Regressiya va nisbiy ahamiyatga ega

By 08.09.2021 08.09.2021

Ushbu sayt reCAPTCHA bilan himoyalangan va Google Maxfiylik siyosati va xizmat ko'rsatish shartlari qo'llaniladi.

Siz yuborgan mulohazalaringiz faqat ushbu sahifani yaxshilash uchun ishlatiladi.

Zo'rku! Fikrlaringiz uchun tashakkur!

Fikrlaringiz uchun tashakkur!

Regressiya va nisbiy ahamiyat to'g'risida

Regression sizga bir nechta kirish o'zgaruvchilari birgalikda qanday qilib o'zgaruvchan o'zgaruvchiga ta'sir qilishini ko'rsatadi. Masalan, "Mijoz bo'lgan yillar" va "Kompaniyaning kattaligi" ma'lumotlari "Mamnuniyat" natijasi bilan va bir-biri bilan bog'liq bo'lsa, siz ikkita qoniqish hosil qilish uchun qaysi ma'lumotlarning qaysi biri muhimroq ekanligini aniqlash uchun siz regressiyadan foydalanishingiz mumkin. . ”

Nisbatan ahamiyatni tahlil qilish - bu so'rov ma'lumotlari bo'yicha regressiya va Stats iQ-da bajarilgan regressiyalarning standart chiqishi uchun eng yaxshi amaliyot usuli. Nisbiy ahamiyat - bu o'zgaruvchan parametrlarning bir-biri bilan o'zaro bog'liqligi holatlarini hisobga olgan holda regressiyaning zamonaviy kengayishi bo'lib, tadqiqot tadqiqotlarida juda ko'p uchraydigan masala ("ko'p satrlik" deb nomlanadi). Nisbiy ahamiyat, shuningdek Jonsonning nisbiy og'irliklari deb nomlanadi, Shapley tahlilining o'zgarishi va Dominantlik tahlili bilan chambarchas bog'liqdir.

Stress iQ-da regressiyani sozlash bo'yicha quyida ko'rsatmalarni topishingiz mumkin. Regressiya tahlilining analitik qismlari orqali fikrlash bo'yicha qo'shimcha ma'lumot olish uchun quyidagi sahifalarga qarang:

Regressiya kartalari uchun o'zgaruvchilarni tanlash

Regressiya kartasini yaratish ma'lumotlar to'plamidagi bitta o'zgaruvchining qiymati boshqalarning qiymatlariga qanday ta'sir qilishini tushunishga imkon beradi.

O'zgaruvchilarni tanlashda bitta o'zgaruvchida uning kaliti bo'ladi. Regressiya uchun asosiy o'zgaruvchi chiqish o'zgaruvchisi bo'ladi. Kalit o'zgaruvchidan keyin tanlangan har bir boshqa o'zgaruvchi kirish o'zgaruvchisi bo'ladi. Boshqacha qilib aytadigan bo'lsak, biz qanday qilib o'zgaruvchining qiymati o'zgaruvchan qiymatga asoslanganligini tushuntirishga harakat qilmoqdamiz.

Regressiya uchun o'zgaruvchilarni tanlashda e'tiborga olish kerak bo'lgan narsalar:

  • O'zgaruvchilar panelidagi istalgan o'zgaruvchining yonidagi tugma belgisini bosish orqali asosiy o'zgaruvchini o'zgartirishingiz mumkin.
  • Agar javoblaringiz sonidan ko'proq o'zgaruvchilar tanlansa, regressiya ishlamaydi.
  • Siz 25 tagacha o'zgaruvchini tanlashingiz mumkin. Biroq, siz 1-10 ta o'zgaruvchini tanlashga harakat qilishingiz kerak, aks holda natijalaringiz juda murakkablashishi mumkin.

Agar sizda ko'p sonli o'zgaruvchilar mavjud bo'lsa, tahlilga qo'shmoqchi bo'lsangiz, quyidagi yondashuvlarni ko'rib chiqing:

  • Dastlabki regressiyalarni ishga tushiring va modelda juda oz ahamiyatga ega bo'lgan o'zgaruvchilarni chiqarib tashlang.
  • Masalan, ularni o'rtacha hisoblash yo'li bilan bir nechta o'zgaruvchilarni birlashtiring.
  • Agar sizning ma'lumotlaringizning tuzilishi bunga imkon bersa, siz bu erda 341-sahifada tasvirlanganidek, ikki bosqichli nisbiy ahamiyatlilik jarayonidan foydalanishingiz mumkin.

