படிப்படியாக பின்னடைவு என்றால் என்ன?
பின்னடைவு பகுப்பாய்வு என்பது பரவலாகப் பயன்படுத்தப்படும் புள்ளிவிவர அணுகுமுறையாகும், இது மாறிகளுக்கு இடையிலான உறவுகளை அடையாளம் காண முற்படுகிறது. சிறந்த தகவலறிந்த முடிவுகளை எடுக்க பொருத்தமான தரவுகளை சேகரிப்பது யோசனை மற்றும் முதலீடு செய்யும் உலகில் இது ஒரு பொதுவான நடைமுறையாகும். படிநிலை பின்னடைவு என்பது சுயாதீன மாறிகளின் தானியங்கி தேர்வை உள்ளடக்கிய பின்னடைவு மாதிரியின் படிப்படியான மறு கட்டுமானமாகும். புள்ளிவிவர மென்பொருள் தொகுப்புகளின் கிடைக்கும் தன்மை நூற்றுக்கணக்கான மாறிகள் கொண்ட மாதிரிகளில் கூட படிப்படியாக பின்னடைவை சாத்தியமாக்குகிறது.
படிநிலை பின்னடைவு வகைகள்
படிநிலை பின்னடைவின் அடிப்படை குறிக்கோள், தொடர்ச்சியான சோதனைகள் (எஃப்-சோதனைகள், டி-சோதனைகள்) மூலம் சுயாதீன மாறிகளின் தொகுப்பைக் கண்டுபிடிப்பது, இது சார்பு மாறியை கணிசமாக பாதிக்கிறது. இது மறு செய்கை மூலம் கணினிகளுடன் செய்யப்படுகிறது, இது தொடர்ச்சியான சுற்றுகள் அல்லது பகுப்பாய்வு சுழற்சிகள் வழியாகச் சென்று முடிவுகள் அல்லது முடிவுகளுக்கு வருவதற்கான செயல்முறையாகும். புள்ளிவிவர மென்பொருள் தொகுப்புகளின் உதவியுடன் தானாக சோதனைகளை மேற்கொள்வது தனிநபருக்கான நேரத்தை மிச்சப்படுத்தும் நன்மையைக் கொண்டுள்ளது.
முக்கிய எடுத்துக்காட்டுகள்
- பின்னடைவு பகுப்பாய்வு என்பது சுயாதீனமான மற்றும் சார்பு மாறிகளுக்கு இடையிலான உறவுகளைப் புரிந்துகொள்ளவும் அளவிடவும் முயற்சிக்கும் ஒரு புள்ளிவிவர அணுகுமுறையாகும். ஸ்டெப்வைஸ் பின்னடைவு என்பது மாதிரியில் உள்ள ஒவ்வொரு சுயாதீன மாறியின் புள்ளிவிவர முக்கியத்துவத்தையும் ஆராயும் ஒரு முறையாகும். முன்னோக்கி தேர்வு அணுகுமுறை ஒரு மாறியைச் சேர்த்து பின்னர் புள்ளிவிவர முக்கியத்துவத்திற்கான சோதனைகள் பின்தங்கிய நீக்குதல் முறை பல மாறிகள் ஏற்றப்பட்ட மாதிரியுடன் தொடங்குகிறது, பின்னர் ஒட்டுமொத்த முடிவுகளுடன் ஒப்பிடும்போது அதன் முக்கியத்துவத்தை சோதிக்க ஒரு மாறியை நீக்குகிறது. ஸ்டெப்வைஸ் பின்னடைவு பல விமர்சகர்களைக் கொண்டுள்ளது, ஏனெனில் இது ஒரு அணுகுமுறையை விரும்பிய மாதிரியை அடைய ஒரு மாதிரியாக பொருந்துகிறது.
