प्रतिगमन कैलकुलेटर

रेखीय प्रतिगमन क्या है?

रेखीय प्रतिगमन y = mx + b रेखा को (x, y) डेटा पर फिट करता है, अवशेषों के वर्गों के योग को न्यूनतम करके। OLS विधि सर्वोत्तम अनभिनत अनुमानक देती है।

ढलान (m) x में 1 इकाई वृद्धि पर y का परिवर्तन दर्शाता है। अंतःखंड (b) x = 0 पर अनुमानित y है। R² मॉडल द्वारा व्याख्यायित प्रसरण अनुपात मापता है।

अनुमान: रेखीय संबंध, समप्रसरण, स्वतंत्रता, लगभग सामान्य अवशेष।

Formula: y = mx + b m = [nΣxᵢyᵢ − ΣxᵢΣyᵢ] / [nΣxᵢ² − (Σxᵢ)²] b = ȳ − m·x̄ R² = 1 − Σ(yᵢ − ŷᵢ)² / Σ(yᵢ − ȳ)²

गणना उदाहरण

डेटा: (1,2), (2,4), (3,5), (4,4), (5,5)। n=5, Σx=15, Σy=20, Σxy=66, Σx²=55। m = (5×66 − 15×20)/(5×55 − 225) = (330−300)/(275−225) = 30/50 = 0.6। b = 4 − 0.6×3 = 2.2। समीकरण: y = 0.6x + 2.2। R² = 0.6।

इस कैलकुलेटर का उपयोग कब करें

• कोई वैज्ञानिक जो प्रयोगात्मक डेटा में स्वतंत्र चर और मापित परिणाम के बीच संबंध का परिमाणन कर रहा हो
• कोई बिज़नेस विश्लेषक जो विज्ञापन व्यय के आधार पर भविष्य की बिक्री का अनुमान लगाने हेतु सरल पूर्वानुमान मॉडल बना रहा हो
• कोई गुणवत्ता इंजीनियर जो रिग्रेशन के माध्यम से प्रक्रिया पैरामीटर और उत्पाद विनिर्देश के बीच सहसंबंध निर्धारित कर रहा हो
• कोई छात्र जो डेटासेट पर रेखाएँ फ़िट करके तथा ढलान, अंतःखंड और R-squared मानों की व्याख्या करके रिग्रेशन के मूल सिद्धांत सीख रहा हो

बचने योग्य सामान्य गलतियाँ

• सहसंबंध को कार्य-कारण का प्रमाण मानना — दो चरों के बीच मज़बूत रैखिक संबंध यह सिद्ध नहीं करता कि एक दूसरे का कारण है; भ्रामक (confounding) चर ज़िम्मेदार हो सकते हैं
• डेटा परास से बहुत आगे बहिर्वेशन करना — रैखिक मॉडल केवल प्रेक्षित x परास के भीतर मान्य है; इस परास के बाहर पूर्वानुमान अविश्वसनीय और उत्तरोत्तर अशुद्ध होते हैं
• अवशिष्ट (residual) पैटर्न की अनदेखी करना — यदि अवशिष्ट कोई व्यवस्थित पैटर्न (उदा., U-आकृति) दिखाएँ, तो रैखिक मॉडल अपर्याप्त है और अरैखिक मॉडल पर विचार करना चाहिए
• मॉडल की गुणवत्ता आँकने के लिए केवल R-squared पर निर्भर रहना — कम R-squared संबंध को अमान्य नहीं करता और उच्च R-squared उसकी पुष्टि नहीं करता; हमेशा मान्यताएँ और अवशिष्ट जाँचें

परिणामों की व्याख्या कैसे करें

• ढलान (m) बताता है कि x में प्रत्येक इकाई वृद्धि पर y कितना बदलता है — 2.5 का ढलान अर्थात x में प्रत्येक 1-इकाई वृद्धि पर y में 2.5 इकाई की वृद्धि
• 0.85 के R-squared का अर्थ है कि y के विचरण का 85% x द्वारा समझाया गया है — शेष 15% अन्य कारकों या शोर के कारण है
• यदि अंतःखंड (b) ऋणात्मक या अव्यावहारिक रूप से बड़ा हो, तो यह संकेत हो सकता है कि रैखिक मॉडल x = 0 के निकट लागू नहीं होता — अंतःखंड तभी सार्थक है जब x = 0 डेटा परास के भीतर हो

संबंधित मानक और संदर्भ

• Legendre, A.-M. (1805), Nouvelles méthodes pour la détermination des orbites des comètes — न्यूनतम वर्ग विधि का पहला प्रकाशन
• Draper & Smith, Applied Regression Analysis (Wiley) — न्यूनतम-वर्ग फिटिंग और अवशेष निदान के लिए क्लासिक संदर्भ
• NIST/SEMATECH e-Handbook of Statistical Methods (खंड 4, Process Modeling) — रेखीय प्रतिगमन और मॉडल सत्यापन पर व्यावहारिक मार्गदर्शन

अक्सर पूछे जाने वाले प्रश्न

R² क्या बताता है और 'अच्छा' मान क्या है?

R² व्याख्यायित प्रसरण का अनुपात दर्शाता है। प्राकृतिक विज्ञान: > 0.95। सामाजिक विज्ञान: 0.3-0.7 स्वीकार्य। उच्च R² कार्यकारणता प्रमाणित नहीं करता।

क्या गैर-रेखीय डेटा पर उपयोग कर सकते हैं?

सीधे नहीं। वक्र संबंधों के लिए बहुपद प्रतिगमन या लघुगणक रूपांतरण पर विचार करें।