Misol:Masalan, o'zingizning ishchilaringizning avtonomiyalaridan qoniqish uchun o'nta o'lchov va xodimlarning ish haqi uchun qondirish uchun o'nta o'lchovlarga ega ekanligingizni tasavvur qiling .

  • Ushbu guruhlarni o'rtacha ikki xil o'zgaruvchiga ajratib ko'ring - biri muxtoriyat , biri kompensatsiya uchun .
  • Bitta nisbiy ahamiyatga ega bo'lgan tahlilni umumiy qoniqish bilan bajaring va natijada ikkita xulosa o'zgaruvchisi qaysi guruh muhimroq ekanligini bilib oling.
  • So'ngra bitta nisbiy ahamiyatga ega bo'lgan tahlilni umumiy mamnuniyat bilan , natijada chiqish natijasi sifatida va faqat o'nta muxtoriyat o'zgaruvchisini ushbu guruh ichida qaysi biri muhimroq ekanligini ko'rish uchun kiriting.
  • Bitta nisbiy ahamiyatga ega bo'lgan tahlilni umumiy mamnuniyat bilan , natijada chiqish natijasi sifatida va faqat o'nta kompensatsiya o'zgaruvchisini ushbu guruh ichida qaysi biri eng muhimligini ko'rish uchun kiriting.

O'zgaruvchilarni tanlaganingizdan so'ng , regressiyani ishga tushirish uchun Regression-ni bosing .

Regressiya turlari

Stats iQ-da ishlaydigan ikkita asosiy regressiya turi mavjud. Agar chiqish o'zgaruvchisi raqamlar o'zgaruvchisi bo'lsa, Stats iQ chiziqli regressiyani bajaradi. Agar chiqish o'zgaruvchisi toifalar o'zgaruvchisi bo'lsa, Stats iQ logistik regressiyani amalga oshiradi.

Aniqrog'i, Stats iQ ishlaydigan regressiya turlari quyidagicha:

Lineer regressiya

Nisbatan ahamiyat oddiy kichkina kvadratchalar (OLS) bilan birlashtirilgan. Chiqish ikkita tahlilning kombinatsiyasidan kelib chiqadi:

  • Nisbiy ahamiyat: Ushbu bo'limdagi hamma narsa OLS regressiyasidan kelib chiqadigan r-kvadratdan tashqari nisbiy ahamiyatga ega.
  • Modelni batafsil o'rganib chiqing: ushbu bo'limdagi barcha ma'lumotlar ma'lumotlarning o'zidan olingan taqsimotlardan tashqari nisbiy ahamiyatga ega.
  • O'zingizning modelingizni yaxshilash uchun OLS regressiya diagnostikasi va qoldiqlarini tahlil qiling: ushbu bo'limda hamma narsa OLS regressidan kelib chiqadi.

Logistik regressiya

Logistik regressiya - bu ikkilik tasniflash usuli bo'lib, u ikkilik (masalan, Ha yoki Yo'q) natijalarining drayverlarini kirish o'zgaruvchilari to'plamini tushunish uchun ishlatiladi. Agar siz ikkitadan ortiq guruhga ega bo'lgan chiqish o'zgaruvchisida regressiyani ishlatsangiz, Stats iQ ikkitomonlama regressiya qilish uchun bitta guruhni tanlaydi va boshqalarni birlashtiradi (siz regressiyani ishga tushirgandan so'ng qaysi guruh tahlil qilinishini o'zgartirishingiz mumkin).

Nisbatan ahamiyati

So'rov ma'lumotlariga kiritilgan o'zgaruvchilar ko'pincha bir-biri bilan juda bog'liqdir; bu "Multicollinearity" deb nomlangan muammo. Bu bitta o'zgaruvchining ahamiyatini sun'iy ravishda oshiradigan va boshqa o'zaro bog'liq o'zgaruvchining ahamiyatini pasaytiradigan regressiya chiqishiga olib kelishi mumkin. Nisbiy ahamiyat buni hisobga olish uchun eng yaxshi amaliyot usuli sifatida tan olingan.

