Step 1: Checking assumptionsThe fir

Step 1: Checking assumptions
The first step is to build forecasting model by checking assumptions of data. There are four assumptions that should
be check which are normality, linearity, heteroscedasticity and multicollinearity. All of the variables in this paper
must be normal distribution. The normal distribution can be seen via histogram graph, plot P-P, plot Q-Q, kurtosis
and skewness. If the distribution of data is not normal, so we need to use transformation.
Then, MLR should have linear relationship between response variable and controlled variables. in regression the
model, we fit is a linear model (‘linear model’ just means ‘model based on a straight line’) (Andy, 2005).
The third assumption in MLR is any data should be free from heteroscedasticity. Heteroscedasticity will happen
whenever there is interruption in the model that not fulfilled. If the important variables in the model are missing,
hence heteroscedasticity will happen. Any model can be check whether there is heteroscedasticity or not based on
Spearman’s rank correlation test.
The last assumption that should be checked in research is multicollinearity. Multicollinearity means situation that
has high degree of correlation between controlled variables. Any analyses can be known the present of
multicollinearity by checking the value of variation inflation factor (VIF). When the value of VIF is less than 5,
hence multicollinearity is not serious. While if VIF is more than 5, then multicollinearity is substantial.
Multicollinearity will be more serious whenever the value of VIF is more than 10.

ผลลัพธ์ (ไทย) 1:

ขั้นตอน 1: ตรวจสอบสมมติฐานขั้นตอนแรกคือการ สร้างโมเดลการคาดการณ์ โดยการตรวจสอบสมมติฐานของข้อมูล มีควรสามารถตรวจสอบซึ่งเป็นคัมภีร์พระไตรปิฎกว่า เส้นตรง heteroscedasticity และ multicollinearity ทั้งหมดของตัวแปรในเอกสารนี้ต้องมีการแจกแจงปกติ การแจกแจงปกติสามารถเห็นได้ผ่านทางกราฟฮิสโตแกรม พล็อต P -P, Q-Q พล็อตสเชิงและความเบ้ ถ้าการกระจายของข้อมูลไม่ปกติ เราจำเป็นต้องใช้การแปลงแล้ว MLR ควรมีความสัมพันธ์เชิงเส้นระหว่างตัวแปรตอบสนองและตัวแปรควบคุม ในการถดถอยการรูปแบบ ที่เราพอดีเป็นแบบเชิงเส้น ('เชิงเส้นแบบจำลอง' หมายความว่า 'อิงเส้นตรงรุ่น') (Andy, 2005)ข้อสามใน MLR เป็นข้อมูลใด ๆ ควรเป็นอิสระจาก heteroscedasticity Heteroscedasticity จะเกิดขึ้นเมื่อใดก็ตามที่มีในแบบที่ไม่ปฏิบัติตาม ถ้าตัวแปรที่สำคัญในการหายไปจึง heteroscedasticity จะเกิดขึ้น รุ่นใดก็สามารถตรวจสอบว่ามี heteroscedasticity หรือไม่ใช้การทดสอบความสัมพันธ์แบบลำดับขั้นของ spearmanสมมติฐานครั้งสุดท้ายที่ควรตรวจสอบในการวิจัยคือ multicollinearity Multicollinearity หมายถึง สถานการณ์ที่ระดับสูงของความสัมพันธ์ระหว่างตัวแปรควบคุมได้ การวิเคราะห์สามารถทราบปัจจุบันของmulticollinearity โดยตรวจสอบค่าของปัจจัยผันแปรอัตราเงินเฟ้อ (VIF) เมื่อค่า VIF เป็นน้อยกว่า 5จึง multicollinearity จะไม่รุนแรง ในขณะที่หาก VIF มากกว่า 5 แล้ว multicollinearity จะพบMulticollinearity will be more serious whenever the value of VIF is more than 10.

ผลลัพธ์ (ไทย) 2:

