degree of freedom အကြောင်း နားလည်သလောက် ကျွန်တော်လေးစားရတဲ့ ဆရာတွေက လာမေးထားတော့ နားလည်သလောက်လေး ပြန်ရေးပြတာပါ။ မှားချင်လည်း မှားနိုင်ပါတယ်။ ကျွန်တော်က လေ့လာနေဆဲပါ။ တကယ်လို့ ကျွန်တော် မှတ်ထားတာလေးတွေ မှန်နေရင်လည်း ဝမ်းသာရမှာ ဖြစ်သလို၊ မှားနေခဲ့ရင်လည်း ပြင်ဆင်ပေးခဲ့ကြပါခဗျ။ ပြန်ဖတ်ရမှာပေါ့။ ကျွန်တော်အတွက် ဘာဖြစ်ဖြစ် အကျိုးရှိပါတယ်။ စာရင်းအင်းပညာ မှာ degree of
Regression မှာ Data Transform ဘာကြောင့် လုပ်သင့်သလဲ၊ ဘယ်လိုလုပ်မလဲ Regression analysis မှာ assumption တွေဖြစ်တဲ့ linearity, homoscedasticity, normality of residuals စတဲ့ အချက်တွေကို ပိုကောင်းစေဖို့အတွက် data တွေ ကို transform လုပ်ကြရပါတယ်။ များသောအားဖြင့် data အမျိုးအစားတွေကို ကြည့်ပြီး နည်းလမ်း
မနေ့က ရေးခဲ့တဲ့ regression အကြောင်း နည်းနည်း ဆက်ပွားကြည့်ကြရအောင်ဗျာ residual analysis Regression analysis မှာ residual analysis ဆိုတာရှိပါတယ်။ Residual ဆိုတာက ရိုးရိုးရှင်းရှင်း ပြောရရင် observed value (တကယ့် ဒေတာ y) နဲ့ predicted value (model က ခန့်မှန်းထားတဲ့ ŷ)
Regression လွယ်သလား၊ ခက်သလား(စာများတယ်၊ အရုပ်မပါဘူး… စိတ်ဝင်စားသူများသာ ဖတ်ရှုပါ။ ခေါင်းမူးလျှင် တာဝန်မယူပါ)အဟေဟေ စာရင်းအင်းပညာမှာ regression model ကို ဘာကြောင့် သုံးရတာသလဲ၊ ဘာတွေကို အဓိက ရှာဖွေချင်တာလဲ၊ ရလဒ်တွေကို ဘယ်လို သုံးသပ်ပြီး တင်ပြရမလဲ ဆိုတာကို ရိုးရိုးရှင်းရှင်းနှင့် နားလည်လွယ်အောင် ရှင်းပြချင်ပါတယ်။ Regression model ကို သုံးရတဲ့ ရည်ရွယ်ချက်က
စာရင်းအင်းပညာ (Statistics) ရဲ့ သမိုင်းကြောင်း စာရင်းအင်းပညာဟာ ရှေးခေတ်ကတည်းက အသုံးပြုခဲ့၊ အသုံးဝင်ခဲ့ပါတယ်။ ကနဦးမှာ တိုင်းပြည်ရဲ့ လူဦးရေ၊ ငွေကြေး၊ စစ်အင်အား စတဲ့ အချက်အလက်တွေကို စုစည်းပြီး စီမံခန့်ခွဲဖို့အတွက် အသုံးပြုခဲ့ပါတယ်။ မီဆိုပိုတေးမီးယား၊ အီဂျစ်၊ ရောမ စသည့် ရှေးဟောင်းနိုင်ငံတွေမှာ တိုင်းရင်းစုစာရင်း၊ ကုန်ပစ္စည်းစာရင်း တွေကို ပြုစုခဲ့ကြပါတယ်။ အထူးသဖြင့် မီဆိုပိုတေးမီးယားမှာ ဘုရားရှိခိုးကျောင်းတွေက
Cluster Sampling Cluster Sampling ဆိုတာ လူအုပ်စုအကြီးကြီးကို လေ့လာချင်တဲ့အခါ သုံးတဲ့နည်းဖြစ်ပါတယ်။ ဒါပေမဲ့ လူတွေကို တစ်ယောက်ချင်းစီ မရွေးထုတ်ဘဲ အုပ်စုလိုက် ရွေးထုတ်တာကို Cluster Sampling လို့ခေါ်ပါတယ်။ အဲ့ဒီမှာ Cluster ဆိုတာက သဘာဝအလျောက် ဖြစ်နေတဲ့ အုပ်စုတွေကို ပြောတာ။ ဥပမာ… ကျောင်းတွေဆို အတန်းတွေက Cluster တွေပါပဲ။ ရွာတွေဆိုရင်
Stratified Random Sampling အကြောင်း Stratified Random Sampling ဆိုတာက လူဦးရေအုပ်စုကြီးတစ်ခုကို လေ့လာတဲ့အခါမှာ အုပ်စုတစ်ခုလုံး(population)ရဲ့ ပုံစံကိုဖမ်းယူနိုင်ဖို့အတွက် အသုံးပြုတဲ့ နည်းလမ်းတစ်ခုပါ။ ဥပမာ- ကျောင်းတစ်ကျောင်းမှာ ကျောင်းသားဦးရေအများကြီးရှိတယ်ဆိုပါစို့။ အဲဒီကျောင်းက ကျောင်းသားတွေရဲ့ ပျမ်းမျှရမှတ်ကို သိချင်တယ်ဆိုရင် ကျောင်းသားအားလုံးကို မေးမြန်းဖို့ဆိုတာ မလွယ်ကူပါဘူး။ ဒါကြောင့် Stratified Random Sampling ကိုသုံးပြီး အဲဒီကျောင်းသားအုပ်စုကြီးကို
Systematic Random Sampling Systematic Random Sampling ဆိုတာ Population တစ်ခုလုံးကို စနစ်တကျနဲ့ ကျပန်းရွေးချယ်တဲ့ နည်းလမ်းတစ်ခုဖြစ်ပါတယ်။ Simple Random Sampling နဲ့မတူတာက ဒီနည်းလမ်းမှာ ပထမဦးဆုံး Sample ကို ကျပန်းရွေးချယ်ပြီး ကျန်တဲ့ Sample တွေကို ပုံသေ Interval (ကြားကာလ) တစ်ခုနဲ့ ရွေးချယ်သွားတာပါ။ Systematic
Simple Random Sampling “Simple Random Sampling” ဆိုတာကို အလွယ်ကူဆုံး နားလည်အောင် ပြောရရင် “မဲနှိုက်တာ” နဲ့ အတူတူပါပဲ။ လူအများကြီးထဲကမှ လူအနည်းငယ်ကို ရွေးတဲ့အခါမှာ ဘယ်သူ့ကိုမဆို ပါဝင်ခွင့် အခွင့်အရေး တန်းတူပေးပြီး ကံစမ်းမဲနှိုက်သလိုမျိုး ရွေးချယ်တဲ့ နည်းလမ်းဖြစ်ပါတယ်။ SRS ရဲ့ အဓိကအချက်တွေကတော့ ၁။ အားလုံးမှာ အခွင့်အရေး တန်းတူရှိတယ်
“surveillance” ဆိုတာ ဘာလဲ၊ ဘာအတွက်ကြောင့် အရေးကြီးတာလဲ Surveillance (ရောဂါစောင့်ကြပ်ကြည့်ရှုခြင်း) ဆိုတာ ဘာလဲ ရိုးရှင်းစွာပြောရရင် Surveillance ဆိုတာက ကျန်းမာရေးနဲ့ ပတ်သက်တဲ့ အချက်အလက်တွေကို စနစ်တကျ၊ အဆက်မပြတ် စုဆောင်းတာ၊ ခွဲခြမ်းစိတ်ဖြာတာ၊ အဓိပ္ပာယ်ဖွင့်ဆိုတာ မျိုးပါ။ ဒီလိုရလာတဲ့ အချက်အလက်တွေကို ရောဂါကာကွယ်ရေးနဲ့ ထိန်းချုပ်ရေးအတွက် တာဝန်ရှိသူတွေဆီ အချိန်မီ ဖြန့်ဝေပေးပြီး၊ ပြည်သူ့ကျန်းမာရေး လုပ်ငန်းတွေ