Regression Analysis পরিসংখ্যানের একটি গুরুত্বপূর্ণ টুল যা এক বা একাধিক স্বাধীন ভেরিয়েবল (independent variables) এর সাহায্যে একটি নির্ভরশীল ভেরিয়েবল (dependent variable) এর মান পূর্বানুমান করতে ব্যবহৃত হয়। Simple Regression এবং Multiple Regression হল রিগ্রেশন অ্যানালাইসিসের দুটি জনপ্রিয় পদ্ধতি, যা বিভিন্ন পরিস্থিতিতে ব্যবহার করা হয়।
১. Simple Regression (সরল রিগ্রেশন)
Simple Regression বা Simple Linear Regression হল একটি পরিসংখ্যানিক মডেল, যেখানে একটি নির্ভরশীল ভেরিয়েবল (dependent variable) এবং একটি স্বাধীন ভেরিয়েবল (independent variable) এর মধ্যে সম্পর্ক পরীক্ষা করা হয়। এটি একটি সরল রেখা (straight line) আঁকার মাধ্যমে দুটি ভেরিয়েবলের মধ্যে সম্পর্ক বোঝায়।
Simple Regression এর সূত্র:
- Y = নির্ভরশীল ভেরিয়েবল (dependent variable)
- X = স্বাধীন ভেরিয়েবল (independent variable)
- β₀ = intercept (Y-এর মান যখন X শূন্য হয়)
- β₁ = স্লোপ (X-এর মান পরিবর্তন হলে Y-এর কতটুকু পরিবর্তন হবে)
- ε = ত্রুটি (error term)
উদাহরণ:
ধরা যাক, একটি কোম্পানি তার বিক্রয় এবং বিজ্ঞাপন খরচের মধ্যে সম্পর্ক বিশ্লেষণ করতে চায়। এখানে, বিজ্ঞাপন খরচ হবে independent variable এবং বিক্রয় হবে dependent variable। Simple regression মডেল দ্বারা আমরা জানতে পারি, বিজ্ঞাপন খরচের প্রতি একক পরিবর্তনের জন্য বিক্রয়ের মধ্যে কতটুকু পরিবর্তন আসবে।
ব্যবহার:
- Simple Regression ব্যবহৃত হয় যখন একাধিক ভেরিয়েবলের মধ্যে সম্পর্ক খুঁজে বের করার প্রয়োজন হয় না এবং একটি ভেরিয়েবল দ্বারা আরেকটি ভেরিয়েবলকে পূর্বানুমান করা হয়।
২. Multiple Regression (বহুগুণ রিগ্রেশন)
Multiple Regression হল একটি পরিসংখ্যানিক পদ্ধতি, যেখানে একাধিক স্বাধীন ভেরিয়েবল (independent variables) এর মাধ্যমে একটি নির্ভরশীল ভেরিয়েবলের (dependent variable) মান পূর্বানুমান করা হয়। এটি multiple predictors ব্যবহার করে, যা একটি নির্দিষ্ট আউটপুট বা ফলাফলের পূর্বাভাস করতে সাহায্য করে।
Multiple Regression এর সূত্র:
- Y = নির্ভরশীল ভেরিয়েবল (dependent variable)
- X₁, X₂, ... Xₙ = স্বাধীন ভেরিয়েবল (independent variables)
- β₀ = intercept (Y-এর মান যখন সমস্ত X শূন্য হয়)
- β₁, β₂, ... βₙ = স্লোপ (প্রত্যেক X-এর মান পরিবর্তন হলে Y-এর কতটুকু পরিবর্তন হবে)
- ε = ত্রুটি (error term)
উদাহরণ:
ধরা যাক, একটি কোম্পানি তার বিক্রয় পূর্বানুমান করতে চায়, যেখানে বিজ্ঞাপন খরচ, পণ্যের দাম এবং মৌসুমী ফ্যাক্টরসমূহ প্রভাব ফেলে। এখানে, বিজ্ঞাপন খরচ, পণ্যের দাম এবং মৌসুমী ফ্যাক্টর হলো স্বাধীন ভেরিয়েবল, এবং বিক্রয় হলো নির্ভরশীল ভেরিয়েবল। Multiple regression মডেল ব্যবহার করে, আমরা জানতে পারব যে, এই তিনটি ভেরিয়েবল কিভাবে বিক্রয়ের উপর প্রভাব ফেলছে এবং তাদের সম্পর্কের পরিমাণ কতটুকু।
ব্যবহার:
- Multiple Regression ব্যবহৃত হয় যখন একাধিক স্বাধীন ভেরিয়েবল দ্বারা নির্ভরশীল ভেরিয়েবলকে পূর্বানুমান করতে হয় এবং একাধিক কারণের প্রভাব বিশ্লেষণ করা হয়।
Simple Regression এবং Multiple Regression এর মধ্যে পার্থক্য
| বৈশিষ্ট্য | Simple Regression | Multiple Regression |
|---|---|---|
| প্রকার | একক ভেরিয়েবল দ্বারা পূর্বানুমান | একাধিক ভেরিয়েবল দ্বারা পূর্বানুমান |
| ভেরিয়েবল | একটি স্বাধীন ভেরিয়েবল এবং একটি নির্ভরশীল ভেরিয়েবল | একাধিক স্বাধীন ভেরিয়েবল এবং একটি নির্ভরশীল ভেরিয়েবল |
| উদাহরণ | বিজ্ঞাপন খরচ এবং বিক্রয়ের সম্পর্ক | বিজ্ঞাপন খরচ, পণ্যের দাম, এবং মৌসুমী ফ্যাক্টর দ্বারা বিক্রয়ের সম্পর্ক |
| স্লোপের সংখ্যা | একটি স্লোপ | একাধিক স্লোপ |
| গণনা | সরল রেখা (straight line) | সমীকরণের মাধ্যমে (multiple predictors) |
সারাংশ
Simple Regression হল একটি রিগ্রেশন বিশ্লেষণ যা একটি নির্ভরশীল ভেরিয়েবল এবং একটি স্বাধীন ভেরিয়েবলের মধ্যে সম্পর্ক নির্ধারণ করে, যেখানে Multiple Regression একাধিক স্বাধীন ভেরিয়েবলের মাধ্যমে একটি নির্ভরশীল ভেরিয়েবলের সম্পর্ক এবং প্রভাব বিশ্লেষণ করে। Simple Regression একক ফ্যাক্টর দ্বারা পূর্বানুমান তৈরি করতে ব্যবহৃত হয়, তবে Multiple Regression তখন ব্যবহার করা হয় যখন একাধিক ফ্যাক্টরের প্রভাব বিশ্লেষণ করা প্রয়োজন হয়।
Read more
