SPSS többváltozós (lineáris) regresszió (4. fejezet)

Slides:



Advertisements
Hasonló előadás
Összetett kísérleti tervek és kiértékelésük:
Advertisements

Informatikai Tudományok Doktori Iskola
Statisztika feladatok Informatikai Tudományok Doktori Iskola.
Matematikai Statisztika VIK Doktori Iskola
Földrajzi összefüggések elemzése
Lineáris és nemlineáris regressziók, logisztikus regresszió
Potenciális feladattípusok
Összefüggés vizsgálatok
Összefüggés vizsgálatok x átlag y átlag Y’ = a + bx.
Statisztika II. VI. Dr. Szalka Éva, Ph.D..
Dr. Szalka Éva, Ph.D.1 Statisztika II. VIII.. Dr. Szalka Éva, Ph.D.2 Többváltozós korreláció és regresszióanalízis.
Ozsváth Károly NYME ACSJK Testnevelési Tanszék. Faktor = „jellemző”, „háttérváltozó” A faktoranalízis (FA) alapjában a változók csoportosítására, redukciójára.
Ozsváth Károly TF Kommunikációs-Informatikai és Oktatástechnológiai Tanszék.
III. előadás.
Lineáris korreláció és lineáris regresszió. A probléma felvetése y = 1,138x + 80,778r = 0,8962.
Regresszióanalízis 10. gyakorlat.
Varianciaanalízis 12. gyakorlat.
Diszkriminancia analízis
SPSS többváltozós regresszió
K-közepű és kétlépéses klaszteranalízis (3. fejezet)
Diszkriminancia analízis
Főkomponens és faktor analízis
Kovarianciaanalízis Tételezzük fel, hogy a kvalitatív tényező(k) hatásának azonosítása után megmaradó szóródás egy részének eredete ismert, és nem lehet,
Dr. Szalka Éva, Ph.D.1 Statisztika II. VI.. Dr. Szalka Éva, Ph.D.2 Regresszióanalízis.
Kvantitatív módszerek
Kvantitatív módszerek
Adatmodellek A modellezés statisztikai alapjai. Statisztikai modell??? cél: feltárni, hogy bizonyos jelenségek között létezik-e az általunk feltételezett.
Regresszióanalízis Lineáris regresszió REGRESSZIÓ.
Egytényezős variancia-analízis
STATISZTIKA II. 7. Előadás
Statisztika a szociológiában
Kvantitatív Módszerek
Idősor elemzés Idősor : időben ekvidisztáns elemekből álló sorozat
Többváltozós adatelemzés
Többváltozós adatelemzés
Többváltozós adatelemzés
Többváltozós adatelemzés
Következtető statisztika 9.
A sztochasztikus kapcsolatok (Folyt). Korreláció, regresszió
Várhatóértékre vonatkozó próbák
Lineáris regresszió.
Paleobiológiai módszerek és modellek 4. hét
Sztochasztikus kapcsolatok
Petrovics Petra Doktorandusz
Bevezetés a Korreláció & Regressziószámításba
Vargha András KRE és ELTE, Pszichológiai Intézet
Miskolci Egyetem Gazdaságtudományi Kar Üzleti Információgazdálkodási és Módszertani Intézet Többváltozós lineáris regressziós modell feltételeinek tesztelése.
Miskolci Egyetem Gazdaságtudományi Kar Üzleti Információgazdálkodási és Módszertani Intézet Regresszió-számítás március 30. Dr. Varga Beatrix egyetemi.
Korreláció, lineáris regresszió
Miskolci Egyetem Gazdaságtudományi Kar Üzleti Információgazdálkodási és Módszertani Intézet Parciális korreláció Petrovics Petra Doktorandusz.
Informatikai Tudományok Doktori Iskola
Bevezetés a méréskiértékelésbe (BMETE80ME19) 2014/
A számítógépes elemzés alapjai
Bevezetés a méréskiértékelésbe (BMETE80ME19) 2014/
Kvantitatív módszerek
Gazdaságstatisztika Gazdaságstatisztika Korreláció- és regressziószámítás II.
A számítógépes elemzés alapjai
Lineáris regressziós modellek

Többváltozós lineáris regresszió
Gazdaságstatisztika Konzultáció a korreláció- és regressziószámítás, idősorok elemzése témakörökből.
III. előadás.
Dr. Varga Beatrix egyetemi docens
Bevezetés a kvantitatív kutatásba
Statisztika segédlet a Statistica programhoz Új verzióknál érdemes a View menüsor alatt a Classic menu-s verziót választani – ehhez készült a segédlet.
A Box-Jenkins féle modellek
2. Regresszióanalízis Korreláció analízis: milyen irányú, milyen erős összefüggés van két változó között. Regresszióanalízis: kvantitatív kapcsolat meghatározása.
Dr. Varga Beatrix egyetemi docens
3. Varianciaanalízis (ANOVA)
Előadás másolata:

SPSS többváltozós (lineáris) regresszió (4. fejezet) 2017.04.04. SPSS többváltozós (lineáris) regresszió (4. fejezet)

Mennyiségi ismérvek vizsgálata Korrelációszámítás: kapcsolat szorosságának mérése Regresszióanalízis: a kapcsolat matematikai modellezése Alap (kétváltozós) modell:

Alkalmazásának feltételei A hibatag normális eloszlású, állandó varianciájú A magyarázó változók lineárisan függetlenek (legalább közelítően függetlenek) A magyarázó változók mérési hibától mentesek A megfigyelések száma jóval nagyobb, mint a bevont változóké Tesztek elvégzéséhez (közelítőleg) normális eloszlású változók

KLNM (lineáris modell) Y X

Eredmények értelmezése Paraméterek értelmezése (!!!) Illeszkedés-vizsgálat (R2, reziduális szórás és társai) Paraméterek szignifikanciája Globális F-próba Parciális t-próba

Többváltozós esetben Egy folytonos (legalább közel) normális eloszlású változó eredményváltozóként Több magyarázó változó lehetséges Korreláció helyett korrelációs mátrix Kvadratikus Szimmetrikus Diagonálisban valamennyi elem 1 Diagonálison kívül elemek abszolút értéke 1 alatt

A többváltozós modell Globális F-próba Korrigált R2

SPSS Analyze/Regression/Linear Függő változó Egy vagy több független változó Kiválasztási módszer Egyedek „matricája”

Kiválasztási módszer Enter (minden változót szerepeltet) Forward (egyenként betenni) Backward (egyenként kivenni) Stepwise (lépésenként ki-be kerülhet) A magyarázó változók akár tömbönként is elhelyezhetők kiválasztási módszer szerint. Példafájl: car_sales.sav