Nisbiy ahamiyat (xususan Jonsonning nisbiy og'irliklari) bu muammodan aziyat chekmaydi va regressiyaning qaysi turidan qat'i nazar, kiritilgan o'zgaruvchilarning ahamiyatini etarli darajada muvozanatlashtiradi. Shuningdek, u har bir o'zgaruvchining nisbiy vaznini (yoki nisbiy ahamiyatini), ushbu o'zgaruvchiga bog'liq bo'lgan chiqindagi o'zgaruvchanlikning ulushini hisoblab chiqadi. Bu 100% ga qo'shiladigan foizlar qatori sifatida ko'rsatilgan.

Kiritilgan o'zgaruvchilarning har bir o'zgarishi uchun bitta ketma-ketlik regresslarini bajarishga o'xshash natijalarni beradi. Masalan, agar sizda ikkita o'zgaruvchingiz bo'lsa, u uchta regressiyani bajarishga teng bo'lar edi: biri o'zgaruvchisi bilan, biri o'zgaruvchisi bilan B va ikkalasi ham. Bu har bir o'zgaruvchining ahamiyatini aniqlashga va bu miqdorni regressiya natijasiga qaytarishga imkon beradi.

Regressiya chiqishi

Stats iQ-da regressiyani amalga oshirganingizda, tahlil natijalari quyidagi bo'limlarni o'z ichiga oladi:

Raqamli xulosa



Kartaning yuqori qismida regressiya tahlili uchun xulosa mavjud. Tanlangan o'zgaruvchilarga qarab, ushbu yozilgan xulosa qaysi o'zgaruvchilar birlamchi va ikkilamchi drayverlarga, shuningdek, past kümülatif ta'sirga ega bo'lgan haydovchilarga tegishli ekanligini tushuntiradi. Ma'lumotlar jadvali Sample Size va R-kvadrat qiymatini o'z ichiga oladi.

Nisbatan ahamiyati

  1. Ta'siri past bo'lgan o'zgaruvchilar: Alohida 10% yoki undan kam nisbiy ahamiyatga ega bo'lgan o'zgaruvchilar birlashtiriladi. Tanlanganda har bir past ta'sirli o'zgaruvchining nisbiy ahamiyati va statistik ahamiyatini tushuntirib beradigan bo'lim bo'ladi.
  2. Yuqori ta'sirli o'zgaruvchilar: Har bir yuqori ta'sirli o'zgaruvchi alohida va bosish mumkin bo'ladi. O'zgaruvchini tanlagandan so'ng, jadvalning pastki qismida siz hisobga olingan o'zgarishni va modeldagi boshqa o'zgaruvchilar uchun nazorat qilinadigan bo'lsa nima bo'lishini ko'rishingiz mumkin.

Qo'shimcha model tafsilotlari

Modelni batafsil o'rganish-nitanlaganingizda , siz kiritilgan o'zgaruvchilar va chiqadigan o'zgaruvchilaringizni ko'rasiz. Siz kiritgan o'zgaruvchilar quyidagi ma'lumotlar bilan ta'minlanadi:

  • Nisbatan ahamiyati:individual o'zgaruvchiga qo'shiladigan r-kvadratning nisbati. R-kvadrat - bu natijadagi o'zgaruvchining o'zgaruvchanlik nisbati, bu ushbu modeldagi kirish o'zgaruvchilari bilan izohlanishi mumkin. Qo'shimcha ma'lumot olish uchun Nisbiy ahamiyatga qarang.
  • Koeffitsientlar koeffitsienti:Faqatgina logistik regressiya bilan bog'liq. Berilgan kirish o'zgaruvchisi uchun koeffitsientlar koeffitsienti har bir birlik uchun o'zgaruvchan koeffitsientni izohlovchi o'zgaruvchida ko'payishini ko'rsatadi.

OLS regressiyasini tahlil qilish

Lineer regressiya uchun, bashorat qilingan va haqiqiy va qoldiq uchastkalarini ko'rish uchun kalit / chiqish o'zgaruvchisi ostida modelingizni yaxshilash uchun OLS regressiya diagnostikasi va qoldiqlarini tahlil qilish-ni bosing . Qo'shimcha ma'lumot olish uchun sizning regressingizni yaxshilash uchun qoldiq uchastkalarni talqin qilish bo'limiga qarang.