ขั้นตอนที่ 1: การตรวจสอบสมมติฐาน
ขั้นตอนแรกคือการสร้างแบบจำลองการคาดการณ์โดยการตรวจสอบสมมติฐานของข้อมูล มีสี่สมมติฐานที่ควรจะเป็น
จะตรวจสอบซึ่งปกติค่าความคลาดเคลื่อน heteroscedasticity และพหุ ตัวแปรทั้งหมดในบทความนี้
จะต้องมีการแจกแจงแบบปกติ การกระจายปกติสามารถมองเห็นได้ผ่านทางกราฟแท่งพล็อต PP, พล็อต QQ, โด่ง
และเบ้ หากการกระจายของข้อมูลที่ไม่ปกติดังนั้นเราจึงจำเป็นต้องใช้การเปลี่ยนแปลง.
จากนั้น MLR ควรจะมีความสัมพันธ์เชิงเส้นตรงระหว่างตัวแปรตอบสนองและการควบคุมตัวแปร ในการถดถอย
รุ่นเราพอดีเป็นรูปแบบเชิงเส้น (เชิงเส้นรูปแบบ 'หมายถึง' รุ่นขึ้นอยู่กับเส้นตรง) (แอนดี้, 2005).
สมมติฐานที่สามในอัตราดอกเบี้ย MLR เป็นข้อมูลใด ๆ ที่ควรจะเป็นอิสระจาก heteroscedasticity heteroscedasticity จะเกิดขึ้น
เมื่อใดก็ตามที่มีการหยุดชะงักในรูปแบบที่ไม่ได้ปฏิบัติตาม หากตัวแปรที่สำคัญในรูปแบบนี้หายไป
จึง heteroscedasticity ที่จะเกิดขึ้น รูปแบบใด ๆ ที่สามารถตรวจสอบว่ามี heteroscedasticity หรือไม่ขึ้นอยู่กับ
การทดสอบสหสัมพันธ์อันดับของสเปียร์แมน.
สมมติฐานที่แล้วว่าควรจะตรวจสอบในการวิจัยเป็นพหุ พหุหมายถึงสถานการณ์ที่
มีระดับสูงของความสัมพันธ์ระหว่างตัวแปรควบคุม การวิเคราะห์ใด ๆ ที่สามารถเป็นที่รู้จักในปัจจุบันของ
พหุโดยการตรวจสอบค่าของปัจจัยเงินเฟ้อการเปลี่ยนแปลง (VIF) เมื่อค่าของ VIF น้อยกว่า 5
จึงพหุไม่ร้ายแรง ในขณะที่ถ้า VIF เป็นมากกว่า 5 แล้วพหุเป็นรูปธรรม.
พหุจะรุนแรงมากขึ้นเมื่อใดก็ตามที่ค่าของ VIF เป็นมากกว่า 10

ผลลัพธ์ (ไทย) 3:

ขั้นตอนที่ 1 : การตรวจสอบสมมติฐานขั้นตอนแรกคือการสร้างรูปแบบการพยากรณ์ โดยการตรวจสอบสมมติฐานของข้อมูล มี สี่ สันนิษฐานว่า ควรจะตรวจสอบ ซึ่งปกติเป็นเส้นตรง , และ , heteroscedasticity สัมพันธ์ . ทั้งหมดของตัวแปรในกระดาษนี้จะต้องมีการแจกแจงแบบปกติ การแจกแจงปกติสามารถมองเห็นผ่านกราฟกราฟ , พล็อต p-p แปลงครั้งแรก ความโด่งความเบ้และ . ถ้าการกระจายของข้อมูลไม่ได้เป็นปกติ ดังนั้นเราจึงต้องใช้แปลงร่างจากนั้น MLR ควรจะมีความสัมพันธ์เชิงเส้นระหว่างตัวแปรตัวแปรตอบสนอง และควบคุม ในการวิเคราะห์ถดถอยรุ่นเราพอดีเป็นแบบจำลองเชิงเส้น ( 'linear รูปแบบ ' ก็หมายถึง ' แบบตามแนวเส้นตรง ' ) ( แอนดี้ , 2005 )สมมติฐานที่สามในเบื้องต้นคือข้อมูลใด ๆควรจะฟรีจาก heteroscedasticity . heteroscedasticity จะเกิดขึ้นเมื่อมีจังหวะในแบบที่ไม่สมหวัง ถ้าตัวแปรที่สำคัญในรูปแบบหายไปดังนั้น heteroscedasticity จะเกิดขึ้น รูปแบบใด ๆที่สามารถตรวจสอบว่ามี heteroscedasticity หรือไม่ขึ้นอยู่กับอันดับการทดสอบความสัมพันธ์ใช้ .สุดท้ายที่ควรจะตรวจสอบสมมติฐานในการวิจัย คือ ค่า . ข้อมูล หมายถึง สถานการณ์ที่ที่มีระดับสูงของความสัมพันธ์ระหว่างตัวแปรควบคุม . การวิเคราะห์ใด ๆสามารถเป็นที่รู้จักกันในปัจจุบันของข้อมูลโดยการตรวจสอบค่าของปัจจัยเงินเฟ้อ การเปลี่ยนแปลง ( VIF ) เมื่อค่า VIF น้อยกว่า 5ดังนั้นค่าไม่ได้จริงจัง ในขณะที่ถ้า VIF ได้มากกว่า 5 แล้วค่ามากค่าจะรุนแรงมากขึ้นเมื่อค่า VIF มากกว่า 10