روش های شناسایی و تحلیل داده های پرت در تحلیل رگرسیون
نویسنده:
چکیده:
مقدمه
در تمامی مطالعات وجود داده پرت و دور افتاده از مسائل مشکل ساز در تجزیه و تحلیل نتایج می باشد. داده پرت یا به عبارتی نقطه دورافتاده نقطه ای است که از سایر نقاط فاصله زیادی داشته باشد. این گونه داده ها به دلایل مختلفی از جمله اشتباه در جمع آوری داده ها، ابزار اندازه گیری نادرست، وجود افراد غیرمعمول در نمونه و... به وجود می آیند. در این مقاله هدف شناساندن راه های تشخیصی داده های پرت و درمان آنها در رگرسیون می باشد. روش بررسی
در این مقاله روش های تشخیصی داده های دور افتاده بر روی 20 زن 25-34 ساله بررسی شد که هدف بررسی ارتباط توده چربی بدن با 2 متغیر قطر ران و قطر بازو می باشد. تجزیه و تحلیل داده ها با استفاده از نرم افزار sas صورت پذیرفت. یافته ها
با استفاده از روش های شرح داده شده داده سوم به عنوان داده پرت تشخیص داده شد وپس از انجام رگرسیون با حضور داده پرت و بودن حضور آن داده مشخص شد که این داده بی تاثیر بوده است.کلیدواژگان:
زبان:
فارسی
انتشار در:
صفحات:
1 تا 6
لینک کوتاه:
magiran.com/p1585171
دانلود و مطالعه متن این مقاله با یکی از روشهای زیر امکان پذیر است:
اشتراک شخصی
با عضویت و پرداخت آنلاین حق اشتراک یکساله به مبلغ 1,390,000ريال میتوانید 70 عنوان مطلب دانلود کنید!
اشتراک سازمانی
به کتابخانه دانشگاه یا محل کار خود پیشنهاد کنید تا اشتراک سازمانی این پایگاه را برای دسترسی نامحدود همه کاربران به متن مطالب تهیه نمایند!
توجه!
- حق عضویت دریافتی صرف حمایت از نشریات عضو و نگهداری، تکمیل و توسعه مگیران میشود.
- پرداخت حق اشتراک و دانلود مقالات اجازه بازنشر آن در سایر رسانههای چاپی و دیجیتال را به کاربر نمیدهد.
In order to view content subscription is required
Personal subscription
Subscribe magiran.com for 70 € euros via PayPal and download 70 articles during a year.
Organization subscription
Please contact us to subscribe your university or library for unlimited access!