O'zgaruvchilarni qo'shish va olib tashlash

Regressiya kartasini yaratgandan so'ng, quyidagi bosqichlarni bajarib tahlilga qo'shimcha o'zgaruvchilar qo'shishingiz mumkin:

  1. Bosing batafsil modelini o'rganing.
  2. Kartaning pastki qismida o'z modelingizga o'zgaruvchilar qo'shish-nitanlang . Bunda regressiya uchun hali ishlatilmagan o'zgaruvchilar ro'yxati keltiriladi.
  3. Ushbu ro'yxatdan o'zgaruvchini tanlang.
  4. Tahlilni yangi o'zgaruvchiga kiritilgan holda qayta ishga tushirish uchun Ilova-ni bosing .

O'zgaruvchini regressiyadan olib tashlash uchun kerakli o'zgaruvchining ustiga suring va jadvalning o'ng tomonidagi ko'k Xtugmachasini bosing . Qo'shish yoki olib tashlash uchun o'zgaruvchilarni tanlagandan so'ng, yangi modelni ishga tushirish uchun "Ilova" -ni tanlang.

O'zgaruvchilarni o'zgartirish

Stats iQ-da regressiya tahlilini o'tkazishda siz o'zingizning modelingizni takomillashtirishingiz kerak deb o'ylashingiz mumkin. Modelni takomillashtirishning eng keng tarqalgan usuli bu odatda "log" yoki boshqa funktsional transformatsiyalar yordamida bir yoki bir nechta o'zgaruvchini o'zgartirishdir.

O'zgaruvchini o'zgartirish uning tarqalish shaklini o'zgartiradi. Umuman olganda, regressiya modellari ko'proq nosimmetrik, qo'ng'iroq shaklida tarqatish bilan yaxshi ishlaydi. Sizga ushbu turdagi taqsimotni beradigan topilmaguncha turli xil o'zgarishlarni sinab ko'ring.

O'zgaruvchini o'zgartirish uchun:

  1. Modelni batafsil o'rganingopsiyasi ostida Transformustuniga o'ting .
  2. O'zgartirmoqchi bo'lgan o'zgaruvchiga funktsiya ( f (x)) tugmasini bosing.
  3. Ro'yxat ichidan qaysi funktsiyani tanlang va Stats iQ yangi o'zgartirilgan o'zgaruvchidan foydalanib kartani qayta hisoblab chiqadi.

Stats iQ-da quyidagi o'zgarishlar mavjud:

Hozirgacha eng keng tarqalgan o'zgarish log (x). U ko'plab kichik qiymatlarga ega bo'lgan "kuch" taqsimotini (shahar aholisi soni kabi) qo'ng'iroq shaklidagi "normal taqsimot" ga (balandlik kabi) o'zgartiradi, bu erda ko'p qiymatlar o'rtaga to'planadi.

Agar o'zgaruvchan o'zgaruvchining nol qiymati bo'lsa, log (x + 1) dan foydalaning, chunki x (n) bo'lsa, log (x) ni hisoblash mumkin emas.

O'zgaruvchanlarni qachon o'zgartirish kerakligi haqida ko'proq ma'lumot olish uchun, iltimos, chiziqli regressiyani yaxshilash uchun qoldiq uchastkalarni sharhlash bo'limiga qarang.

Stats iQ da mavjud bo'lgan boshqa chiziqli regressiya usullari

Oddiy eng kichkina kvadratchalar bilan birlashtirilgan nisbiy ahamiyatga chiziqli regressiya uchun standart chiqish hisoblanadi. Biroq, boshqa variantlar mavjud.

M-taxminiy, oddiy kvadratchalar va Ridge regressiyasiga kirish uchun regress kartangizning yuqori o'ng burchagidagi sozlash moslamasini bosing. Regression Methodsostida regressiya texnikasi nomini bosish sizga regressiya kartasi uchun ishlatiladigan regressiya texnikasini o'zgartirishga imkon beradi. Bu faqat chiziqli regressiya uchun amalga oshirilishi mumkin.

