In this paper, we develop stepwise regression data envelopment model t การแปล - In this paper, we develop stepwise regression data envelopment model t ไทย วิธีการพูด

In this paper, we develop stepwise

In this paper, we develop stepwise regression data envelopment model to select important
variables. We formulate null hypothesis to understand the importance of each variable and
use Kruskal–Wallis test for this purpose. If the Kruskal–Wallis test does not reject the null
hypothesis then we can conclude that all the variables are of equal importance as their
presence and on the other hand absence of other variable does not create huge fluctuations
in efficiency scores in fact give a complete ranking relative to base model. If the Kruskal–
Wallis test does reject the null hypothesis this will imply there is significant fluctuation in
the efficiency score relative to base model. And therefore we have to further check the pair
of variables that causes the fluctuation in order to determine its importance using Conover–
Inman test. The results of the proposed models are compared with the results of previously
published models of the same dataset. The proposed models helps understand the
extent of misclassification decision making units as efficient/inefficient when variables
are retained or discarded alongside provides useful managerial prescription to make
improvement strategies
0/5000
จาก: -
เป็น: -
ผลลัพธ์ (ไทย) 1: [สำเนา]
คัดลอก!
ในเอกสารนี้ เราได้พัฒนาแบบจำลองขอบข้อมูล stepwise ถดถอยต้องสำคัญตัวแปร เราตั้งสมมติฐานว่างเข้าใจความสำคัญของแต่ละตัวแปร และใช้ทดสอบ Kruskal – วาลลิสำหรับวัตถุประสงค์นี้ ถ้าทดสอบ Kruskal – วาลลิ ไม่ปฏิเสธการเป็น nullสมมติฐานนั้นเราสามารถสรุปว่า ตัวแปรทั้งหมดมีความสำคัญเท่ากับเป็นการสถานะ และคง การขาดงานของตัวแปรอื่น ๆ ไม่ได้สร้างความผันผวนมากในประสิทธิภาพ คะแนนกำหนดให้การจัดอันดับที่สมบูรณ์เมื่อเทียบกับรุ่นพื้นฐานในความเป็นจริง ถ้า Kruskal –วาลลิทดสอบปฏิเสธสมมติฐานว่างที่นี่จะเป็นสิทธิ์แบบมีความผันผวนอย่างมีนัยสำคัญในคะแนนประสิทธิภาพสัมพันธ์กับแบบจำลองพื้นฐาน และให้ตรวจสอบการจับคู่ต่อไปของตัวแปรที่ทำให้เกิดการผันผวนเพื่อกำหนดความสำคัญ โดยใช้โฮปมิลส์ –การทดสอบใต้ ผลลัพธ์ของแบบจำลองที่นำเสนอจะเปรียบเทียบกับผลก่อนหน้านี้รูปแบบที่เผยแพร่ของชุดข้อมูลเดียวกัน รูปแบบการนำเสนอช่วยให้เข้าใจการขอบเขตของหน่วยทำให้การตัดสินใจ misclassification เป็นที่มีประสิทธิภาพ/ต่ำเมื่อตัวแปรจะเก็บ หรือละทิ้ง alongside ให้ยาประโยชน์จัดการให้ปรับปรุงกลยุทธ์
การแปล กรุณารอสักครู่..
ผลลัพธ์ (ไทย) 2:[สำเนา]
คัดลอก!
ในบทความนี้เราพัฒนาข้อมูลการถดถอยแบบขั้นตอนรูปแบบการห่อเพื่อเลือกสิ่งที่สำคัญ
ตัวแปร เรากำหนดสมมติฐานเข้าใจถึงความสำคัญของแต่ละตัวแปรและ
ใช้การทดสอบ Kruskal-Wallis เพื่อการนี้ หากการทดสอบ Kruskal-Wallis ไม่ปฏิเสธ null
สมมติฐานแล้วเราสามารถสรุปได้ว่าตัวแปรทั้งหมดมีความสำคัญเท่าเทียมกันของพวกเขา
แสดงตนและในกรณีที่ไม่มีมืออื่น ๆ ของตัวแปรอื่น ๆ ที่ไม่ได้สร้างความผันผวนอย่างมาก
ในคะแนนที่มีประสิทธิภาพในความเป็นจริงการจัดอันดับให้สมบูรณ์ เทียบกับรูปแบบฐาน หาก Kruskal-
ทดสอบวาลลิสไม่ปฏิเสธสมมติฐานนี้จะบ่งบอกถึงการมีความผันผวนอย่างมากใน
ประสิทธิภาพเมื่อเทียบกับรูปแบบฐาน และดังนั้นเราจะต้องตรวจสอบต่อไปคู่
ของตัวแปรที่ทำให้เกิดความผันผวนในการสั่งซื้อเพื่อตรวจสอบความสำคัญของการใช้ Conover-
ทดสอบ Inman ผลของรูปแบบที่นำเสนอมีการเปรียบเทียบกับผลของการก่อนหน้านี้
รูปแบบการตีพิมพ์ของชุดเดียวกัน รูปแบบที่นำเสนอจะช่วยให้เข้าใจ
ขอบเขตของการตัดสินใจการจำแนกหน่วยเป็นที่มีประสิทธิภาพ / ไม่มีประสิทธิภาพเมื่อตัวแปร
จะถูกเก็บไว้หรือทิ้งไปพร้อมกับการบริหารจัดการให้มีใบสั่งยาที่มีประโยชน์ที่จะทำให้
กลยุทธ์การปรับปรุง
การแปล กรุณารอสักครู่..
ผลลัพธ์ (ไทย) 3:[สำเนา]
คัดลอก!
ในกระดาษนี้เราพัฒนาแบบซองข้อมูล แบบจำลองการถดถอยในการเลือกตัวแปรที่สำคัญ