ஒரு நேரத்தில் ஒரு சுயாதீன மாறியை முயற்சிப்பதன் மூலமும், அது புள்ளிவிவர ரீதியாக முக்கியத்துவம் வாய்ந்ததாக இருந்தால் பின்னடைவு மாதிரியில் சேர்ப்பதன் மூலமோ அல்லது மாதிரியில் சாத்தியமான அனைத்து சுயாதீன மாறிகளையும் சேர்ப்பதன் மூலமும், புள்ளிவிவர ரீதியாக முக்கியத்துவம் இல்லாதவற்றை நீக்குவதன் மூலமும் படிப்படியான பின்னடைவை அடைய முடியும். சிலர் இரண்டு முறைகளின் கலவையைப் பயன்படுத்துகின்றனர், எனவே படிப்படியான பின்னடைவுக்கு மூன்று அணுகுமுறைகள் உள்ளன:
- முன்னோக்கி தேர்வு மாதிரியில் எந்த மாறிகள் இல்லாமல் தொடங்குகிறது, ஒவ்வொரு மாறியையும் மாதிரியில் சேர்க்கும்போது சோதிக்கிறது, பின்னர் மிகவும் புள்ளிவிவர ரீதியாக முக்கியத்துவம் வாய்ந்ததாகக் கருதப்படுபவற்றை வைத்திருக்கிறது the முடிவுகள் உகந்ததாக இருக்கும் வரை செயல்முறையை மீண்டும் செய்கின்றன. பின்னணி நீக்குதல் சுயாதீன மாறிகளின் தொகுப்போடு தொடங்குகிறது, ஒரு நேரத்தில் ஒன்றை நீக்குதல், பின்னர் நீக்கப்பட்ட மாறி புள்ளிவிவர ரீதியாக முக்கியத்துவம் வாய்ந்ததா என்பதைப் பரிசோதிப்பது. இரு திசைகள் நீக்குதல் என்பது எந்த இரண்டு மாறிகள் சேர்க்கப்பட வேண்டும் அல்லது விலக்கப்பட வேண்டும் என்பதை சோதிக்கும் முதல் இரண்டு முறைகளின் கலவையாகும்.
பின்தங்கிய நீக்குதல் முறையைப் பயன்படுத்தி ஒரு படிப்படியான பின்னடைவின் எடுத்துக்காட்டு, ஒரு தொழிற்சாலையில் ஆற்றல் பயன்பாட்டை உபகரணங்கள் இயங்கும் நேரம், உபகரணங்களின் வயது, ஊழியர்களின் அளவு, வெளியே வெப்பநிலை மற்றும் ஆண்டின் நேரம் போன்றவற்றைப் பயன்படுத்தி புரிந்துகொள்ளும் முயற்சியாகும். மாதிரியானது அனைத்து மாறிகளையும் உள்ளடக்கியது - பின்னர் ஒவ்வொன்றும் அகற்றப்படுகின்றன, ஒவ்வொன்றும் ஒரு நேரத்தில், குறைந்தபட்சம் புள்ளிவிவர முக்கியத்துவம் வாய்ந்தவை என்பதை தீர்மானிக்க. முடிவில், ஆண்டு மற்றும் வெப்பநிலை மிகவும் குறிப்பிடத்தக்கவை என்பதை இந்த மாதிரி காட்டக்கூடும், ஏர் கண்டிஷனர் பயன்பாடு மிக உயர்ந்த நிலையில் இருக்கும்போது தொழிற்சாலையில் அதிகபட்ச ஆற்றல் நுகர்வு இருக்கலாம்.
படிப்படியான பின்னடைவின் வரம்புகள்
பின்னடைவு பகுப்பாய்வு, நேரியல் மற்றும் பன்முகத்தன்மை ஆகிய இரண்டுமே இன்று முதலீட்டு உலகில் பரவலாகப் பயன்படுத்தப்படுகின்றன. எதிர்காலத்தில் மீண்டும் நிகழக்கூடிய கடந்த காலங்களில் இருந்த வடிவங்களைக் கண்டுபிடிப்பதே பெரும்பாலும் யோசனை. ஒரு எளிய நேரியல் பின்னடைவு, எடுத்துக்காட்டாக, குறைந்த பி / இ விகிதங்கள் (சுயாதீன மாறி) கொண்ட பங்குகள் அதிக வருவாயை (சார்பு மாறி) அளிக்கிறதா என்பதை தீர்மானிக்க பல ஆண்டுகளாக விலை-க்கு-வருவாய் விகிதங்கள் மற்றும் பங்கு வருவாயைப் பார்க்கலாம். இந்த அணுகுமுறையின் சிக்கல் என்னவென்றால், சந்தை நிலைமைகள் பெரும்பாலும் மாறுகின்றன மற்றும் கடந்த காலங்களில் நடத்தப்பட்ட உறவுகள் தற்போதைய அல்லது எதிர்காலத்தில் உண்மையாக இருக்க வேண்டிய அவசியமில்லை.
இதற்கிடையில், படிப்படியாக பின்னடைவு செயல்முறை பல விமர்சகர்களைக் கொண்டுள்ளது மற்றும் முறையைப் பயன்படுத்துவதை நிறுத்த அழைப்புகள் கூட உள்ளன. தவறான முடிவுகள், செயல்பாட்டில் ஒரு உள்ளார்ந்த சார்பு, மற்றும் மறு செய்கை மூலம் சிக்கலான பின்னடைவு மாதிரிகளை உருவாக்க குறிப்பிடத்தக்க கணினி சக்தியின் தேவை உள்ளிட்ட அணுகுமுறையின் பல குறைபாடுகளை புள்ளியியல் வல்லுநர்கள் குறிப்பிடுகின்றனர்.
