఇది పరిశోధకుడు పేలవంగా రూపొందించిన ప్రయోగాల వల్ల సంభవిస్తుంది.

మల్టీకాలినియారిటీకి కారణాలు

ఇండిపెండెంట్ వేరియబుల్స్, వేరియబుల్స్ యొక్క పారామితులలో మార్పు ఫలితాలపై గణనీయమైన ప్రభావాన్ని చూపుతుంది & డేటా కలెక్షన్స్ ఎంచుకున్న జనాభా యొక్క నమూనాను సూచిస్తుంది.

మల్టీకాలినియారిటీకి ఉదాహరణలు

ఉదాహరణ # 1

భారతదేశంలో వ్యాధులపై పరిశోధన సేవలు మరియు గణాంక విశ్లేషణలను అందించడానికి ABC లిమిటెడ్ ఒక KPO ను ఒక ce షధ సంస్థ నియమించింది. దీని కోసం ABC ltd వయస్సు, బరువు, వృత్తి, ఎత్తు మరియు ఆరోగ్యాన్ని ప్రైమా ఫేసీ పారామితులుగా ఎంచుకుంది.

  • పై ఉదాహరణలో, అధ్యయనం కోసం ఎంచుకున్న స్వతంత్ర చరరాశులు ఫలితాలతో నేరుగా సంబంధం కలిగి ఉన్నందున మల్టీకాలినియారిటీ పరిస్థితి ఉంది. అందువల్ల ఇక్కడ ఎంచుకున్న వేరియబుల్స్ కారణంగా ఫలితాలు ప్రత్యక్షంగా ప్రభావితమవుతాయి కాబట్టి పరిశోధకుడు ఏదైనా ప్రాజెక్ట్ను ప్రారంభించే ముందు వేరియబుల్స్ ను సర్దుబాటు చేయడం మంచిది.

ఉదాహరణ # 2

టాటా మోటార్ల అమ్మకాల పరిమాణం మార్కెట్లో ఏ వర్గంలో ఎక్కువగా ఉంటుందో అర్థం చేసుకోవడానికి టాటా మోటార్స్ చేత ABC లిమిటెడ్ నియమించబడిందని అనుకుందాం.

  • పై ఉదాహరణలో, మొదట స్వతంత్ర చరరాశులు ఖరారు చేయబడతాయి, దీని ఆధారంగా పరిశోధన పూర్తి చేయాలి. ఇది నెలవారీ ఆదాయం, వయస్సు కావచ్చు. బ్రాండ్, దిగువ తరగతి. ఇతర కారును కూడా చూడకుండా ఎంత మంది ఈ కారు (టాటా నానో) ను కొనుగోలు చేయవచ్చో తెలుసుకోవడానికి ఈ ట్యాబ్‌లన్నింటికీ సరిపోయే డేటా మాత్రమే ఎంపిక చేయబడుతుందని దీని అర్థం.

ఉదాహరణ # 3

50 ఏళ్లలోపు ఎంత మంది గుండెపోటుకు గురవుతున్నారో తెలుసుకోవడానికి ఒక నివేదికను సమర్పించడానికి ABC లిమిటెడ్‌ను నియమించినట్లు అనుకుందాం. దీని కోసం, పారామితులు వయస్సు, లింగం, వైద్య చరిత్ర

  • పై ఉదాహరణలో, మల్టీకాలినియారిటీ తలెత్తింది, ఎందుకంటే ప్రజల నుండి దరఖాస్తులను ఆహ్వానించడానికి స్వతంత్ర వేరియబుల్ “వయస్సు” 50 ఏళ్లలోపు సర్దుబాటు చేయవలసి ఉంటుంది, తద్వారా 50 సంవత్సరాల కంటే ఎక్కువ వయస్సు ఉన్న వ్యక్తులు స్వయంచాలకంగా ఫిల్టర్ చేయబడతారు.

ప్రయోజనాలు

క్రింద కొన్ని ప్రయోజనాలు ఉన్నాయి

  • సమీకరణంలో స్వతంత్ర చరరాశుల మధ్య సరళ సంబంధం.
  • పరిశోధనా-ఆధారిత సంస్థలు తయారుచేసిన గణాంక నమూనాలు మరియు పరిశోధన నివేదికలలో చాలా ఉపయోగకరంగా ఉంటాయి.
  • కావలసిన ఫలితంపై ప్రత్యక్ష ప్రభావం.

ప్రతికూలతలు

క్రింద కొన్ని ప్రతికూలతలు ఉన్నాయి

  • కొన్ని సందర్భాల్లో, వేరియబుల్స్‌పై ఎక్కువ డేటాను సేకరించడం ద్వారా ఈ సమస్య పరిష్కరించబడుతుంది.
  • డమ్మీ వేరియబుల్స్ యొక్క తప్పు ఉపయోగం అనగా పరిశోధకుడు అవసరమైనప్పుడు డమ్మీ వేరియబుల్స్ ఉపయోగించడం మర్చిపోవచ్చు.
  • బరువులో kg మరియు lbs వంటి సమీకరణంలో 2 ఒకే లేదా ఒకేలా వేరియబుల్స్ చేర్చడం.
  • 2 కలయిక అయిన సమీకరణంలో వేరియబుల్‌ను చొప్పించడం.
  • ఇది గణాంక సాంకేతికత కనుక గణనలను నిర్వహించడానికి క్లిష్టంగా ఉంటుంది మరియు అమలు చేయడానికి గణాంక కాలిక్యులేటర్లు అవసరం.

ముగింపు

మల్టీకాలినియారిటీ అనేది పెద్ద డేటాబేస్ మరియు కావలసిన అవుట్పుట్ కోసం రిగ్రెషన్ విశ్లేషణ మరియు గణాంక విశ్లేషణలో తరచుగా ఉపయోగించే గణాంక సాధనాల్లో ఒకటి. నిర్వహణకు మార్కెట్ యొక్క వ్యూహాత్మక దృక్పథాన్ని అందించడానికి మరియు ఈ మనస్సును దృష్టిలో ఉంచుకుని వారి దీర్ఘకాలిక వ్యూహాలను రూపొందించడానికి సహాయపడటానికి ఉత్పత్తులు లేదా వ్యక్తుల గురించి గణాంక రిగ్రెషన్ విశ్లేషణ చేయడానికి అన్ని ప్రధాన కంపెనీలు తమ సంస్థలో ప్రత్యేక గణాంక విభాగాన్ని కలిగి ఉన్నాయి. విశ్లేషణ యొక్క గ్రాఫికల్ ప్రదర్శన పాఠకుడికి ప్రత్యక్ష సంబంధం, ఖచ్చితత్వం మరియు పనితీరు యొక్క స్పష్టమైన చిత్రాన్ని ఇస్తుంది.

  • సమీకరణంలోని స్వతంత్ర చరరాశులను అర్థం చేసుకోవడం పరిశోధకుడి లక్ష్యం అయితే, మల్టీకాలినియారిటీ అతనికి పెద్ద సమస్య అవుతుంది.
  • దశ 0 లోనే వేరియబుల్స్‌లో అవసరమైన మార్పులను పరిశోధకుడు చేయవలసి ఉంటుంది, లేకపోతే అది ఫలితాలపై భారీ ప్రభావాన్ని చూపవచ్చు.
  • సహసంబంధ మాతృకను పరిశీలించడం ద్వారా మల్టీకాలినియారిటీ చేయవచ్చు.
  • మల్టీకాలినియారిటీ కోసం సమస్యలను పరిష్కరించడంలో పరిష్కార చర్యలు ముఖ్యమైన పాత్ర పోషిస్తాయి.