เราตั้งสมมุติฐานการเข้าใจถึงความสำคัญของแต่ละตัวแปร และ Kruskal Wallis test
ใช้สำหรับวัตถุประสงค์นี้ ถ้า Kruskal Wallis test และไม่ปฏิเสธสมมติฐานว่าง
แล้วเราสามารถสรุปได้ว่าตัวแปรทั้งหมดล้วนมีความสำคัญเท่าเทียมกันเป็น
ตน และในมืออื่น ๆที่ไม่มีตัวแปรอื่นที่ไม่สร้างความผันผวนอย่างมาก
ในคะแนนประสิทธิภาพในความเป็นจริงให้จัดอันดับสมบูรณ์เมื่อเทียบกับรูปแบบพื้นฐาน ถ้า Kruskal –
Wallis test ไม่ปฏิเสธสมมติฐานว่างนี้จะบ่งบอกถึงมีความผันผวนในระดับคะแนนประสิทธิภาพ
เทียบกับรูปแบบพื้นฐาน ดังนั้น เราจะต้องตรวจสอบคู่
เพิ่มเติมของตัวแปรที่ก่อให้เกิดความผันผวนในการพิจารณาความสำคัญของการใช้ Conover –
อินเมินทดสอบ ผลของการนำเสนอรูปแบบเมื่อเทียบกับผลลัพธ์ของก่อนหน้านี้
ตีพิมพ์ รูปแบบของชุดข้อมูลเดียวกัน การนำเสนอรูปแบบช่วยให้เข้าใจขอบเขตของการตัดสินใจผิดพลาด
หน่วยประสิทธิภาพ / ไม่ได้ผลเมื่อตัวแปร
จะเก็บหรือทิ้งพร้อมกับให้ประโยชน์การจัดการใบสั่งยาให้
กลยุทธ์การปรับปรุง
การแปล กรุณารอสักครู่..
 
ภาษาอื่น ๆ
การสนับสนุนเครื่องมือแปลภาษา: กรีก, กันนาดา, กาลิเชียน, คลิงออน, คอร์สิกา, คาซัค, คาตาลัน, คินยารวันดา, คีร์กิซ, คุชราต, จอร์เจีย, จีน, จีนดั้งเดิม, ชวา, ชิเชวา, ซามัว, ซีบัวโน, ซุนดา, ซูลู, ญี่ปุ่น, ดัตช์, ตรวจหาภาษา, ตุรกี, ทมิฬ, ทาจิก, ทาทาร์, นอร์เวย์, บอสเนีย, บัลแกเรีย, บาสก์, ปัญจาป, ฝรั่งเศส, พาชตู, ฟริเชียน, ฟินแลนด์, ฟิลิปปินส์, ภาษาอินโดนีเซี, มองโกเลีย, มัลทีส, มาซีโดเนีย, มาราฐี, มาลากาซี, มาลายาลัม, มาเลย์, ม้ง, ยิดดิช, ยูเครน, รัสเซีย, ละติน, ลักเซมเบิร์ก, ลัตเวีย, ลาว, ลิทัวเนีย, สวาฮิลี, สวีเดน, สิงหล, สินธี, สเปน, สโลวัก, สโลวีเนีย, อังกฤษ, อัมฮาริก, อาร์เซอร์ไบจัน, อาร์เมเนีย, อาหรับ, อิกโบ, อิตาลี, อุยกูร์, อุสเบกิสถาน, อูรดู, ฮังการี, ฮัวซา, ฮาวาย, ฮินดี, ฮีบรู, เกลิกสกอต, เกาหลี, เขมร, เคิร์ด, เช็ก, เซอร์เบียน, เซโซโท, เดนมาร์ก, เตลูกู, เติร์กเมน, เนปาล, เบงกอล, เบลารุส, เปอร์เซีย, เมารี, เมียนมา (พม่า), เยอรมัน, เวลส์, เวียดนาม, เอสเปอแรนโต, เอสโทเนีย, เฮติครีโอล, แอฟริกา, แอลเบเนีย, โคซา, โครเอเชีย, โชนา, โซมาลี, โปรตุเกส, โปแลนด์, โยรูบา, โรมาเนีย, โอเดีย (โอริยา), ไทย, ไอซ์แลนด์, ไอร์แลนด์, การแปลภาษา.

Copyright ©2026 I Love Translation. All reserved.

E-mail: