SPSS is the statistical software of

SPSS is the statistical software of choice in Indiana University of PA, USA. Many applications
require a regression method. In the Applied Research Lab, a statistical consulting
arm of the graduate school in our university, we often face the problem of parameter estimation
when there is multicollinearity. One simple solution to this problem is to drop some
of the highly correlated variables. This strategy usually works well. However, there are
times when the variables are too important to be excluded from the analysis. One strategy
is to apply Ridge Regression in such cases. Under some conditions, Ridge Regression has,
in theory, been shown to be effective in dealing with multicollinearity. However, it was
unclear in many applications that these conditions were satisfied. Indeed, we were
never sure if Ridge Regression provides a better model in these applications. In many
cases, we are also interested in how well the SPSS Ridge Regression procedure works.
We thus conducted this simulation study to evaluate the SPSS ridge regression.

ผลลัพธ์ (ไทย) 1:

SPSS เป็นโปรแกรมสถิติที่เลือกในมหาวิทยาลัยของ PA อินเดียนา สหรัฐอเมริกา โปรแกรมประยุกต์จำนวนมากต้องใช้วิธีการถดถอย ในการใช้ห้องปฏิบัติการวิจัย ให้คำปรึกษาด้านสถิติแขนของบัณฑิตในมหาวิทยาลัยของเรา เรามักจะประสบปัญหาของการประมาณค่าพารามิเตอร์เมื่อมี multicollinearity วิธีง่าย ๆ ปัญหานี้คือการ ลดลงบางส่วนของตัวแปรมีความสัมพันธ์สูง กลยุทธ์นี้มักจะทำงานได้ดีขึ้น อย่างไรก็ตาม มีเมื่อตัวแปรมีความสำคัญเกินไปที่จะถูกแยกออกจากการวิเคราะห์ครั้ง กลยุทธ์อย่างหนึ่งคือการ ใช้ถดถอยริดจ์ในกรณีดังกล่าว ภายใต้เงื่อนไขบางอย่าง ถดถอยริดจ์มีในทางทฤษฎี การแสดงจะมีประสิทธิภาพในการจัดการกับ multicollinearity อย่างไรก็ตาม มันเป็นไม่ชัดเจนว่า เงื่อนไขเหล่านี้ก็พอใจกับงาน แน่นอน เรามีไม่แน่ใจว่าถ้าให้ริดจ์ถดถอยแบบจำลองดียิ่งขึ้นในโปรแกรมประยุกต์เหล่านี้ ในหลายกรณี เรายังมีวิธีการที่ดีกระบวนการถดถอย Ridge SPSS ทำงานนอกจากนี้เราจึงดำเนินการศึกษานี้จำลองเพื่อประเมินการถดถอยริดจ์ SPSS

ผลลัพธ์ (ไทย) 2:

SPSS เป็นซอฟต์แวร์ทางสถิติของทางเลือกใน Indiana University of PA, USA ใช้งานจำนวนมาก
จำเป็นต้องใช้วิธีการถดถอย ในการวิจัยประยุกต์แล็บ, ที่ปรึกษาทางสถิติ
แขนข้างหนึ่งของโรงเรียนระดับบัณฑิตศึกษาในมหาวิทยาลัยของเราเรามักจะเผชิญกับปัญหาของการประมาณค่าพารามิเตอร์
เมื่อมีพหุ หนึ่งวิธีง่ายๆในการแก้ไขปัญหานี้คือจะลดลงบางส่วน
ของตัวแปรความสัมพันธ์อย่างมาก กลยุทธ์นี้มักจะทำงานได้ดี แต่มี
ครั้งเมื่อตัวแปรที่มีความสำคัญเกินกว่าที่จะได้รับการยกเว้นจากการวิเคราะห์ กลยุทธ์หนึ่ง
คือการใช้ Ridge ถดถอยในกรณีดังกล่าว ภายใต้เงื่อนไขบางสันถดถอยได้
ในทางทฤษฎีรับการแสดงที่จะมีประสิทธิภาพในการจัดการกับพหุ อย่างไรก็ตามมันก็
ไม่มีความชัดเจนในการใช้งานมากว่าเงื่อนไขเหล่านี้มีความพึงพอใจ อันที่จริงเราก็
ไม่แน่ใจว่าถ้า Ridge ถดถอยมีรูปแบบที่ดีขึ้นในการใช้งานเหล่านี้ ในหลาย
กรณีเรายังสนใจในวิธีที่ดีที่ทำงานขั้นตอน SPSS สันถดถอย.
เราจึงดำเนินการศึกษาการจำลองนี้ในการประเมินถดถอยสัน SPSS