Kovarianciaanalízis Tételezzük fel, hogy a kvalitatív tényező(k) hatásának azonosítása után megmaradó szóródás egy részének eredete ismert, és nem lehet,

Slides:



Advertisements
Hasonló előadás
Összetett kísérleti tervek és kiértékelésük:
Advertisements

Kvantitatív Módszerek
Egy faktor szerinti ANOVA
Összetett kísérleti tervek és kiértékelésük
Összetett kísérleti tervek és kiértékelésük: Háromszempontos variancia analízis modellek.
Kvantitatív módszerek
Híranyagok tömörítése
Statisztika feladatok Informatikai Tudományok Doktori Iskola.
Földrajzi összefüggések elemzése
Lineáris és nemlineáris regressziók, logisztikus regresszió
Főkomponensanalízis Többváltozós elemzések esetében gyakran jelent problémát a vizsgált változók korreláltsága. A főkomponenselemzés segítségével a változók.
Általános lineáris modellek
Összefüggés vizsgálatok
Becsléselméleti ismétlés
Összefüggés vizsgálatok x átlag y átlag Y’ = a + bx.
Gazdaságelemzési és Statisztikai Tanszék
Dr. Szalka Éva, Ph.D.1 Statisztika II. IX.. Dr. Szalka Éva, Ph.D.2 Idősorok elemzése.
Statisztika II. VI. Dr. Szalka Éva, Ph.D..
Regresszió és korreláció
Dr. Szalka Éva, Ph.D.1 Statisztika II. IX.. Dr. Szalka Éva, Ph.D.2 Idősorok elemzése.
Dr. Szalka Éva, Ph.D.1 Statisztika II. VIII.. Dr. Szalka Éva, Ph.D.2 Többváltozós korreláció és regresszióanalízis.
Ozsváth Károly TF Kommunikációs-Informatikai és Oktatástechnológiai Tanszék.
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.
PTE PMMK Matematika Tanszék dr. Klincsik Mihály Valószínűségszámítás és statisztika előadások Gépész-Villamosmérnök szak BSc MANB030, MALB030 Bevezető.
Regresszióanalízis 10. gyakorlat.
Varianciaanalízis 12. gyakorlat.
SPSS többváltozós (lineáris) regresszió (4. fejezet)
Diszkriminancia analízis
SPSS többváltozós regresszió
KÉT FÜGGETLEN, ILL. KÉT ÖSSZETARTOZÓ CSOPORT ÖSZEHASONLÍTÁSA
Dr. Szalka Éva, Ph.D.1 Statisztika II. VI.. Dr. Szalka Éva, Ph.D.2 Regresszióanalízis.
Kvantitatív módszerek
Kvantitatív módszerek

Egytényezős variancia-analízis
3. előadás Heterogén sokaságok Szórásnégyzet-felbontás
R&R vizsgálatok fejlesztése trendes jellemző mérési rendszerére
Kvantitatív Módszerek
Idősor elemzés Idősor : időben ekvidisztáns elemekből álló sorozat
Többváltozós adatelemzés
Többváltozós adatelemzés
Többváltozós adatelemzés
Következtető statisztika 9.
Lineáris regresszió.
Többtényezős ANOVA.
Két kvantitatív változó kapcsolatának vizsgálata
Kemény Sándor Doktoráns Konferencia 2007.
Hipotézisvizsgálat v az adatforrás működési “mechanizmusát” egy véletlen eloszlás jellemzi v az adatok ismeretében megfogalmazódnak bizonyos hipotézisek.
Paleobiológiai módszerek és modellek 4. hét
Többszempontos ANOVA (I
A kombinációs táblák (sztochasztikus kapcsolatok) elemzése
Petrovics Petra Doktorandusz
Vargha András KRE és ELTE, Pszichológiai Intézet
Miskolci Egyetem Gazdaságtudományi Kar Üzleti Információgazdálkodási és Módszertani Intézet Regresszió-számítás március 30. Dr. Varga Beatrix egyetemi.
Szimuláció.
Összetett kísérleti tervek és kiértékelésük Többszempontos varianciaanalízis-modellek (keresztosztályozások, blokkelrendezések)
Előrejelzés Összeállította: Sójáné Dux Ágnes. Előrejelzés Az időbeli folyamatok elemzésének segítségével lehetőség nyílik a korábban láthatatlan trendek.
Gazdaságstatisztika Gazdaságstatisztika Korreláció- és regressziószámítás II.
Pedagógiai hozzáadott érték „Őrült beszéd, de van benne rendszer” Nahalka István
Lineáris regressziós modellek
III. előadás.
Dr. Varga Beatrix egyetemi docens
Trendelemzés előadó: Ketskeméty László
Statisztika segédlet a Statistica programhoz Új verzióknál érdemes a View menüsor alatt a Classic menu-s verziót választani – ehhez készült a segédlet.
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:

Kovarianciaanalízis Tételezzük fel, hogy a kvalitatív tényező(k) hatásának azonosítása után megmaradó szóródás egy részének eredete ismert, és nem lehet, vagy nem célszerű blokk-képzéssel kontrollálni. Tételezzük fel azt is, hogy a szóródás eredetét valamilyen méréssel lehet észlelni, jellemezni, és a függő változó a mért értékkel lineáris összefüggést mutat. A mért értéket kovariánsnak nevezzük. Ebben az esetben a mért értéket az analízisben felhasználhatjuk arra, hogy segítségével kiszámoljuk, hogy ennek az összefüggésnek mekkora szerepe van a szóródásban. A véletlennek csak azt a szóródást tulajdonítjuk, amit a kovariánssal való regresszióval sem lehet megmagyarázni. Ez akkor hasznos, ha a kovariáns, és a kísérlet függő változója között statisztikailag szignifikáns összefüggés észlelhető. Egy modellben több kvalitatív és több kvantitatív (kovariáns) tényező is szerepelhet.

A kovarianciaanalízis modellegyenlete egy kvalitatív és egy kvantitatív (kovariáns) tényező esetén: yij=+Ai+B(xij-xátlag)+ij ahol yij a függő változóra vonatkozó adat, Ai a kvalitatív tényező i-edik szintjének hatása, xij a kovariáns változó értéke, xátlag az összes x-adat átlaga, a B együttható független i-től, ij pedig a hibatag (normális eloszlású stb.) Hogy a regressziós egyenes valóban ugyanolyan meredekségű-e minden csoportban, előzetes vizsgálattal kell eldönteni: van-e kölcsönhatás a csoportokat képző kvalitatív tényező és a kovariáns változó között? („Homogenity-of-slopes”) Amennyiben a meredekségek szignifikánsan különböznek, a kovarianciaanalízis helyett más modellt kell alkalmazni. („Separate-slopes model”)

A kovarianciaanalízis számításának lépései: Lineáris regresszió az eredeti X és Y változók között. ANOVA X-re, Y-ra és XY-ra a kvalitatív tényező szerinti csoportok figyelembe vételével. Lineáris regresszió az X-re és az Y-ra vonatkozó ANOVA-k hibatagjaira. Ennek reziduális SS-e és modell SS-e kerül az ANCOVA-táblázatba a reziduális, illetve a kovariáns változóhoz, és az eredeti, illetve a hibatagokra végzett regressziók reziduális SS-ének különbsége lesz a kezelés (a kvalitatív tényező) hatását kifejező tag. A regressziós egyenes meredekségét (B) a a hibatagokra elvégzett regresszióanalízisből kell számítani. Ennek ismeretében a függő változó csoportonkénti középértékei a modellegyenlet alapján becsülhetők: yi(korr.átlag)= yi(átlag)-B(xi(átlag)-xátlag)