  • M-baholash: Oddiy eng kichkina kvadratchalar (OLS) ga qaraganda chiqish o'zgaruvchisidagi chegaralarni yaxshiroq boshqarish uchun mo'ljallangan.
  • Oddiy eng kichkina kvadratchalar: Oddiy eng kichkina kvadratchalar (OLS) klassik regressiya texnikasi. U taxminlardan chetga chiqish va boshqa qonunbuzarliklarga nisbatan sezgir, shuning uchun biz M-taxmin qilish kabi yanada mustahkam usullarni tavsiya qilamiz. OLS standart Nisbiy ahamiyatli chiqishda ishlatilganligi sababli, siz ushbu parametrni faqat nisbiy ahamiyatga ega chiqishga moslashtirilmagan xususiyatlar bilan qiziqsangiz, tanlashingiz kerak: natijalarni taxmin qilish va o'zaro ta'sirlash shartlarini qo'shish.
  • Ridge Regression: Ridge regression - bu standart OLS regressiyasiga o'xshash, ammo alfa tuning parametriga ega bo'lgan usuldir. Ushbu alfa parametr yuqori dispersiya va multikollinearlikdan aziyat chekadigan ma'lumotlar bilan ishlashga yordam beradi. To'g'ri sozlanganda, tog 'tizmasining regressiyasi odatda OLSga qaraganda yaxshiroq prognozlarni beradi, chunki tarafkashlik va dispersiya o'rtasida yaxshiroq kelishuv mavjud. Stats iQ-da siz tog 'tizmasining regressiyasidan foydalanishda alfa parametrini tanlashingiz mumkin bo'ladi.

M-taxminiy, oddiy kvadratchalar yoki Ridge regressiyasini tanlaganingizdan so'ng, natijani ko'rishingiz mumkin bo'ladi. Chiqish Regressiya usullaribo'limining ostida paydo bo'ladi .

  1. Raqamli xulosa: Kartaning yuqori qismida regressiya tahlili uchun xulosa mavjud. Bunga namuna hajmi, etishmayotgan holatlar, usul, R kvadratik qiymati, standart xato, o'zgarish koeffitsienti va modelga mos kelish kiradi.
  2. Koeffitsient tafsilotlari: Regressiyaning asosiy natijalari, matematik tenglama, xulosa ostida. Chiqish / kalit o'zgaruvchisi tenglamaning chap tomonida joylashgan. Kirish o'zgaruvchilari o'ng tomonda joylashgan. O'zgaruvchini ustiga olib borishda, ushbu o'zgaruvchining chiqish o'zgaruvchisiga qanday hissa qo'shishini tushuntirib beradigan ko'rsatma ko'rsatiladi. Bu erda siz o'zingizning o'zgaruvchingiz uchun qiymatlarni baholash uchun matematik tenglamaga qiymatlarni kiritishingiz mumkin. Qo'shimcha ma'lumot uchun quyidagi o'zgaruvchan qiymatlarni baholash bo'limiga qarang.
  3. Diagnostika va qoldiqlar: Stats iQ sizning modelingizning to'g'riligi va to'g'riligini baholashga yordam beradigan diagnostika bilan ta'minlaydi. Qo'shimcha ma'lumot olish uchun qarang: chiziqli regressiyani yaxshilash uchun qoldiq uchastkalarni talqin qilish yoki chalkashlik matritsasi va logistika regressiyasida aniqlik bilan eslab qolish.

Chiqish o'zgaruvchan qiymatlarini taxmin qilish

Agar siz regressiyani bajargan bo'lsangiz, siz tanlagan kirish qiymatlari asosida chiqish o'zgaruvchan qiymatlarini taxmin qilish uchun koeffitsient tafsilotlari bo'limidagi matematik tenglamadan foydalanishingiz mumkin. Tenglamaning o'ng tomonida siz kiritilgan o'zgaruvchilarni ko'rasiz. Siz kiritgan har bir o'zgaruvchiga qiymatlarni o'rnatishingiz mumkin. Tenglamaning chap tomonida sizning chiquvchi o'zgaruvchingiz mavjud. Kiritilgan o'zgaruvchilaringiz uchun qiymatlarni kiritgandan so'ng, tenglama regressiya modeli asosida chiqish o'zgaruvchisi uchun taxminni hisoblab chiqadi.

  1. Ushbu kirish o'zgaruvchilari toifadagi turdagi o'zgaruvchidir. Kategoriya o'zgaruvchilari uchun qiymat kiritish uchun, variantlar ro'yxatidan kerakli qiymatni bosing.
  2. Ushbu kirish o'zgaruvchisi raqam turidagi o'zgaruvchilar. Raqamli o'zgaruvchilar uchun qiymat kiritish uchun, Enter value-ni bosing va raqamni kiriting.
  3. Ushbu o'zgaruvchi sizning regressiya tenglamangizning chiqish o'zgaruvchisidir. Kiritish o'zgaruvchilar qiymatlari tanlash so'ng, sizning chiqish o'zgaruvchining uchun taxmin qiymati deydi qaerda yonida paydo bo'ladi tasavvur.

