Dr. Varga Beatrix egyetemi docens

Slides:



Advertisements
Hasonló előadás
Miskolci Egyetem Gazdaságtudományi Kar Üzleti Információgazdálkodási és Módszertani Intézet Regresszió-számítás március 30. Dr. Varga Beatrix egyetemi.
Advertisements

KÖZHASZNÚSÁG MEGTARTÁSA, - MEGSZERZÉSE Molnár Elvira Bács-Kiskun Megyei Civil Információs Centrum 2014.
1 Az összeférhetőség javítása Vázlat l Bevezetés A összeférhetőség javítása, kompatibilizálás  kémiai módszerek  fizikai kompatibilizálás Keverékkészítés.
Értékelési modellek. Az előadás témái 1.Bevezetés – az egytényezős modellek áttekintése 2.Alkalmazás 3.Az egyindexes modell felépítése és alkalmazása.
Gazdaságstatisztika, 2015 RÉSZEKRE BONTOTT SOKASÁG VIZSGÁLATA Gazdaságstatisztika október 20.
Vetésforgó tervezése és kivitelezése. Vetésforgó Vetésterv növényi sorrend kialakításához őszi búza250 ha őszi árpa50 ha lucerna ebből új telepítés 300.
Paraméteres próbák- konzultáció október 21..
1 Számvitel alapjai Gazdálkodás:a társadalmi újratermelési folyamat szakaszainak (termelés, forgalom, elosztás, fogyasztás) megszervezésére, az ahhoz rendelkezésre.
Reflexiók a társadalmi és a nonbusiness marketing fogalmi kérdéseihez
Muraközy Balázs: Mely vállalatok válnak gazellává?
2. előadás Viszonyszámok
Becslés gyakorlat november 3.
Mintavétel és becslés október 25. és 27.
Komplex természettudomány 9.évfolyam
AZ ÁTVITELI CSATORNA.
Beck Róbert Fizikus PhD hallgató
Végeselemes modellezés matematikai alapjai
Lineáris regresszió Adatelemzés.
A szórás típusú egyenlőtlenségi mutatók
Egy üzemben sok gyártósoron gyártanak egy bizonyos elektronikai alkatrészt. Az alkatrészek ellenállását időnként ellenőrzik úgy, hogy egy munkás odamegy.
Kockázat és megbízhatóság
Ács Szabina Kommunikáció és Médiatudomány
Mintavétel és becslés október 27. és 29.
Becsléselmélet - Konzultáció
 : a forgásszög az x tengelytől pozitív forgásirányában felmért szög
Korrelációszámítás.
Kockázat és megbízhatóság
6.-7. előadás Standardizálás Dr. Varga Beatrix egy. docens.
13. Gyakorlat Dr. Pauler Gábor, Egyetemi Docens
Rangsorolás tanulása ápr. 13..
Kockázat és megbízhatóság
Kvantitatív módszerek
Hipotézisvizsgálat.
Fiatal Regionalisták VII. Konferenciája
Gazdaságstatisztika Korreláció- és regressziószámítás II.
Geostatisztika prof. Geresdi István szoba szám: E537.
VÁRATLAN MŰSZAKI ESEMÉNYEK
Bevezetés Az ivóvizek minősége törvényileg szabályozott
INFOÉRA 2006 Véletlenszámok
Összefüggés vizsgálatok
Varianciaanalízis- ANOVA (Analyze Of VAriance)
Szerkezetek Dinamikája
Földrajzi összefüggések elemzése: sztochasztikus módszerek
? A modell illesztése a kísérleti adatokhoz
Kvantitatív módszerek
Business Mathematics
Turbulencia hatása a tartózkodási zóna légtechnikai komfortjára
Érték-, ár-, volumenindexek
Regressziós modellek Regressziószámítás.
„Mindegy, hogy képességeid mekkorák, fő, hogy a tőled telhető legjobbat formáld belőlük és általuk.” (Weöres Sándor)
Sztochasztikus kapcsolatok I. Asszociáció
A Box-Jenkins féle modellek
3, u-próba, t-próba Kemometria 2016/2017 3, u-próba, t-próba
Dr. Varga Beatrix egy. docens
Környezeti Kontrolling
Alkalmazott statisztikai alapok
Területi egyenlőtlenségek összetettebb mérése: Gini együttható
Földrajzi összefüggések elemzése: sztochasztikus módszerek
A kutatási projekt címe Név Oktató neve Tanulmányi intézmény neve
SZAKKÉPZÉSI ÖNÉRTÉKELÉSI MODELL I. HELYZETFELMÉRŐ SZINT FOLYAMATA 8
A szállítási probléma.
I. HELYZETFELMÉRÉSI SZINT FOLYAMATA 3. FEJLESZTÉSI FÁZIS 10. előadás
Matematika 11.évf. 1-2.alkalom
A területi koncentráció mérése: Hirschman–Herfindahl index
Lorenz-görbe dr. Jeney László egyetemi adjunktus
Kísérlettervezés 2018/19.
Dr. Varga Beatrix egyetemi docens
Hagyományos megjelenítés
Vargha András KRE és ELTE, Pszichológiai Intézet
Területi egyenlőtlenségek összetettebb mérése: Gini együttható
Előadás másolata:

Dr. Varga Beatrix egyetemi docens Regresszió-számítás Dr. Varga Beatrix egyetemi docens

Korrelációs kapcsolat elemzése esetén a következő kérdésekre keressük a választ Van- e valamilyen összefüggés az ismérvek között? Milyen irányú az összefüggés Mennyire szoros a kapcsolat? Az egyik ismérv változása milyen hatással van a másik ismérv változására?

Ha a korrelációs kapcsolat mögött egyirányú okozati összefüggés van akkor: az ok szerepét betöltő ismérv a tényezőváltozó, (magyarázóváltozó), jele: x az okozat szerepét betöltő ismérv az eredményváltozó, jele: y

Regresszió-számítás célja: A tényezőváltozónak (x) az eredményváltozóra (y) gyakorolt hatását valamilyen matematikai modell segítségével fejezzük ki.

A leggyakoribb regresszió-függvények lineáris regresszió, hatványkitevős regresszió, exponenciális regresszió, parabolikus regresszió, hiperbolikus regresszió

A kétváltozós lineáris regresszió modellje Legyen X egy tényezőváltozó és Y egy eredményváltozó. Tételezzük fel, hogy X lineáris törvényszerűség szerint fejti ki hatását Y-ra, illetve közrejátszik egy véletlen mozzanat is. A két változó kapcsolatának a formulája: regressziós együtthatók véletlen változó

Az ε véletlen változóról feltételezzük: várható értéke 0 szórása állandó εi változók páronként korrelálatlanok

A becsült regresszió függvény: Ahol: b0 és b1 a regressziós együtthatók becsült értékei

Regressziós együtthatók becslése A becsült regressziós együtthatók kiszámításához a legkisebb négyzetek módszerét alkalmazzuk.

b0 és b1 paraméterek becslései a legkisebb négyzetek módszerével: Szélső értéke adott helyen akkor lehet, ha

Ebből átalakítás után nyert normálegyenletek:

Azonos tevékenységet végző vállalkozások adatai

Elaszticitási együttható Y relatív változása hányszorosa az X relatív változásának Lineáris regresszió esetén az elaszticitási együttható: Átlagos szinten:

Reziduális változó Sy = + Se A megfigyelt Y értékek eltérés négyzetösszege A regresszió által magyarázott eltérésnégyzetösszeg A reziduális eltérés (maradék) eltérésnégyzetösszege

Az Y szóródása csak a véletlentől függ A b1 előjelét rendeljük hozzá. A fenti összefüggésből a korrelációs hányadoshoz hasonló mérőszám definiálható, amely azonos a determinációs együtthatóval. Az Y ingadozását teljes mértékben a regresszióval magyarázzuk Az Y szóródása csak a véletlentől függ A b1 előjelét rendeljük hozzá.

A regressziós modell tesztelése H0: β1=0 a lineáris regresszió fennállásának tagadása H1: β1≠0 A H0 ellenőrzésére alkalmas próbafüggvény: (v1=1 és v2=n-2) Ha F<Fkrit H0-t elfogadjuk Ha F>Fkrit van szignifikáns kapcsolat

Variancia-analízis tábla kétváltozós regresszió-számításnál

A regressziós együttható (β1) tesztelése H0: β1=0 valójában nincs korreláció H1: β1≠0 A H0 ellenőrzésére alkalmas próbafüggvény: Ha |t|<t(1-α/2) H0-t elfogadjuk Ha |t|>t(1-α/2) H0-t elvetjük, van kapcsolat X és Y között

Student’s t-test Df 0,55 0,60 0,70 0,75 0,80 0,90 0,95 0,975 0,99 0,995 1 0,158 0,325 0,727 1,000 1,376 3,08 6,31 12,71 31,82 63,66 2 0,142 0,289 0,617 0,816 1,061 1,89 2,92 4,30 6,96 9,92 3 0,137 0,277 0,584 0,765 0,978 1,64 2,35 3,18 4,54 5,84 4 0,134 0,271 0,569 0,741 0,941 1,53 2,13 2,78 3,75 4,60 5 0,132 0,267 0,559 0,920 1,48 2,02 2,57 3,36 4,03 6 0,131 0,265 0,553 0,718 0,906 1,44 1,94 2,45 3,14 3,71 7 0,130 0,263 0,549 0,711 0,896 1,42 1,90 2,36 3,00 3,50 8 0,262 0,546 0,706 0,889 1,40 1,86 2,31 2,90 9 0,129 0,261 0,543 0,703 0,883 1,38 1,83 2,26 2,82 3,25 10 0,260 0,542 0,700 0,879 1,37 1,81 2,23 2,76 3,17 11 0,540 0,697 0,876 1,36 1,80 2,20 2,72 3,11 12 0,128 0,259 0,539 0,695 0,873 1,78 2,18 2,68 3,06 13 0,538 0,694 0,870 1,35 1,77 2,16 2,65 3,01 14 0,258 0,537 0,692 0,868 1,34 1,76 2,14 2,62 2,98 15 0,536 0,691 0,866 1,75 2,60 2,95 16 0,535 0,690 0,865 2,12 2,58 17 0,257 0,534 0,689 0,863 1,33 1,74 2,11 18 0,127 0,688 0,862 1,73 2,10 2,55 2,88 19 0,533 0,861 2,09 2,54 2,86 20 0,687 0,860 1,32 1,72 2,53 2,84 21 0,532 0,686 0,859 2,08 2,52 2,83 22 0,256 0,858 2,07 2,51 23 0,685 1,71 2,50 2,81 24 0,531 0,857 2,06 2,49 2,80 25 0,684 0,856 2,48 2,79 26 27 0,855 1,31 1,70 2,05 2,47 2,77 28 0,530 0,683 29 0,854 2,04 2,46 30 2,75 40 0,126 0,255 0,529 0,681 0,851 1,30 1,68 2,42 2,70 60 0,254 0,527 0,679 0,848 1,67 2,00 2,39 2,66 120 0,526 0,677 0,845 1,29 1,66 1,98  0,253 0,524 0,674 0,842 1,28 1,645 1,96 2,33

Regressziós becslés pontossága