من در این متن دربارهی اهمیت تشخیص و یافتن توزیع آماری دادهها، جهت انجام مقایسه بین آنها (و یا هر تحلیل دیگری) صحبت کردم.
یافتن توزیع و نظم ریاضی موجود در دادهها، اولین گام جهت انجام تحلیل بر روی آنها و پیشبینی رفتار و روند بعدی آنها میباشد.
فرایند شناسایی و براورد توزیع دادهها، در مبحثی با نام نیکویی برازش Goodness oF Fit قرار میگیرد، که خب به آزمونهای آماری و براورد پارامترهای مدل نیاز دارد.
راه سادهتر یافتن نظم ریاضی موجود در دادهها که به آن توزیع Distribution دادهها گفته میشود، استفاده از گرافهایی با نام Probability Plot است که به آنها P-P Plot نیز گفته میشود. آنها ابزار سادهای هستند که به ما در شناسایی توزیع دادهها کمک میکنند.
من در لینک زیر به بیان و توضیح Probability Plot و نحوه به دست آوردن آنها پرداختهام. علاقمند بودید آن را ببینید.
https://graphpad.ir/p-p-plot-spss/
یافتن توزیع و نظم ریاضی موجود در دادهها، اولین گام جهت انجام تحلیل بر روی آنها و پیشبینی رفتار و روند بعدی آنها میباشد.
فرایند شناسایی و براورد توزیع دادهها، در مبحثی با نام نیکویی برازش Goodness oF Fit قرار میگیرد، که خب به آزمونهای آماری و براورد پارامترهای مدل نیاز دارد.
راه سادهتر یافتن نظم ریاضی موجود در دادهها که به آن توزیع Distribution دادهها گفته میشود، استفاده از گرافهایی با نام Probability Plot است که به آنها P-P Plot نیز گفته میشود. آنها ابزار سادهای هستند که به ما در شناسایی توزیع دادهها کمک میکنند.
من در لینک زیر به بیان و توضیح Probability Plot و نحوه به دست آوردن آنها پرداختهام. علاقمند بودید آن را ببینید.
https://graphpad.ir/p-p-plot-spss/
#اضافه
عدد امروز (سهشنبه 15 آذرماه 1401) شاخص کل چند است؟
حدود 1 میلیون و 410 هزار واحد.
از آن 4.496% کم کنید. یعنی حدود 63 هزار واحد. پس شاخص میشود 1.347 میلیون واحد.
چرا کم کنیم؟
عدد 4.496% تاثیر اضافی شستا بر شاخص کل است. از روزی که وارد بازار سرمایه شده یعنی 27 فروردین 1399 تا امروز. به ویژه روزهایی که شاخص کل هر روز 40-50 هزار واحد مثبت میخورد و شستا هم صف خرید بود.
همین کار را برای چند سهم بزرگ دیگر بازار هم انجام دهید. یعنی تاثیر اضافه آنها بر شاخص کل را به دست بیاورید. شاخص لاغر و لاغرتر میشود تا تقریباً میرسد به عدد شاخص میانه امروز یعنی حدود 747 هزار واحد.
حال نکته جالب این است که اغلب نمادهایی که شاخص را به دلیل وزن خود بالا بردهاند، اکنون بیشتر از شاخص ریزش کردهاند.
مثلاً همان شستا نسبت به سقف خود 2.8 برابر کاهش داشته، اما شاخص نسبت به سقف خود 1.5 برابر کاهش داشته است.
خب این یعنی چه؟
یعنی اینکه شاخص حتی نسبت به دوستان خود (آنهایی که او را بالا بردهاند) هم وفادار نبوده. با آنها بالا رفته، خوب هم بالا رفته. اما با پایین آمدن آنها هم پایین نیامده.
عدد امروز (سهشنبه 15 آذرماه 1401) شاخص کل چند است؟
حدود 1 میلیون و 410 هزار واحد.
از آن 4.496% کم کنید. یعنی حدود 63 هزار واحد. پس شاخص میشود 1.347 میلیون واحد.
چرا کم کنیم؟
عدد 4.496% تاثیر اضافی شستا بر شاخص کل است. از روزی که وارد بازار سرمایه شده یعنی 27 فروردین 1399 تا امروز. به ویژه روزهایی که شاخص کل هر روز 40-50 هزار واحد مثبت میخورد و شستا هم صف خرید بود.
همین کار را برای چند سهم بزرگ دیگر بازار هم انجام دهید. یعنی تاثیر اضافه آنها بر شاخص کل را به دست بیاورید. شاخص لاغر و لاغرتر میشود تا تقریباً میرسد به عدد شاخص میانه امروز یعنی حدود 747 هزار واحد.
حال نکته جالب این است که اغلب نمادهایی که شاخص را به دلیل وزن خود بالا بردهاند، اکنون بیشتر از شاخص ریزش کردهاند.
مثلاً همان شستا نسبت به سقف خود 2.8 برابر کاهش داشته، اما شاخص نسبت به سقف خود 1.5 برابر کاهش داشته است.
خب این یعنی چه؟
یعنی اینکه شاخص حتی نسبت به دوستان خود (آنهایی که او را بالا بردهاند) هم وفادار نبوده. با آنها بالا رفته، خوب هم بالا رفته. اما با پایین آمدن آنها هم پایین نیامده.
#بیشتر
اجازه دهید در ادامه این متن، چند نکته بیشتر بنویسم.
1- واضح است که من دربارهی رابطهی ریاضی و نحوه محاسبه شاخص کل ایرادی وارد نمیکنم. محاسبه آن کاملاً درست است. با دست و توسط فرد یا افرادی هم محاسبه نمیشود که بگوییم اشتباه است. عدد بر مبنای فرمول محاسبه آن هم، همان چیزی است که همه میبینیم.
2- نام این شاخص، همانگونه که از آن برمیآید شاخص کل است. نه چیز بیشتری. موضوع این است که این شاخص، شاخص بازار نیست. شاخص رنگ و شدت رنگ بازار نیست. پس بهتر است ابزار قضاوت این بازار قرار نگیرد.
3- همیشه اینگونه نیست که شاخص کل جلوتر حرکت کند و بهتر جلوه کند. به عنوان مثال همین امروز شاخص میانه، یعنی عددی که نصف بازار از آن بزرگتر و نصف دیگر از آن کوچکتر هستند، عدد 0.27+ درصد بوده است. یعنی از شاخص کل که امروز 0.3- درصد بوده، بهتر و جلوتر بوده است. به عبارت ساده شاخص کل همیشه بیش براورد نیست، در برخی روزها نیز کمبراورد است.
4- عدد شاخص کل امروز یعنی 0.3-%، صدک Percentile رتبه 38 است. یعنی 38 درصد بازار از آن منفیتر و 62 درصد مثبتتر هستند. مثلاً یک الاکلنگ را نگاه کنید. شاخص کل در نقطه تعادل آن الاکلنگ قرار ندارد. البته این ایراد شاخص کل نیست. رابطه ریاضی آن به گونهای نوشته شده که در مرکز تعادل قرار نگیرد. از نظر تئوری شاخص کل هیچ وقت نمیتواند میانه Median بازار باشد، مگر اینکه به صورت تصادفی در یک روز خاص عدد شاخص کل برابر با میانه همان روز شود.
4-1- عدد شاخص هموزن امروز را هم ببینید. عدد 0.39+% است. یعنی در Percentile رتبه 57 قرار دارد. به بیان ساده 57 درصد بازار از آن عقبتتر و 43 درصد بازار از آن جلوتر هستند. پس حتی شاخص هموزن هم در نقطه تعادل قرار ندارد.
5- آن چیزی که در نقطه تعادل قرار دارد، خود عدد میانه یعنی Percentile رتبه 50 است. یعنی دقیقاً در وسط بازار ایستاده. نصف بازار از آن عقبتر و نصف دیگر بازار از آن جلوتر هستند. بسیار ساده هم محاسبه میشود و من در این نوشته، فرمول محاسبه آن را پیشنهاد داده بودم. خبر بهتر دربارهی شاخص میانه اینکه هر فردی خودش میتواند آن را برای هر روز محاسبه کند، با یک نرمافزار خیلی ساده.
اجازه دهید در ادامه این متن، چند نکته بیشتر بنویسم.
1- واضح است که من دربارهی رابطهی ریاضی و نحوه محاسبه شاخص کل ایرادی وارد نمیکنم. محاسبه آن کاملاً درست است. با دست و توسط فرد یا افرادی هم محاسبه نمیشود که بگوییم اشتباه است. عدد بر مبنای فرمول محاسبه آن هم، همان چیزی است که همه میبینیم.
2- نام این شاخص، همانگونه که از آن برمیآید شاخص کل است. نه چیز بیشتری. موضوع این است که این شاخص، شاخص بازار نیست. شاخص رنگ و شدت رنگ بازار نیست. پس بهتر است ابزار قضاوت این بازار قرار نگیرد.
3- همیشه اینگونه نیست که شاخص کل جلوتر حرکت کند و بهتر جلوه کند. به عنوان مثال همین امروز شاخص میانه، یعنی عددی که نصف بازار از آن بزرگتر و نصف دیگر از آن کوچکتر هستند، عدد 0.27+ درصد بوده است. یعنی از شاخص کل که امروز 0.3- درصد بوده، بهتر و جلوتر بوده است. به عبارت ساده شاخص کل همیشه بیش براورد نیست، در برخی روزها نیز کمبراورد است.
4- عدد شاخص کل امروز یعنی 0.3-%، صدک Percentile رتبه 38 است. یعنی 38 درصد بازار از آن منفیتر و 62 درصد مثبتتر هستند. مثلاً یک الاکلنگ را نگاه کنید. شاخص کل در نقطه تعادل آن الاکلنگ قرار ندارد. البته این ایراد شاخص کل نیست. رابطه ریاضی آن به گونهای نوشته شده که در مرکز تعادل قرار نگیرد. از نظر تئوری شاخص کل هیچ وقت نمیتواند میانه Median بازار باشد، مگر اینکه به صورت تصادفی در یک روز خاص عدد شاخص کل برابر با میانه همان روز شود.
4-1- عدد شاخص هموزن امروز را هم ببینید. عدد 0.39+% است. یعنی در Percentile رتبه 57 قرار دارد. به بیان ساده 57 درصد بازار از آن عقبتتر و 43 درصد بازار از آن جلوتر هستند. پس حتی شاخص هموزن هم در نقطه تعادل قرار ندارد.
5- آن چیزی که در نقطه تعادل قرار دارد، خود عدد میانه یعنی Percentile رتبه 50 است. یعنی دقیقاً در وسط بازار ایستاده. نصف بازار از آن عقبتر و نصف دیگر بازار از آن جلوتر هستند. بسیار ساده هم محاسبه میشود و من در این نوشته، فرمول محاسبه آن را پیشنهاد داده بودم. خبر بهتر دربارهی شاخص میانه اینکه هر فردی خودش میتواند آن را برای هر روز محاسبه کند، با یک نرمافزار خیلی ساده.
#اصلاح
به نظرم گرافهای Population Pyramid پا دارند و راه میروند، به ویژه اگر بر روی آنها Normal Curve هم قرار گیرند.
من قبلاً در متنهایی مانند این نوشته و این نوشته از یک انحراف در بازار نام بردم. به این بیان که احتمال سود در نمادی با P/E بزرگتر، بیشتر از نمادی با P/E کمتر است. به بیان ساده هر چقدر P/E بزرگتر باشد، احتمال سود بیشتر است.
با این حال به نظرم امروز باید بنویسم، این انحراف در حال اصلاح است. پاهای Population Pyramid نشان میدهد آینده از آن P/Eهای کوچک است و احتمال سود در آنها در مقایسه با P/E های بزرگ، در حال افزایش است.
به نظرم گرافهای Population Pyramid پا دارند و راه میروند، به ویژه اگر بر روی آنها Normal Curve هم قرار گیرند.
من قبلاً در متنهایی مانند این نوشته و این نوشته از یک انحراف در بازار نام بردم. به این بیان که احتمال سود در نمادی با P/E بزرگتر، بیشتر از نمادی با P/E کمتر است. به بیان ساده هر چقدر P/E بزرگتر باشد، احتمال سود بیشتر است.
با این حال به نظرم امروز باید بنویسم، این انحراف در حال اصلاح است. پاهای Population Pyramid نشان میدهد آینده از آن P/Eهای کوچک است و احتمال سود در آنها در مقایسه با P/E های بزرگ، در حال افزایش است.
مدرسه و سالهای راهنمایی، معلم هنری داشتیم به نام آقای آریانپور، بی نهایت دوست داشتنی و قابل احترام. با خاطرات بسیار نیکی که برای ما بچههای آن سالها، از خود به جای گذاشت.
فرزند او (داریوش آریانپور) اکنون استاد فوق ممتاز خوشنویسی ایران است و مدرس موسیقی سنتی ایرانی.
علاقمند بودید نمایشگاه خوشنویسی او و تابلوهای زیبایش را ببینید.
فرزند او (داریوش آریانپور) اکنون استاد فوق ممتاز خوشنویسی ایران است و مدرس موسیقی سنتی ایرانی.
علاقمند بودید نمایشگاه خوشنویسی او و تابلوهای زیبایش را ببینید.
همبستگی بین دلار کاغذی (دلار) و دلار دیجیتالی (تتر) یک رابطهی قوی، مثبت و معنادار است. البته که ما اینجا با یک رابطه 100 درصدی روبهرو نیستیم، انتظاری هم نداریم و نادر پدیدههایی در طبیعت میتوان پیدا کرد که ضریب همبستگی آنها دقیقاً برابر با یک r = 1 باشد. با این حال Correlation بین دلار و تتر قوی است و روند حرکتی آنها نه یکسان اما تقریباً مشابه است. اثبات این مطلب ساده است.
در بازار رمز ارزی مانند ایران که تتر را نمیتوان یک استیبل کوین به حساب آورد و خودش ارز دیجیتالی البته با بتای رگرسیونی مثبت در طول زمان است، یک رابطه تقریباً متوسط و البته وارون با ضریب همبستگی
-0.53 < r < -0.67
بین رمز ارزها و تتر برقرار است.
به این معنا که کاهش قیمت رمز ارزها در بازار بینالملل تا حدی سبب افزایش قیمت تتر در بازار ایران میشود. این مطلب در زمانهای افزایش قیمت رمز ارزها در بازار بینالملل (کاهش قیمت تتر در ایران) نیز برقرار است البته با همبستگی ضعیفتر.
اگر از من میپرسید، خب اینها یعنی چه؟ پاسخ میدهم یعنی اینکه در تعیین قیمت دلار کاغذی در ایران (در کنار سایر عوامل) یک کمیت پنهان Latent Variable وجود دارد. این کمیت پنهان همان قیمت رمز ارزها در بازار بینالملل است.
اگر بخواهم از اندازه
Proportion of Variance Explained
این کمیت پنهان حرف بزنم باید از اندازهای حدود 11.4% نام ببرم. این عدد یعنی اینکه حدود 11.4% قیمت دلار کاغذی در ایران به قیمت رمز ارزها در بازار بینالملل وابسته است که خب واضح است در اختیار سیستم داخلی ایران نیز نیست.
نکته دیگری که خوب است بگویم (همانگونه که بالاتر نیز نوشتم) این است که واریانس توضیح داده شدهی قیمت دلار توسط رمزارزها در بازار بینالملل، در تایمهای صعودی رمز ارزها، کاهش پیدا میکند و حدود 8.1% است.
بیان ساده این مطلب این است که عددی بین 8.1% تا 11.4% قیمت دلار در ایران را باید برای قیمت رمز ارزها در بازارهای بینالمللی درنظر گرفت.
این ارتباط نیز منفی و وارون است، به این معنا که کاهش قیمت رمز ارزها، سبب افزایش قیمت دلار کاغذی در ایران و افزایش قیمت رمزارزها، کاهش (کمتر از تاثیر افزایشی) قیمت دلار کاغذی در ایران را در پی دارد.
البته که این Latent Variable یک فاکتور است در کنار سایر عوامل اثرگزار بر قیمت دلار. به عنوان مثال چنانچه فرض کنیم دلار قیمتی حدود 38000 تومان دارد باید عددی بین 3080 تا 4200 تومان آن را برای روندهای قیمتی رمزارزها کنار گذاشت.
اینکه چرا این اتفاق افتاده است و قیمت BTCUSDT یا مثلاً ETHUSDT و بقیه آنها میتواند تا این حد بر روی قیمت تومانی دلار در ایران اثر بگذارد را باید در درگیر شدن بخش زیادی از جامعه ایرانی و پول ایرانی در صرافیهای داخلی و خارجی رمزارزها جستجو کرد.
در بازار رمز ارزی مانند ایران که تتر را نمیتوان یک استیبل کوین به حساب آورد و خودش ارز دیجیتالی البته با بتای رگرسیونی مثبت در طول زمان است، یک رابطه تقریباً متوسط و البته وارون با ضریب همبستگی
-0.53 < r < -0.67
بین رمز ارزها و تتر برقرار است.
به این معنا که کاهش قیمت رمز ارزها در بازار بینالملل تا حدی سبب افزایش قیمت تتر در بازار ایران میشود. این مطلب در زمانهای افزایش قیمت رمز ارزها در بازار بینالملل (کاهش قیمت تتر در ایران) نیز برقرار است البته با همبستگی ضعیفتر.
اگر از من میپرسید، خب اینها یعنی چه؟ پاسخ میدهم یعنی اینکه در تعیین قیمت دلار کاغذی در ایران (در کنار سایر عوامل) یک کمیت پنهان Latent Variable وجود دارد. این کمیت پنهان همان قیمت رمز ارزها در بازار بینالملل است.
اگر بخواهم از اندازه
Proportion of Variance Explained
این کمیت پنهان حرف بزنم باید از اندازهای حدود 11.4% نام ببرم. این عدد یعنی اینکه حدود 11.4% قیمت دلار کاغذی در ایران به قیمت رمز ارزها در بازار بینالملل وابسته است که خب واضح است در اختیار سیستم داخلی ایران نیز نیست.
نکته دیگری که خوب است بگویم (همانگونه که بالاتر نیز نوشتم) این است که واریانس توضیح داده شدهی قیمت دلار توسط رمزارزها در بازار بینالملل، در تایمهای صعودی رمز ارزها، کاهش پیدا میکند و حدود 8.1% است.
بیان ساده این مطلب این است که عددی بین 8.1% تا 11.4% قیمت دلار در ایران را باید برای قیمت رمز ارزها در بازارهای بینالمللی درنظر گرفت.
این ارتباط نیز منفی و وارون است، به این معنا که کاهش قیمت رمز ارزها، سبب افزایش قیمت دلار کاغذی در ایران و افزایش قیمت رمزارزها، کاهش (کمتر از تاثیر افزایشی) قیمت دلار کاغذی در ایران را در پی دارد.
البته که این Latent Variable یک فاکتور است در کنار سایر عوامل اثرگزار بر قیمت دلار. به عنوان مثال چنانچه فرض کنیم دلار قیمتی حدود 38000 تومان دارد باید عددی بین 3080 تا 4200 تومان آن را برای روندهای قیمتی رمزارزها کنار گذاشت.
اینکه چرا این اتفاق افتاده است و قیمت BTCUSDT یا مثلاً ETHUSDT و بقیه آنها میتواند تا این حد بر روی قیمت تومانی دلار در ایران اثر بگذارد را باید در درگیر شدن بخش زیادی از جامعه ایرانی و پول ایرانی در صرافیهای داخلی و خارجی رمزارزها جستجو کرد.
امروز مشاهده میکردم که سایت گراف پد GraphPad.ir با همکاری زرینپال، بر روی مجموعههای جدید و به روز شده زمستان، علاوه بر تخفیف 20%، امکان استرداد کامل وجه را نیز قرار داده است. علاقمند بودید این مجموعهها را ببینید.
مجموعه تحلیلهای آماری
https://graphpad.ir/statistics/
مجموعه Prism
https://graphpad.ir/prism-4u/
مجموعه SPSS
https://graphpad.ir/spss-book/
مجموعه تحلیلهای آماری
https://graphpad.ir/statistics/
مجموعه Prism
https://graphpad.ir/prism-4u/
مجموعه SPSS
https://graphpad.ir/spss-book/
#سبد
بیایید با هم یک سبد طراحی کنیم. از ریاضیات استفاده میکنیم.
فرض کنید ما Variableهای خود را (مثلا نمادهای بازار سرمایه) به صورت زیر بنویسیم.
X1, X2, X3, ….,Xn
هر کدام از X ها نیز به یک نماد تعلق دارد. حال رابطه رگرسیونی و تابع زیر را مینویسیم.
Y = B0 + B1X1 + B2X2 + ….+BnXn
در این رابطه، Y درصد سود و B ضریب رگرسیونی و اندازه اثر هر X (در اینجا نماد) بر روی Y است.
نکتهای که در اینجا وجود دارد این است که ما نمیتوانیم همه X ها را با هم داشته باشیم (مثلاً ما نمیتوانیم سبدی شامل 600 نماد داشته باشیم). از طرف دیگر برخی از این X ها با یکدیگر همخطی دارند و اصطلاحاً Multicollinearity هستند.
راهکاری که سالها است از آن استفاده میشود کم کردن تعداد X ها و کاهش بُعد آنها است. به این معنا که هر چند تعداد از X ها در یک
Principal Component (PC)
قرار میگیرند. این کار با استفاده از تحلیلی به نام
Principal Component Analysis (PSA)
انجام میشود.
بنابراین پس از انجام PCA اگر ما n تعداد از X ها داشتیم، اکنون به تعداد k تا PC داریم. یعنی
PC1, PC2, …., PCk
که در آن K < n است.
ایدهای که پس از ساختن و طراحی PC ها از روی X ها وجود دارد این است که ما به جای ایجاد مدل رگرسیونی بر روی X ها، یک مدل رگرسیونی بر روی PC ها بسازیم. یعنی رابطهی زیر برازش دهیم.
Y = C0 + C1PC1 + C2PC2 + ….+CkPCk
که در آن، Y همان درصد سود و C ضریب رگرسیونی و اندازه اثر هر PC (در اینجا یعنی Principal Component های ساخته شده از روی Xها) بر روی Y است.
موضوعی که وجود دارد این است که PCA نمیتواند این کار را برای ما انجام دهد. PCA فقط میتواند برای ما Principal Component یا همان PC بسازد و نمیتواند مدل رگرسیونی برازش دهد. پس چه کنیم؟
پاسخ این است که ما میتوانیم از ابزار و تحلیلی به نام
Partial Least Squares Regression
که به آن PLS گفته میشود، استفاده کنیم. PLS هم میتواند برای ما PC تشکیل دهد و هم بر روی PC ها مدل رگرسیونی برازش دهد.
ابزار دیگری که به نظرم از PLS هم بهتر است و نتایج دقیقتری در اختیار قرار میدهد
Principal Component Regression (PCR)
است. اینکه چرا PCR از PLS بهتر است را من در این لینک توضیح دادهام؛ علاقمند بودید مطالعه کنید.
اینها را نوشتم که بیان کنم طراحی یک سبد از دارایی، قابلیت این را دارد که فرمولبندی شود و بر مبنای تحلیلهایی مانند PLS و به ویژه PCR ما را به طراحی بهترین سبد دارایی برساند. امیدوارم از PCR در آینده بیشتر بشنوید و بخوانید.
بیایید با هم یک سبد طراحی کنیم. از ریاضیات استفاده میکنیم.
فرض کنید ما Variableهای خود را (مثلا نمادهای بازار سرمایه) به صورت زیر بنویسیم.
X1, X2, X3, ….,Xn
هر کدام از X ها نیز به یک نماد تعلق دارد. حال رابطه رگرسیونی و تابع زیر را مینویسیم.
Y = B0 + B1X1 + B2X2 + ….+BnXn
در این رابطه، Y درصد سود و B ضریب رگرسیونی و اندازه اثر هر X (در اینجا نماد) بر روی Y است.
نکتهای که در اینجا وجود دارد این است که ما نمیتوانیم همه X ها را با هم داشته باشیم (مثلاً ما نمیتوانیم سبدی شامل 600 نماد داشته باشیم). از طرف دیگر برخی از این X ها با یکدیگر همخطی دارند و اصطلاحاً Multicollinearity هستند.
راهکاری که سالها است از آن استفاده میشود کم کردن تعداد X ها و کاهش بُعد آنها است. به این معنا که هر چند تعداد از X ها در یک
Principal Component (PC)
قرار میگیرند. این کار با استفاده از تحلیلی به نام
Principal Component Analysis (PSA)
انجام میشود.
بنابراین پس از انجام PCA اگر ما n تعداد از X ها داشتیم، اکنون به تعداد k تا PC داریم. یعنی
PC1, PC2, …., PCk
که در آن K < n است.
ایدهای که پس از ساختن و طراحی PC ها از روی X ها وجود دارد این است که ما به جای ایجاد مدل رگرسیونی بر روی X ها، یک مدل رگرسیونی بر روی PC ها بسازیم. یعنی رابطهی زیر برازش دهیم.
Y = C0 + C1PC1 + C2PC2 + ….+CkPCk
که در آن، Y همان درصد سود و C ضریب رگرسیونی و اندازه اثر هر PC (در اینجا یعنی Principal Component های ساخته شده از روی Xها) بر روی Y است.
موضوعی که وجود دارد این است که PCA نمیتواند این کار را برای ما انجام دهد. PCA فقط میتواند برای ما Principal Component یا همان PC بسازد و نمیتواند مدل رگرسیونی برازش دهد. پس چه کنیم؟
پاسخ این است که ما میتوانیم از ابزار و تحلیلی به نام
Partial Least Squares Regression
که به آن PLS گفته میشود، استفاده کنیم. PLS هم میتواند برای ما PC تشکیل دهد و هم بر روی PC ها مدل رگرسیونی برازش دهد.
ابزار دیگری که به نظرم از PLS هم بهتر است و نتایج دقیقتری در اختیار قرار میدهد
Principal Component Regression (PCR)
است. اینکه چرا PCR از PLS بهتر است را من در این لینک توضیح دادهام؛ علاقمند بودید مطالعه کنید.
اینها را نوشتم که بیان کنم طراحی یک سبد از دارایی، قابلیت این را دارد که فرمولبندی شود و بر مبنای تحلیلهایی مانند PLS و به ویژه PCR ما را به طراحی بهترین سبد دارایی برساند. امیدوارم از PCR در آینده بیشتر بشنوید و بخوانید.
تحلیل
Principal Component Regression (PCR)
که به آن رگرسیون مولفههای اصلی گفته میشود، از ترکیب آنالیزهای
Principal Component Analysis (PCA)
و
Multiple Linear Regression (MLR)
ساخته میشود. در این نوشته میتوانید آموزش PCR را مشاهده کنید. به نظر من PCR از PLS نیز که مدتها است متداول شده بهتر است و نتایج دقیقتری دارد. در این نوشته میتوانید آموزش PLS را هم ببینید.
البته موضوع حرف من اینها نیست. در PCR موضوعی داریم با نام
Contribution of cases.
برای فهم آن اینگونه شروع میکنم که ما در مجموعه و ماتریسی از دادهها (هر نوع دادهای، فرقی ندارد) سطر و ستون داریم.
در ستونها Variable ها قرار میگیرند و در سطرها Case ها. ستونها شامل فاکتورها و شاخصها هستند و سطرها شامل افراد و موردها.
به عنوان مثال در ماتریس دادههای هر جامعه (باز هم فرقی ندارد هر جامعهای)، ستونها عوامل اصلی و مهم مانند فاکتورهای اقتصادی، سیاسی، اجتماعی، روانی، فرهنگی، مذهبی، سلامت، آموزش و .... همراه با زیرشاخصهای خود هستند و سطرها، همه افراد کوچک و بزرگ آن جامعه.
مثلاً ماتریس دادههای جامعه ایرانی شامل 71 ستون (فاکتورها و شاخصهای اصلی) و 84829055 سطر (به تعداد جمعیت ایران) است.
خب حال برگردیم سر همان بحث تحلیل
Principal Component Regression (PCR)
و موضوع
Contribution of cases
که من به اختصار از این به بعد به آن CoC میگویم.
سوال این است که CoC چیست؟
پاسخ میدهم، ابزاری است جهت رصد و مانیتور تاثیر هر کدام از سطرها در هر کدام از ستونها. مثلاً در همان ماتریس دادههای جامعه ایرانی، CoC ابزار تحلیلی است که میتواند اثر هر فرد از جامعه حدود 85 میلیونی را در هر کدام از شاخصهای ستونی 71 گانه بسنجد و ارزیابی کند.
به صورت تصادفی و پیشفرض عدد CoC برای هر فرد از تقسیم عدد یک بر تعداد کل جامعه به دست میآید. مثلاً من در یک شاخص اجتماعی ماتریس دادهها، اثر و عدد CoC برابر با 0.0000000117884 دارم. بله، بسیار بسیار کوچک است. همه به صورت پیشفرض همین طور هستند.
خب، حال تحلیل PCR و نتایج Contribution of cases آن چه کار و کمکی به ما میکنند؟
همانگونه که گفتم این ابزاری است جهت رصد هر سطر در هر ستون، یعنی بررسی هر فرد در هر شاخص.
اعداد خیلی بزرگ در CoC و همچنین خیلی کوچک، نشاندهنده بر هم خوردن تعادل و ثبات توسط آن فرد در آن مجموعه دادهها هستند. ربطی هم به جامعه ایرانی ندارد و در همه جوامع برقرار است.
اکنون میتوان درباره موضوع اصلی این نوشته صحبت کرد.
اگر سیستم حکمرانی در جامعه ایرانی نمیتواند و یا نمیخواهد (به هر دلیلی) شاخصها یعنی ستونها را بهبود ببخشد و توانایی و ابزارهای لازم جهت انجام این کار را (باز هم به هر دلیلی) ندارد، مثلا نمیتواند شاخص ستون شماره 49 یعنی شاخص سهولت کسب و کار EDB و یا شاخص ستون 55 یعنی شاخص نابرابری جنسیتی GII را بهبود ببخشد، پس سطرها و عدد CoC افراد برهم زننده تعادل دادهها را بهبود دهد.
یعنی به جای یک رفتار ستونی که توانایی آن را هم ندارد، سطری و Case به Case رفتار کند.
به عنوان مثال آنچه در این چند ماه بر فضای جامعه ایرانی رفت و همچنان میرود، علاوه بر اینکه حاصل عوامل 71 گانه ستونی بر حدود 85 میلیون سطر ماتریس دادهها بود، اثرگزاری CoC های خیلی بزرگ در بر هم خوردن تعادل را به خوبی نشان داد.
اولین این CoC ها مربوط به فردی به نام سپیده رشنو بود. عدد CoC او در اتوبوس BRT خیلی کوچک و مثل همه افراد دیگر جامعه بود. با این حال رفتار ناشیانه سیستم حکمرانی در بزرگ کردن CoC او یعنی پیدا کردنش، دستگیری، تعهد گرفتن، جلوی قاب تلویزیون آوردن و در کل رفتار محض و جانبدارانه حکمران از یک طرف دعوا در یک موضوع فاقد اهمیت، سبب بر هم خوردن ماتریس دادههای جامعه ایرانی شد.
آنچه که من میخواهم به اهمیت آن تاکید کنم همین CoC ها و اندازه تاثیر هر فرد (حتی یک نفر) در ماتریس دادهها هستند. سیستم حکمرانی ایران، باید از دستکاری و تحریک این CoC ها به شدت پرهیز کند.
این کاری است که سیستم حکمرانی فرانسه استاد آن است و سیستم حکومتی مانند انگلیس به طرز بسیار ماهرانهای به جای در نقطه مقابل قرار گرفتن با هر CoC به شدت بزرگ شده، با آن کاملاً همراه میشود و به درستی آن را از آن خود میکند.
جامعه ایرانی از گذشته (مشروطه و انقلاب 57) تا امروز به شدت و به سرعت تحت تاثیر این CoC ها قرار میگیرد.
سیستم حکمرانی ایران بهتر است فقط و فقط به بهبود ستونها فکر کند و اگر نمیتواند با CoC های بزرگ شده در آینده که هر آن امکان وقوع دارند، همراه شود، پس لازم است در نقطه مقابل آنها نیز قرار نگیرد.
#Survival
در همهی چارتهای مالی (چه مربوط به بازار سهام در هر کجای دنیا باشد و یا مربوط به ارزهای دیجیتال و یا جفت ارزها) یک چیز مشترک وجود دارد و آن محور X آنها است.
در محور X، زمان Time قرار دارد و کندلها و خطها در طول زمان ساخته میشوند.
در تحلیلهای آماری، روش و تکنیکی داریم با نام آنالیز بقا
Survival Analysis
تحلیل بقا ابزار و روشی است جهت بررسی و درک این مطلب که چگونه احتمال وقوع یک رویداد معین، با گذر زمان کم و یا زیاد میشود.
به این ترتیب ما در آنالیز بقا، با سه جز و کلمهی اساسی که تشکیل دهندهی این نوع از تحلیلهای آماری هستند، روبهرو هستیم.
این سه کلمه عبارتند از احتمال، رویداد و زمان.
شنیدن کلمهی احتمال ما را به یاد انواع مدلهای رگرسیونی مانند رگرسیون لجستیک باینری، رگرسیون پروبیت و یا رگرسیون چند جملهای میاندازد.
در آنالیز بقا نیز با مدلهای رگرسیونی مانند رگرسیون خطرات متناسب کاکس
Cox Proportional Hazards Regression
روبهرو هستیم. تحلیلهای کاپلان-مایر Kaplan-Meier نیز در این رده قرار میگیرند.
در تحلیلهای بقا، همانگونه که از نام آنها برمیآید، رویداد مورد علاقه و مورد بررسی در مطالعه، اغلب مرگ است، و بنابراین مدت زمانی که طول میکشد تا این رویداد رخ دهد، زمان بقا Survival Time نامیده میشود.
آنچه باعث می شود، من در این نوشته از آنالیز بقا نام ببرم، به چند دلیل است.
1- مشابهتسازی بین چارتهای مالی با Survival Analysis امکان پذیر است. در هر دو عامل X، تایم است و در هر دو به دنبال محاسبه و به دست آوردن احتمال رخدادن پیشامد مورد نظر خود هستیم.
2- تحلیلهای Survival کاملاً ساختارمند، منظم و فرمولبندی شده هستند. نرمافزارهای خوبی مانند IBM SPSS و GraphPad Prism به دقت آنها را انجام میدهند و دارای هلپ و راهنماهای گام به گام جهت یادگیری و آموزش هستند.
3- آنالیزهای آماری Survival اصولا برای مطالعات دارویی، سمشناسی و پزشکی به جهت حساسیت و دقت اندازهگیری و پیشبینی در این مطالعات، طراحی و استفاده میشوند. با اینحال قالب و تمپلیت ریاضی آنها به ما این امکان را میدهد که برای بازارهای مالی و سهام نیز به خوبی استفاده شوند.
علاقمند بودید ابتدا به یادگیری تئوریهای Survival Analysis و سپس کار با دادهها با استفاده از نرمافزار (در گام اول GraphPad Prism و سپس SPSS) بپردازید.
در همهی چارتهای مالی (چه مربوط به بازار سهام در هر کجای دنیا باشد و یا مربوط به ارزهای دیجیتال و یا جفت ارزها) یک چیز مشترک وجود دارد و آن محور X آنها است.
در محور X، زمان Time قرار دارد و کندلها و خطها در طول زمان ساخته میشوند.
در تحلیلهای آماری، روش و تکنیکی داریم با نام آنالیز بقا
Survival Analysis
تحلیل بقا ابزار و روشی است جهت بررسی و درک این مطلب که چگونه احتمال وقوع یک رویداد معین، با گذر زمان کم و یا زیاد میشود.
به این ترتیب ما در آنالیز بقا، با سه جز و کلمهی اساسی که تشکیل دهندهی این نوع از تحلیلهای آماری هستند، روبهرو هستیم.
این سه کلمه عبارتند از احتمال، رویداد و زمان.
شنیدن کلمهی احتمال ما را به یاد انواع مدلهای رگرسیونی مانند رگرسیون لجستیک باینری، رگرسیون پروبیت و یا رگرسیون چند جملهای میاندازد.
در آنالیز بقا نیز با مدلهای رگرسیونی مانند رگرسیون خطرات متناسب کاکس
Cox Proportional Hazards Regression
روبهرو هستیم. تحلیلهای کاپلان-مایر Kaplan-Meier نیز در این رده قرار میگیرند.
در تحلیلهای بقا، همانگونه که از نام آنها برمیآید، رویداد مورد علاقه و مورد بررسی در مطالعه، اغلب مرگ است، و بنابراین مدت زمانی که طول میکشد تا این رویداد رخ دهد، زمان بقا Survival Time نامیده میشود.
آنچه باعث می شود، من در این نوشته از آنالیز بقا نام ببرم، به چند دلیل است.
1- مشابهتسازی بین چارتهای مالی با Survival Analysis امکان پذیر است. در هر دو عامل X، تایم است و در هر دو به دنبال محاسبه و به دست آوردن احتمال رخدادن پیشامد مورد نظر خود هستیم.
2- تحلیلهای Survival کاملاً ساختارمند، منظم و فرمولبندی شده هستند. نرمافزارهای خوبی مانند IBM SPSS و GraphPad Prism به دقت آنها را انجام میدهند و دارای هلپ و راهنماهای گام به گام جهت یادگیری و آموزش هستند.
3- آنالیزهای آماری Survival اصولا برای مطالعات دارویی، سمشناسی و پزشکی به جهت حساسیت و دقت اندازهگیری و پیشبینی در این مطالعات، طراحی و استفاده میشوند. با اینحال قالب و تمپلیت ریاضی آنها به ما این امکان را میدهد که برای بازارهای مالی و سهام نیز به خوبی استفاده شوند.
علاقمند بودید ابتدا به یادگیری تئوریهای Survival Analysis و سپس کار با دادهها با استفاده از نرمافزار (در گام اول GraphPad Prism و سپس SPSS) بپردازید.
امروز بعدازظهر که مانند همهی زمانهایی که از دست ریاضیات و آمار (و این روزها از دست کاپلان مایر Kaplan-Meier) خسته میشوم و به داستان و رمان پناه میبرم، رمانی میخواندم از نادر ابراهیمی که نوشتههای او را به اندازه محمود دولت آبادی و جلال آل احمد دوست دارم. در جایی از کتاب که در سال ۱۳۵۲ نوشته شده است، قهرمان داستان چنین میگوید
ما بدون زنان خوب، فقط مردان کوچکیم.
ما بدون زنان خوب، فقط مردان کوچکیم.
#آمار_فازی
اجازه دهید از اینجا شروع کنم که منطق کلاسیک هر چیزي را بر اساس یـک سیستم دوتایی نشان میدهد. (مثبت یا منفی، درست یا غلط، سفید یا سیاه، شکست یا پیروزی، بیمار یا سالم)
ولی منطق فازي درستی هر چیزي را با یک عدد که مقـدار آن بین صفر و یک است نشان میدهد. به تفاوت بین تعریف منطق کلاسیک و فازی دقت کنید. منطق کلاسیک همه چیز را صفر و یک میبیند یعنی یک عدد گسسته و منطق فازی هر چیزی را بین صفر و یک میبیند یعنی عددی پیوسته.
مثلاً اگر رنگ سیاه را با عدد صفر و رنگ سفید را با عدد 1 نشان دهیم، آنگاه رنـگ خاکسـتري عددي نزدیک به صفر خواهد بود.
در منطق کلاسیک یا ارسطویی، یـک دسـتهبنـدي درست و نادرست از هر چیزی وجود دارد. همهی گزارهها درست یا نادرستاند. اما در منطق فازي، گـزارههـا مقـداري درسـت و مقـداري نادرسـتاند.
جالب توجه است که بدانیم نظریهی سیستمهاي فازي در سال ۱۹۶۵ توسط یک ایرانی به نام لطفی علی عسکرزاده اردبیلی زاده (۴ فوریه ۱۹۲۱ – ۶ سپتامبر ۲۰۱۷) معرفی شد. منطق فازي، بیان میکند کـه ابهام در ماهیت علم است. (این جمله بسیار دقیق است، یکبار دیگر آن را بخوانید)
نظریه سیستمهای فازی معتقد است که باید به دنبال ساختن مدلهایی بود کـه ابهـام را بـه منزلهی بخشـی از سیسـتم پذیرفت.
برخلاف سایر مدلها که معتقدند باید تقریبها را دقیقتر کرد تا پیشبینیها با دقت بیشتری انجام شود.
خب، این مقدمه تقریباً طولانی را گفتم که توجه شما را به شاخهای از آمار با نام آمار فازی و به ویژه رگرسیون فازی جلب کنم. رگرسیون فازی تقریباً در نقطه مقابل رگرسیون کلاسیک قرار گرفته است.
اکثر مطالعات پیشرفته پیشبینی قیمت سهام، یا هر چیز دیگری که در طول زمان حرکت میکند و کم یا زیاد میشود، در روشهای کلاسیکی، چون ARIMA و یا SARIMA قرار میگیرند. (خودم هم فکر نمیکردم به روشهای سری زمانی که در اوایل دهه ۱۳۸۰ از بهترین روشهای پیشبینی بود، امروز روشهای کلاسیک و قدیمی بگوییم. پیشرفت علم تحلیل دادهها در این 20 سال خیرهکننده بوده است)
مدتها است روشهایی، چون شبکههای عصبی نیز برای پیشبینی قیمت سهام تعریف شده و استفاده میشوند.
با این حال اگر میخواهید یک گام جلوتر باشید روشهای رگرسیون فازی
Fuzzy Regression Analysis
در پیشبینی قیمت را مطالعه کنید.
اجازه دهید از اینجا شروع کنم که منطق کلاسیک هر چیزي را بر اساس یـک سیستم دوتایی نشان میدهد. (مثبت یا منفی، درست یا غلط، سفید یا سیاه، شکست یا پیروزی، بیمار یا سالم)
ولی منطق فازي درستی هر چیزي را با یک عدد که مقـدار آن بین صفر و یک است نشان میدهد. به تفاوت بین تعریف منطق کلاسیک و فازی دقت کنید. منطق کلاسیک همه چیز را صفر و یک میبیند یعنی یک عدد گسسته و منطق فازی هر چیزی را بین صفر و یک میبیند یعنی عددی پیوسته.
مثلاً اگر رنگ سیاه را با عدد صفر و رنگ سفید را با عدد 1 نشان دهیم، آنگاه رنـگ خاکسـتري عددي نزدیک به صفر خواهد بود.
در منطق کلاسیک یا ارسطویی، یـک دسـتهبنـدي درست و نادرست از هر چیزی وجود دارد. همهی گزارهها درست یا نادرستاند. اما در منطق فازي، گـزارههـا مقـداري درسـت و مقـداري نادرسـتاند.
جالب توجه است که بدانیم نظریهی سیستمهاي فازي در سال ۱۹۶۵ توسط یک ایرانی به نام لطفی علی عسکرزاده اردبیلی زاده (۴ فوریه ۱۹۲۱ – ۶ سپتامبر ۲۰۱۷) معرفی شد. منطق فازي، بیان میکند کـه ابهام در ماهیت علم است. (این جمله بسیار دقیق است، یکبار دیگر آن را بخوانید)
نظریه سیستمهای فازی معتقد است که باید به دنبال ساختن مدلهایی بود کـه ابهـام را بـه منزلهی بخشـی از سیسـتم پذیرفت.
برخلاف سایر مدلها که معتقدند باید تقریبها را دقیقتر کرد تا پیشبینیها با دقت بیشتری انجام شود.
خب، این مقدمه تقریباً طولانی را گفتم که توجه شما را به شاخهای از آمار با نام آمار فازی و به ویژه رگرسیون فازی جلب کنم. رگرسیون فازی تقریباً در نقطه مقابل رگرسیون کلاسیک قرار گرفته است.
اکثر مطالعات پیشرفته پیشبینی قیمت سهام، یا هر چیز دیگری که در طول زمان حرکت میکند و کم یا زیاد میشود، در روشهای کلاسیکی، چون ARIMA و یا SARIMA قرار میگیرند. (خودم هم فکر نمیکردم به روشهای سری زمانی که در اوایل دهه ۱۳۸۰ از بهترین روشهای پیشبینی بود، امروز روشهای کلاسیک و قدیمی بگوییم. پیشرفت علم تحلیل دادهها در این 20 سال خیرهکننده بوده است)
مدتها است روشهایی، چون شبکههای عصبی نیز برای پیشبینی قیمت سهام تعریف شده و استفاده میشوند.
با این حال اگر میخواهید یک گام جلوتر باشید روشهای رگرسیون فازی
Fuzzy Regression Analysis
در پیشبینی قیمت را مطالعه کنید.
#تلگرام
چند روز پیش دادههای یک مطالعه (انجام شده در استانهای سمنان و گلستان) برایم ارسال شده بود، به نظرم جالب بود. بخشهایی از آن را برایتان مینویسم.
محقق در این مطالعه 577 نفر را بررسی کرده بود که در بازار سرمایه و بورس فعال هستند. مطالعه نیز در بازه زمانی ابتدای پاییز تا ابتدای زمستان امسال انجام شده بود.
جهت بررسی نتایج از یک مدل رگرسیون لجستیک باینری
Binary Logistic Regression (BLR)
استفاده شد. جالب توجه بود که Odds Ratio مطالعه بیشتر از یک و برابر با OR = 1.47 به دست آمد.
یعنی احتمال به دست آوردن سود برای فردی که اپلیکیشن تلگرام ندارد 1.47 برابر بیشتر از فردی است که تلگرام دارد.
یک موضوع اساسی در هر مطالعه مقایسهای (مانند این مطالعه) این است که کمیتهای اصطلاحاً مخدوش کننده، Adjust شوند. یعنی مثلاً سن، جنسیت، درآمد، تحصیلات، شغل میزان فعالیت در بازار سرمایه، و .... در هر گروه با هم همانند باشد که البته در این مطالعه رعایت شده بود.
مطالعه گروه سومی هم داشت، افرادی که تلگرام دارند اما در هیچ گروه یا کانال بورسی عضو نیستند.
در اینجا از مدل رگرسیون لجستیک چندجملهای
Multinomial Logistic Regression
استفاده شد. Odds Ratio این گروه، تقریباً همانند گروه بدون تلگرام (OR = 0.95) و بیشتر از گروه افرادی بود که در کانالها و گروههای بورسی تلگرام عضو هستند (OR = 1.39).
به معنای این که احتمال سود در افراد دارای تلگرام (بدون عضویت در کانال و گروه) کمی کمتر و تقریباً مشابه با افراد بدون اپلیکیشن تلگرام و 1.39 برابر بیشتر از افراد دارای تلگرام (عضویت در کانالها و گروههای بورسی)، به دست آمده است.
در تصویر زیر هیستوگرام همراه با منحنی نرمال Normal Curve هر گروه را که با نرمافزار تحلیل آماری Minitab به دست آمده، مشاهده میکنید.
https://astat.ir/wp-content/uploads/2023/01/Histogram-of-Telegram-GraphPad.ir_.png
چند روز پیش دادههای یک مطالعه (انجام شده در استانهای سمنان و گلستان) برایم ارسال شده بود، به نظرم جالب بود. بخشهایی از آن را برایتان مینویسم.
محقق در این مطالعه 577 نفر را بررسی کرده بود که در بازار سرمایه و بورس فعال هستند. مطالعه نیز در بازه زمانی ابتدای پاییز تا ابتدای زمستان امسال انجام شده بود.
جهت بررسی نتایج از یک مدل رگرسیون لجستیک باینری
Binary Logistic Regression (BLR)
استفاده شد. جالب توجه بود که Odds Ratio مطالعه بیشتر از یک و برابر با OR = 1.47 به دست آمد.
یعنی احتمال به دست آوردن سود برای فردی که اپلیکیشن تلگرام ندارد 1.47 برابر بیشتر از فردی است که تلگرام دارد.
یک موضوع اساسی در هر مطالعه مقایسهای (مانند این مطالعه) این است که کمیتهای اصطلاحاً مخدوش کننده، Adjust شوند. یعنی مثلاً سن، جنسیت، درآمد، تحصیلات، شغل میزان فعالیت در بازار سرمایه، و .... در هر گروه با هم همانند باشد که البته در این مطالعه رعایت شده بود.
مطالعه گروه سومی هم داشت، افرادی که تلگرام دارند اما در هیچ گروه یا کانال بورسی عضو نیستند.
در اینجا از مدل رگرسیون لجستیک چندجملهای
Multinomial Logistic Regression
استفاده شد. Odds Ratio این گروه، تقریباً همانند گروه بدون تلگرام (OR = 0.95) و بیشتر از گروه افرادی بود که در کانالها و گروههای بورسی تلگرام عضو هستند (OR = 1.39).
به معنای این که احتمال سود در افراد دارای تلگرام (بدون عضویت در کانال و گروه) کمی کمتر و تقریباً مشابه با افراد بدون اپلیکیشن تلگرام و 1.39 برابر بیشتر از افراد دارای تلگرام (عضویت در کانالها و گروههای بورسی)، به دست آمده است.
در تصویر زیر هیستوگرام همراه با منحنی نرمال Normal Curve هر گروه را که با نرمافزار تحلیل آماری Minitab به دست آمده، مشاهده میکنید.
https://astat.ir/wp-content/uploads/2023/01/Histogram-of-Telegram-GraphPad.ir_.png
معمولاً عادت کردهایم و در اغلب کتابهای درسی آماری نیز چنین نوشته شده است، هنگامی که میخواهیم به مقایسه بین دو چیز (هر چیزی که قابل اندازهگیری است) بپردازیم، از آزمونهای پارامتری T Test و یا معادل ناپارامتری آنها مانند من-ویتنی یا ویلکاکسون استفاده کنیم.
اگر هم تعداد چیزهایی که میخواهیم با هم مقایسه کنیم بیشتر از دو تا است (مثلاً سه تا و بیشتر) از آزمونهای آنالیز واریانس و یا کوواریانس یعنی انواع General Linear Model (GLM) ها استفاده کنیم.
این یک مطلب پذیرفته شده در همه جای دنیا است که خب همانگونه که گفتم در کتابهای درسی نیز چنین نوشته شده و سالیان سال بیان و تدریس میشود.
مدتی پیش من اثبات کرده بودم که حتی اگر میخواهیم دو چیز را با هم مقایسه کنیم، استفاده از آزمونهای GLM نتایج یکسانی با استفاده از T Test میدهد. بنابراین با توجه به اینکه GLM ها دقیقتر و نتایج بیشتری نسبت به T Test میدهند، خوب است کاملاً T Test ها از بین رفته و جایگزین آنها GLM ها شوند.
البته که اثبات من با مثال نبود (با مثال که نمیتوان هیچ فرضیه یا قانونی را ثابت کرد) بلکه بر مبنای روابط ریاضی و فرمولهای آمارههای آن به دست آمده بود.
حدود پنج روز قبل تاپیکی در ریسرچ گیت با همین موضوع مطرح شده بود. لینک آن را در زیر ببینید.
https://www.researchgate.net/post/When_using_SPSS_is_there_a_difference_between_the_GLM-univariate_t_test_analysis_and_the_compare_means-independent_sample_t_test
طراح تاپیک و سوال کننده Jeanine Blumenau از دانشگاه Witwatersrand، است.
پاسخ دهندگان و ریکامند کنندگان Bruce Weaver (یک استاد تمام آمار در دنیا با بیش از 8200 سایتیشن و مقاله استناد شده به او) از دانشگاه Lakehead کانادا،
دیگری Christian Geiser از آمریکا (سایت او را در اینجا ببینید، او از بهترین آماریهای آمریکا و از متخصصان نرمافزار آماری Mplus در دنیا است)
همچنین David Eugene Booth از دانشگاه Kent State University آمریکا با بیش از 2600 مقاله استناد شده به او)
پاسخ دهنده دیگر در این تاپیک، Jos Feys از دانشگاه KU Leuven بلژیک با سایتیشن بیش از 440 مقاله استناد شده به او است.
در بین پاسخ دهندگان که در بالا نام بردم یک ایرانی (من) هم قرار دارد.
بهترین پاسخ و به قول ریسرچ گیت Best Answer این تاپیک در بین همه این عنواندارهای جهانی که به شما گفتم، همان فرد ایرانی قرار گرفته است. پاسخ و اثبات او چه بوده را در ابتدای این پست نوشتم.
خب، حال این پست را نوشتم که چه بگویم؟ تعریف و تمجید آن فرد ایرانی را بگویم؟ البته که اینگونه هم بوده هست.
منتهی اصل حرف من این نیست، بلکه میخواهم بگویم امروزه حتی قوانین و تئوریهایی که سالهای سال در علوم پایهای مانند آمار و ریاضی در کتابها و در همهی دنیا تدریس میشوند و به کار میروند، دانه دانه در حال بازنگری، اصلاح و بهبود هستند.
بنابراین حتماً قوانین اجتماعی، رفتاری، اقتصادی و بسیاری چیزهای دیگر که به انسان و جامعه به روز شده، مربوط است، در اولویت بیشتر و بالاتری برای اصلاح، بازنگری و بهبود قرار دارند.
اگر هم تعداد چیزهایی که میخواهیم با هم مقایسه کنیم بیشتر از دو تا است (مثلاً سه تا و بیشتر) از آزمونهای آنالیز واریانس و یا کوواریانس یعنی انواع General Linear Model (GLM) ها استفاده کنیم.
این یک مطلب پذیرفته شده در همه جای دنیا است که خب همانگونه که گفتم در کتابهای درسی نیز چنین نوشته شده و سالیان سال بیان و تدریس میشود.
مدتی پیش من اثبات کرده بودم که حتی اگر میخواهیم دو چیز را با هم مقایسه کنیم، استفاده از آزمونهای GLM نتایج یکسانی با استفاده از T Test میدهد. بنابراین با توجه به اینکه GLM ها دقیقتر و نتایج بیشتری نسبت به T Test میدهند، خوب است کاملاً T Test ها از بین رفته و جایگزین آنها GLM ها شوند.
البته که اثبات من با مثال نبود (با مثال که نمیتوان هیچ فرضیه یا قانونی را ثابت کرد) بلکه بر مبنای روابط ریاضی و فرمولهای آمارههای آن به دست آمده بود.
حدود پنج روز قبل تاپیکی در ریسرچ گیت با همین موضوع مطرح شده بود. لینک آن را در زیر ببینید.
https://www.researchgate.net/post/When_using_SPSS_is_there_a_difference_between_the_GLM-univariate_t_test_analysis_and_the_compare_means-independent_sample_t_test
طراح تاپیک و سوال کننده Jeanine Blumenau از دانشگاه Witwatersrand، است.
پاسخ دهندگان و ریکامند کنندگان Bruce Weaver (یک استاد تمام آمار در دنیا با بیش از 8200 سایتیشن و مقاله استناد شده به او) از دانشگاه Lakehead کانادا،
دیگری Christian Geiser از آمریکا (سایت او را در اینجا ببینید، او از بهترین آماریهای آمریکا و از متخصصان نرمافزار آماری Mplus در دنیا است)
همچنین David Eugene Booth از دانشگاه Kent State University آمریکا با بیش از 2600 مقاله استناد شده به او)
پاسخ دهنده دیگر در این تاپیک، Jos Feys از دانشگاه KU Leuven بلژیک با سایتیشن بیش از 440 مقاله استناد شده به او است.
در بین پاسخ دهندگان که در بالا نام بردم یک ایرانی (من) هم قرار دارد.
بهترین پاسخ و به قول ریسرچ گیت Best Answer این تاپیک در بین همه این عنواندارهای جهانی که به شما گفتم، همان فرد ایرانی قرار گرفته است. پاسخ و اثبات او چه بوده را در ابتدای این پست نوشتم.
خب، حال این پست را نوشتم که چه بگویم؟ تعریف و تمجید آن فرد ایرانی را بگویم؟ البته که اینگونه هم بوده هست.
منتهی اصل حرف من این نیست، بلکه میخواهم بگویم امروزه حتی قوانین و تئوریهایی که سالهای سال در علوم پایهای مانند آمار و ریاضی در کتابها و در همهی دنیا تدریس میشوند و به کار میروند، دانه دانه در حال بازنگری، اصلاح و بهبود هستند.
بنابراین حتماً قوانین اجتماعی، رفتاری، اقتصادی و بسیاری چیزهای دیگر که به انسان و جامعه به روز شده، مربوط است، در اولویت بیشتر و بالاتری برای اصلاح، بازنگری و بهبود قرار دارند.
روز گذشته مجله
Drug Combination Therapy (ISSN 2624-3075)
که وابسته به انتشارات
Talent of Magical Research
در نیوزلند است، متنی جهت همکاری و ارسال مقاله در شماره آینده ژورنال، برایم فرستاده بود.
صرفنظر از متن او که تصویر آن را برایتان ارسال کردهام، به نظرم فرصت خوبی برای پژوهشگران و محققان علاقمند به موضوعات
Combination of Herbs and Chemicals, Combination of Herbs, Combination of Chemicals, Network Pharmacology , Combination Therapies of Infectious Diseases
است که مقالات و مطالعات خود را در آنجا چاپ و منتشر کنند.
در لینک زیر سایت ژورنال و ایمیل آنها را مشاهده میکنید.
https://www.tmrjournals.com/dct/
psmr@tmrjournals.com
Drug Combination Therapy (ISSN 2624-3075)
که وابسته به انتشارات
Talent of Magical Research
در نیوزلند است، متنی جهت همکاری و ارسال مقاله در شماره آینده ژورنال، برایم فرستاده بود.
صرفنظر از متن او که تصویر آن را برایتان ارسال کردهام، به نظرم فرصت خوبی برای پژوهشگران و محققان علاقمند به موضوعات
Combination of Herbs and Chemicals, Combination of Herbs, Combination of Chemicals, Network Pharmacology , Combination Therapies of Infectious Diseases
است که مقالات و مطالعات خود را در آنجا چاپ و منتشر کنند.
در لینک زیر سایت ژورنال و ایمیل آنها را مشاهده میکنید.
https://www.tmrjournals.com/dct/
psmr@tmrjournals.com
#همکاری
من در جلسه شماره 396 شورای رقایت حضور داشتم. موضوع جلسه که با حضور رئیس و اعضای جلسه برگزار شد یک مبحث آماری و به حدنصاب جمعیتی به ویژه در شهرهای محروم و کم برخوردار مربوط میشد.
علاقمند بودید در سایت شورای رقابت میتوانید موارد مورد بررسی در جلسه شماره 396 و اسامی اعضای شرکت کننده را مشاهده کنید.
از این موضوع بگذریم و میخواهم توجه شما را به یک نکته دیگر جلب کنم.
در همه جلسات شورای رقابت و در هر موضوعی، نماینده خود سازمان، وزارتخانه و دستگاهی که موضوع جلسه است نیز شرکت دارد. یعنی اینگونه نیست که اعضای شورای رقابت بنشینند و خودشان با خودشان تصمیمی بگیرند و رسانهای کنند.
به عنوان مثال در همین موضوع اخیر خودرو، علاوه بر اعضای شورای رقابت، نمایندگان وزارت صمت، خودروسازها و سایر ذینفعان نیز حضور داشته و دارند. تصمیمی هم که گرفته شده (در همه مصوبات شورای رقابت همینگونه است) با حضور همین ذینفعان نوشته و اقدام میشود.
البته نه من سر و کاری با شورای رقابت دارم و نه آنها را تایید و یا رد میکنم. موضوع این نیست.
موضوع این است آن شش صفحهای که به عنوان مصوبه شورای رقابت در موضوع خودرو، رسانهای شده تصمیم صرف خود شورای رقابت نبوده و تصمیم خودروسازها و از آن مهمتر وزارت صمت نیز هست.
بنابراین خیلی ساده بنویسم فریب این شلوغ بازیها و سیاهکاریهای رسانهای که قبول نداریم و شکایت میکنیم و مصوبه را اجرا نمیکنیم، را نخورید. خود آنها در نوشتن این مصوبه همکاری و نقش داشتهاند.
من در جلسه شماره 396 شورای رقایت حضور داشتم. موضوع جلسه که با حضور رئیس و اعضای جلسه برگزار شد یک مبحث آماری و به حدنصاب جمعیتی به ویژه در شهرهای محروم و کم برخوردار مربوط میشد.
علاقمند بودید در سایت شورای رقابت میتوانید موارد مورد بررسی در جلسه شماره 396 و اسامی اعضای شرکت کننده را مشاهده کنید.
از این موضوع بگذریم و میخواهم توجه شما را به یک نکته دیگر جلب کنم.
در همه جلسات شورای رقابت و در هر موضوعی، نماینده خود سازمان، وزارتخانه و دستگاهی که موضوع جلسه است نیز شرکت دارد. یعنی اینگونه نیست که اعضای شورای رقابت بنشینند و خودشان با خودشان تصمیمی بگیرند و رسانهای کنند.
به عنوان مثال در همین موضوع اخیر خودرو، علاوه بر اعضای شورای رقابت، نمایندگان وزارت صمت، خودروسازها و سایر ذینفعان نیز حضور داشته و دارند. تصمیمی هم که گرفته شده (در همه مصوبات شورای رقابت همینگونه است) با حضور همین ذینفعان نوشته و اقدام میشود.
البته نه من سر و کاری با شورای رقابت دارم و نه آنها را تایید و یا رد میکنم. موضوع این نیست.
موضوع این است آن شش صفحهای که به عنوان مصوبه شورای رقابت در موضوع خودرو، رسانهای شده تصمیم صرف خود شورای رقابت نبوده و تصمیم خودروسازها و از آن مهمتر وزارت صمت نیز هست.
بنابراین خیلی ساده بنویسم فریب این شلوغ بازیها و سیاهکاریهای رسانهای که قبول نداریم و شکایت میکنیم و مصوبه را اجرا نمیکنیم، را نخورید. خود آنها در نوشتن این مصوبه همکاری و نقش داشتهاند.
یکی از پرتکرارترین سوالاتی که از من میشود این است که یک ایده مطالعاتی بدهید که روی آن کار کنیم.
مثلاً پایاننامه، مقاله و یا یک طرح تحقیقاتی بر مبنای آن بنویسیم.
پاسخی که من میتوانم به این موضوع بدهم و تا آنجا که میدانم هنوز به عنوان یک موضوع حل نشده در تحلیلهای آماری مطرح است، به دست آوردن فاصله اطمینان برای میانه بقا
Confidence Interval for Median Survival
است.
میانه بقا Median Survival که از جمله موضوعات مطرح در آنالیز بقا است، بیانگر نقطه زمانی است که در آن احتمال بقا برابر با 50 درصد میشود.
اینکه آنالیز بقا Survival Analysis چیست را هم میتوانید در این نوشته ببینید. البته در این زمینه کتابها و مطالب زیادی وجود دارد که علاقمند بودید مطالعه کنید.
دربارهی محاسبه خود میانه بقا، مشکلی وجود ندارد و روشهای استاندارد زیادی در این زمینه کشف شده است.
اما آن چیزی که هنوز حل نشده است، محاسبه فاصله اطمینان برای میانه بقا است. البته در این زمینه سه مطالعه انجام شده است. من اسامی آنها را برایتان نوشتهام.
1- One method is in Collett starting at page 35.
2- Brookmeer and Crowley , A confidence interval for the median survival time. Biometrics (1982) vol. 38 (1) pp. 29-41
3- Barker reviews several methods and points out how different their results can be. The Mean, Median, and Confidence Intervals of the Kaplan-Meier Survival Estimate—Computations and Applications. The American Statistician (2009) vol. 63 (1) pp. 78-80
منتهی نکتهای که وجود دارد این است که هیچکدام از این سه روش استاندارد نیست، نتایج آنها با هم کاملاً متفاوت است و نرمافزارهای تحلیل آماری هیچکدام را به عنوان یک کار مناسب، قبول ندارند.
به هر حال این متن را نوشتم که چنانچه به مطالعات آماری علاقمند هستید و میخواهید یک کار در سطح بالای بینالمللی انجام دهید، ابتدا به یادگیری و کار در زمینه آنالیز بقا، سپس میانه بقا و در مرحلهی بعد یافتن فاصله اطمینان برای میانه بقا، بپردازید.
مثلاً پایاننامه، مقاله و یا یک طرح تحقیقاتی بر مبنای آن بنویسیم.
پاسخی که من میتوانم به این موضوع بدهم و تا آنجا که میدانم هنوز به عنوان یک موضوع حل نشده در تحلیلهای آماری مطرح است، به دست آوردن فاصله اطمینان برای میانه بقا
Confidence Interval for Median Survival
است.
میانه بقا Median Survival که از جمله موضوعات مطرح در آنالیز بقا است، بیانگر نقطه زمانی است که در آن احتمال بقا برابر با 50 درصد میشود.
اینکه آنالیز بقا Survival Analysis چیست را هم میتوانید در این نوشته ببینید. البته در این زمینه کتابها و مطالب زیادی وجود دارد که علاقمند بودید مطالعه کنید.
دربارهی محاسبه خود میانه بقا، مشکلی وجود ندارد و روشهای استاندارد زیادی در این زمینه کشف شده است.
اما آن چیزی که هنوز حل نشده است، محاسبه فاصله اطمینان برای میانه بقا است. البته در این زمینه سه مطالعه انجام شده است. من اسامی آنها را برایتان نوشتهام.
1- One method is in Collett starting at page 35.
2- Brookmeer and Crowley , A confidence interval for the median survival time. Biometrics (1982) vol. 38 (1) pp. 29-41
3- Barker reviews several methods and points out how different their results can be. The Mean, Median, and Confidence Intervals of the Kaplan-Meier Survival Estimate—Computations and Applications. The American Statistician (2009) vol. 63 (1) pp. 78-80
منتهی نکتهای که وجود دارد این است که هیچکدام از این سه روش استاندارد نیست، نتایج آنها با هم کاملاً متفاوت است و نرمافزارهای تحلیل آماری هیچکدام را به عنوان یک کار مناسب، قبول ندارند.
به هر حال این متن را نوشتم که چنانچه به مطالعات آماری علاقمند هستید و میخواهید یک کار در سطح بالای بینالمللی انجام دهید، ابتدا به یادگیری و کار در زمینه آنالیز بقا، سپس میانه بقا و در مرحلهی بعد یافتن فاصله اطمینان برای میانه بقا، بپردازید.
من در این کانال بارها از مفهومی به اسم Combination Index (CI) حرف زدم. در روزهایی که از این مفهوم مینوشتم، گفتم که عدد این شاخص بالاست و نشان میدهد روندی که در بازار (همان روزها) رخ میدهد، مربوط به کاربران انسانی و یا حقیقیها نیست.
با این حال امروز میخواهم به موضوع دیگری اشاره کنم. اندازه CI از حدود ابتدای آبان شروع به کاهش کرده است. به زبان ساده یعنی الگوریتمها، رباتها و ارکان برهم زننده بازار، فعالیت خود را به شدت کاهش دادند. نتیجه هم این شد که با یک بازار صعودی از همان ابتدای آبان تا تقریباً انتهای دیماه روبهرو بودیم.
اما از ابتدای بهمن تا همین روزها با یک بازار نزولی روبهرو هستیم. سوال این است که وضعیت CI در این حدود یکماه چگونه بوده است؟ آیا باز هم عدد CI افزایش پیدا کرده که روند بازار نزولی شده؟
باید بگویم پاسخ این سوالات منفی است. بازار برای معدود دفعات نزولی شده اما CI بالا نرفته است. این مطلب به معنای آن است که روند ریزشی رخ داده از طرف کاربران غیرانسانی، ارکان بازار و حقوقیهای بزرگ رخ نداده است.
به عبارت دیگر بازار در یک روند صعودی قرار گرفته بود. سیستمی هم مانع آن نبود (بزرگ نبودن عدد CI این را نشان میدهد) اما چرا بازار منفی شد؟
پاسخ این سوال و این روند ریزشی ایجاد شده را باید معلول رفتار حقیقیها و کاربران انسانی پشت سیستم نشسته دانست. اینکه آیا خود آنها از این اتفاق سود کردهاند را هم باید منفی دانست. به نظر نمیرسد (حداقل شبیهسازیها اینگونه نشان میدهند) عمده این حقیقیها نفعی از این وضعیتی که خودشان باعث به وجود آمدنش شدهاند، برده باشند و یا در آینده ببرند.
بیشتر این حقیقیها در فکر این بودند که اصطلاحاً در سقف بقروشند و دوباره در کف بخرند. تا آنجا که به شبیهسازیها مربوط میشوند آنها در سقف نتوانستهاند بفروشند، به نظر هم نمیرسد بتوانند در کف بخرند. آنچه هم که در پایان نصیب آنها خواهد شد این است که روند بازار را ریزشی کردهاند، به سهامداران ضربه زدهاند و در انتهای بازی ای که خودشان شروع کردهاند، ارزش سبدهای آنها هم کمتر از عدد انتهای دیماه و حتی اواسط دیماه خواهد شد.
با این حال امروز میخواهم به موضوع دیگری اشاره کنم. اندازه CI از حدود ابتدای آبان شروع به کاهش کرده است. به زبان ساده یعنی الگوریتمها، رباتها و ارکان برهم زننده بازار، فعالیت خود را به شدت کاهش دادند. نتیجه هم این شد که با یک بازار صعودی از همان ابتدای آبان تا تقریباً انتهای دیماه روبهرو بودیم.
اما از ابتدای بهمن تا همین روزها با یک بازار نزولی روبهرو هستیم. سوال این است که وضعیت CI در این حدود یکماه چگونه بوده است؟ آیا باز هم عدد CI افزایش پیدا کرده که روند بازار نزولی شده؟
باید بگویم پاسخ این سوالات منفی است. بازار برای معدود دفعات نزولی شده اما CI بالا نرفته است. این مطلب به معنای آن است که روند ریزشی رخ داده از طرف کاربران غیرانسانی، ارکان بازار و حقوقیهای بزرگ رخ نداده است.
به عبارت دیگر بازار در یک روند صعودی قرار گرفته بود. سیستمی هم مانع آن نبود (بزرگ نبودن عدد CI این را نشان میدهد) اما چرا بازار منفی شد؟
پاسخ این سوال و این روند ریزشی ایجاد شده را باید معلول رفتار حقیقیها و کاربران انسانی پشت سیستم نشسته دانست. اینکه آیا خود آنها از این اتفاق سود کردهاند را هم باید منفی دانست. به نظر نمیرسد (حداقل شبیهسازیها اینگونه نشان میدهند) عمده این حقیقیها نفعی از این وضعیتی که خودشان باعث به وجود آمدنش شدهاند، برده باشند و یا در آینده ببرند.
بیشتر این حقیقیها در فکر این بودند که اصطلاحاً در سقف بقروشند و دوباره در کف بخرند. تا آنجا که به شبیهسازیها مربوط میشوند آنها در سقف نتوانستهاند بفروشند، به نظر هم نمیرسد بتوانند در کف بخرند. آنچه هم که در پایان نصیب آنها خواهد شد این است که روند بازار را ریزشی کردهاند، به سهامداران ضربه زدهاند و در انتهای بازی ای که خودشان شروع کردهاند، ارزش سبدهای آنها هم کمتر از عدد انتهای دیماه و حتی اواسط دیماه خواهد شد.
#صفر
نرمافزار Prism وقتی میخواهد دربارهی رگرسیون خطرات متناسب کاکس
Cox Proportional Hazards Regression
حرف بزند، از این عبارت استفاده میکند که این تحلیل پیچیدهترین و سختترین آنالیز موجود در Prism است.
نرمافزار به عادت همیشگی خودش وقتی میخواهد تحلیلی را بیان کند یک مثال از دادههای واقعی بیان میکند.
مثالی نیز که Prism برای رگرسیون کاکس ارایه میکند مربوط به دادههای یک مطالعه در پاکستان است. از اینجا میتوانید مقاله منتشر شده مطالعه را ببینید.
اگر میپرسید چرا پاکستان، باید بگویم الف) پاکستان در بسیاری زمینهها یک کشور پیشرفته است و ب) مطالعه و دادههای آن آنقدر جذاب و مبتنی بر اصول علمی انجام شده بود که شرکت آمریکایی سازنده Prism این مطالعه و دادههای آن را به عنوان منبع درسی و آموزش رگرسیون کاکس در دنیا معرفی کرده است.
رگرسیون کاکس اصولاً تحلیلی بر روی مدت بقا و زنده ماندن افراد است. مطالعه نیز با نام
Survival analysis of heart failure patients
منتشر شده است و مربوط به افرادی است که دارای مشکلات و بیماریهای قلبی هستند.
دادههای اصلی رگرسیون کاکس را که نگاه میکردم، در کنار انبوهی از دادهها، ستونی داشت که بیانگر شغل، درآمد و کار افراد مورد بررسی است.
برخی از آنها در گذشته و یا در همان زمان مطالعه حرفهای داشتند که میتوان آن را مشابه با همان مفهوم فعال در بازارهای مالی، سهام، اوراق بهادر، تریدر و چیزهایی مشابه آن دانست.
البته که هدف این مقاله بررسی این افراد نبود و من به صورت خاص، این بخش از افراد را از سایرین جدا کردم.
در گراف زیر میتوانید منحنی بقا این افراد را در مقایسه با سایرین مشاهده کنید. فهم گراف سخت نیست و یک موضوع ساده را نشان میدهد.
افرادی که در یک کلمه میتوان آنها را تریدر نامید و با دنیای کندلها سر و کار دارند، خیلی زودتر از دیگران، صفر میشوند و میمیرند. آنها حدود 10-9 سال زودتر از بقیه افراد، دچار بیماریهای قلبی منجر به مرگ میشوند.
صرفاً این متن را امروز آن هم زمانی که شاخص کل بیشتر از 80 هزار واحد مثبت است، نوشتم که بگویم هر فردی خودش را بهتر از دیگران میشناسد. اگر فکر میکنید دنیای کندلها از بورس و ارز دیجیتال و هر چیز دیگر مانند آن، قلب و ذهن شما را بیش از حد به تپش و استرس وا میدارد، آنها را رها کنید.
البته که منظور من خروج برای امروز و فردا نیست. موضوع این است که اینگونه بازارها به سلامت شما ضربه شدید میزنند، بنابراین هر زمان که فکر کردید مناسب است برای همیشه آنها را ترک کنید.
https://graphpad.ir/wp-content/uploads/2023/02/Estimated-Survival-Cox-regression-scaled.jpg
نرمافزار Prism وقتی میخواهد دربارهی رگرسیون خطرات متناسب کاکس
Cox Proportional Hazards Regression
حرف بزند، از این عبارت استفاده میکند که این تحلیل پیچیدهترین و سختترین آنالیز موجود در Prism است.
نرمافزار به عادت همیشگی خودش وقتی میخواهد تحلیلی را بیان کند یک مثال از دادههای واقعی بیان میکند.
مثالی نیز که Prism برای رگرسیون کاکس ارایه میکند مربوط به دادههای یک مطالعه در پاکستان است. از اینجا میتوانید مقاله منتشر شده مطالعه را ببینید.
اگر میپرسید چرا پاکستان، باید بگویم الف) پاکستان در بسیاری زمینهها یک کشور پیشرفته است و ب) مطالعه و دادههای آن آنقدر جذاب و مبتنی بر اصول علمی انجام شده بود که شرکت آمریکایی سازنده Prism این مطالعه و دادههای آن را به عنوان منبع درسی و آموزش رگرسیون کاکس در دنیا معرفی کرده است.
رگرسیون کاکس اصولاً تحلیلی بر روی مدت بقا و زنده ماندن افراد است. مطالعه نیز با نام
Survival analysis of heart failure patients
منتشر شده است و مربوط به افرادی است که دارای مشکلات و بیماریهای قلبی هستند.
دادههای اصلی رگرسیون کاکس را که نگاه میکردم، در کنار انبوهی از دادهها، ستونی داشت که بیانگر شغل، درآمد و کار افراد مورد بررسی است.
برخی از آنها در گذشته و یا در همان زمان مطالعه حرفهای داشتند که میتوان آن را مشابه با همان مفهوم فعال در بازارهای مالی، سهام، اوراق بهادر، تریدر و چیزهایی مشابه آن دانست.
البته که هدف این مقاله بررسی این افراد نبود و من به صورت خاص، این بخش از افراد را از سایرین جدا کردم.
در گراف زیر میتوانید منحنی بقا این افراد را در مقایسه با سایرین مشاهده کنید. فهم گراف سخت نیست و یک موضوع ساده را نشان میدهد.
افرادی که در یک کلمه میتوان آنها را تریدر نامید و با دنیای کندلها سر و کار دارند، خیلی زودتر از دیگران، صفر میشوند و میمیرند. آنها حدود 10-9 سال زودتر از بقیه افراد، دچار بیماریهای قلبی منجر به مرگ میشوند.
صرفاً این متن را امروز آن هم زمانی که شاخص کل بیشتر از 80 هزار واحد مثبت است، نوشتم که بگویم هر فردی خودش را بهتر از دیگران میشناسد. اگر فکر میکنید دنیای کندلها از بورس و ارز دیجیتال و هر چیز دیگر مانند آن، قلب و ذهن شما را بیش از حد به تپش و استرس وا میدارد، آنها را رها کنید.
البته که منظور من خروج برای امروز و فردا نیست. موضوع این است که اینگونه بازارها به سلامت شما ضربه شدید میزنند، بنابراین هر زمان که فکر کردید مناسب است برای همیشه آنها را ترک کنید.
https://graphpad.ir/wp-content/uploads/2023/02/Estimated-Survival-Cox-regression-scaled.jpg