Natijalarni bashorat qilish

Odatda, siz o'zgaruvchan va chiqadigan o'zgaruvchilar o'rtasidagi bog'liqlikni tushunish uchun Stats iQ-da regressiya tahlilidan foydalanasiz. Ammo, regressiya modeli yaratilgandan so'ng, u sizning ma'lumotlaringiz qiymatlari bo'lgan ma'lumotlar qatorlari uchun chiqish qiymatini taxmin qilish uchun ham ishlatilishi mumkin.

O'zaro ta'sir qilish shartlari va boshqa ilg'or tashvishlar

O'zaro ta'sir qilish shartlarini qo'shish

Regressiya modelingizni takomillashtirishni qidirayotganda, mavjud kirish o'zgaruvchilariga qo'shimcha ravishda o'zaro ta'sir qilish shartlarini qo'shishingiz mumkin. Agar kirish o'zgaruvchilaridan birining qiymati boshqa kirish o'zgaruvchisi chiqish o'zgaruvchisiga qanday ta'sir qilishini o'zgartiradi deb gumon qilsangiz, o'zaro ta'sir muddati qo'shiladi.

Misol uchun, ehtimol mehmonxonada bo'lish vaqtida bolalari bo'lgan odamlar uchun yoshi kattaroq odamlarga qaraganda ko'proq qoniqadi, ammo bolasi bo'lmagan odamlar uchun yoshlari kamroq qoniqishadi. Bu shuni anglatadiki, "Bolalar sovg'asi" va "Yoshi" o'rtasida o'zaro bog'liqlik mavjud.

Kartadagi kirish o'zgaruvchilari ro'yxatining pastki qismida o'zaro ta'sir qo'shishostida ikkita o'zgaruvchini tanlash regressiyaga ta'sir o'tkazish atamasini qo'shadi.

Ushbu funktsiyani oddiy oddiy kvadratchalar, M-baholash va Ridge regressiyalarida ishlatish mumkin.

Ikkalasini birlashtirgan yangi o'zgaruvchini yaratish orqali Nisbiy ahamiyat tahlilida kategorik o'zgaruvchilar uchun bir xil samaraga erishishingiz mumkin. Misol uchun, siz kattalik birlashtirish mumkin rangi (bilan qizil va yashil bilan guruhlar) Hajmi (bilan katta va kichik ismli bir o'zgarmaydigan qilish guruhlari) ColorSize (guruhlar bilan BigRed , BigGreen , SmallRed va SmallGreen ).

Multikollinearlik

Multikollinearlik regressiya kontekstida kirish o'zgaruvchilarining ikkitasi yoki bir nechtasi bir-biri bilan juda bog'liq bo'lganda paydo bo'ladi.

Ikki o'zgaruvchi bir-biriga juda bog'liq bo'lsa, regressiya matematikasi odatda bir o'zgaruvchiga iloji boricha ko'proq qiymat beradi, ikkinchisiga emas. Bu ushbu o'zgaruvchiga nisbatan katta koeffitsientda namoyon bo'ladi. Ammo agar model ozgina bo'lsa ham o'zgartirilsa (masalan, filtr qo'shilsa), unda qiymatning katta qismi joylashtirilgan o'zgaruvchi o'zgarishi mumkin. Bu shuni anglatadiki, hatto kichik o'zgarish ham regressiya modeliga keskin ta'sir ko'rsatishi mumkin.

Nisbiy ahamiyat tahlillari ushbu masalani hal qiladi, shuning uchun siz bu haqda tashvishlanmasligingiz kerak. Agar siz boshqa usullardan birini ishlatishni ma'qul ko'rsangiz va sizning modelingizda ushbu muammo yuzaga kelsa, multikollinerlik mavjudligi ("Varyans inflyatsiya omili" bilan o'lchanadi) ogohlantirishni keltirib chiqaradi va o'zgaruvchini olib tashlashni yoki o'zgaruvchilarni ularni o'rtacha hisobiga birlashtirishni taklif qiladi. .

Ogohlantirish xabarlari

Stress iQ sizning regressiya natijalaringiz bilan bog'liq muammolar yuzaga kelganda sizni ogohlantiradi. Bularga quyidagi holatlar kiradi: