Többváltozós számítások

Slides:



Advertisements
Hasonló előadás
Összetett kísérleti tervek és kiértékelésük:
Advertisements

Füst György III. Belklinika
Kvantitatív Módszerek
Ozsváth Károly TF Kommunikációs-Informatikai és Oktatástechnológiai Tanszék.
Kvantitatív módszerek
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.
Összefüggés vizsgálatok
Gazdaságelemzési és Statisztikai Tanszék
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.
Ozsváth Károly NYME ACSJK Testnevelési Tanszék. Fábián Gy. – Zsidegh M.: A testnevelési és sporttudományos kutatások módszertana, p. (SPSS: p.,
Ozsváth Károly NYME ACSJK Testnevelési Tanszék. A diszkriminanciaanalízis (DSC, DISCRIMINANT) /{ DA, MDA }/ csoportok közti különbségek (különbözőségek),
Vámossy Zoltán 2006 Gonzales-Woods, SzTE (Kató Zoltán) anyagok alapján
III. előadás.
Lineáris korreláció és lineáris regresszió. A probléma felvetése y = 1,138x + 80,778r = 0,8962.
A munkanélküliség és az infláció kapcsolata
Dr. Gombos Tímea SE, III.sz. Belgyógyászati Klinika
SPSS többváltozós (lineáris) regresszió (4. fejezet)
SPSS többváltozós regresszió
Diszkriminancia analízis
Főkomponens és faktor analízis
Többszörös regresszió I. Többszörös lineáris regresszió
Többszörös regresszió I. Többszörös lineáris regresszió miért elengedhetetlen a többszörös regressziós számítás? a többszörös regressziós számítások fajtái.
Kvantitatív módszerek
Adatmodellek A modellezés statisztikai alapjai. Statisztikai modell??? cél: feltárni, hogy bizonyos jelenségek között létezik-e az általunk feltételezett.
2. A KVANTUMMECHANIKA AXIÓMÁI 1. Erwin Schrödinger: Quantisierung als Eigenwertproblem (1926) 2.
Egytényezős variancia-analízis
STATISZTIKA II. 3. Előadás Dr. Balogh Péter egyetemi adjunktus Gazdaságelemzési és Statisztikai Tanszék.
Matematikai statisztika Készítették: Miskoltzy Judit Sántha Szabina Szabó Brigitta Tóth Szabolcs Török Tamás Marketing Msc I. évf., I. félév, levelező.
Matematikai statisztika Készítették: Miskoltzy Judit Sántha Szabina Szabó Brigitta Tóth Szabolcs Török Tamás Marketing Msc I. évf., I. félév, levelező.
Kvantitatív Módszerek
Idősor elemzés Idősor : időben ekvidisztáns elemekből álló sorozat
Gazdaságstatisztika Korreláció- és regresszióelemzés 20. előadás.
Többváltozós adatelemzés
Többváltozós adatelemzés
Többváltozós adatelemzés
Többváltozós adatelemzés
Következtető statisztika 9.
A sztochasztikus kapcsolatok (Folyt). Korreláció, regresszió
Lineáris regresszió.
Két kvantitatív változó kapcsolatának vizsgálata
Készítette: Süveges Dorottya ELTE TTK geográfus, III.évfolyam
Nevezetes algoritmusok
Paleobiológiai módszerek és modellek 7. Hét TÖBBVÁLTOZÓS ADATELEMZÉS
Paleobiológiai módszerek és modellek 4. hét
Faktoranalízis az SPSS-ben
Adatelemzés számítógéppel
Bevezetés a Korreláció & Regressziószámításba
Miskolci Egyetem Gazdaságtudományi Kar Üzleti Információgazdálkodási és Módszertani Intézet Regresszió-számítás március 30. Dr. Varga Beatrix egyetemi.
Többdimenziós valószínűségi eloszlások
Korreláció-számítás.
Kutatási beszámoló 2002/2003 I. félév Iváncsy Renáta.
A számítógépes elemzés alapjai
Bevezetés a méréskiértékelésbe (BMETE80ME19) 2014/
Gazdaságstatisztika Gazdaságstatisztika Korreláció- és regressziószámítás II.
A számítógépes elemzés alapjai
Korreláció, regresszió

Többváltozós lineáris regresszió
III. előadás.
Dr. Varga Beatrix egyetemi docens
Az Európai Unió tagországainak, a csatlakozásra váró országoknak
Valószínűségi változók együttes eloszlása
Valószínűségi törvények
A leíró statisztikák alapelemei
Dr. Varga Beatrix egyetemi docens
Előadás másolata:

Többváltozós számítások

Két változó kapcsolatának Erőssége és iránya=korreláció Valószínűsége=szignifikancia Egymáshoz viszonyított változási módja és üteme= regresszió

Képzejük el egy jelenség több számszerű jellemzőjét   változó 1 változó 2 változó 3 változó 4 változó …n eset 1 eset 2 eset 3 eset 4 eset 5 eset 6 eset 7 eset 8 eset 9 eset …n Egyváltozós Kétváltozós Többváltozós

Összes variancia: A jelenség, amely adataink szerint: eset x változó   változó 1 változó 2 változó 3 változó 4 változó …n eset 1 eset 2 eset 3 eset 4 eset 5 eset 6 eset 7 eset 8 eset 9 eset …n Sajátérték= a változók száma, mindegyik változó=1 (átrendezendő variancia)

1. lépés: A változók csoportosítása   változó 1 változó 2 változó 3 változó 4 változó 5 változó 6 változó 7 változó 8 változó 9 1 Csoportképzés: a változópárok közti magas korrelációk alapján 9 x 9 = 81 kapcsolatpár, de minden önkorreláció = +1 és a mátrix az átlója mentén szimmetrikus

2 . lépés: A változók átszervezése faktor 1 faktor 2 faktor 3 faktor 4 faktor 5 faktor 6 faktor 7 faktor 8 faktor 9 változó 8   változó 3 változó 5 változó 2 változó 6 változó 9 változó 1 változó 4 változó 7 Sajátérték  3.5 2.5   1 0.7  0.4  0.3  0.2   0.1 22.2% 38.9% 27.8% 11.1% Eredetileg minden változó sajátértéke=1. De a szoros korrelációk a variancia jelentős részét szintetikus változókba sűrítik. Ezek a nagy sajátértékű faktorok, a változók csoportjai. A táblázatot kitöltő faktorsúlyok a faktorok és az eredeti változók közötti összefüggés erősségét mutatják.

-1 Vázrendszer 27.8% +1 Testkapacitás 38.9% faktorsúlyok: -1-től +1-ig A jelenség lényegét a legmarkánsabb változók mutatják A gyengébb változók 0 körüli értéket mutatnak A csontrendszerre jellemző testméretek o marmagasság Láb körméret o o 3. farszélesség farhosszúság o A testkapacitásra jellemző testméretek törzshossz o csipőszélesség o -1 Vázrendszer 27.8% +1 Mellkas szélesség o övméret o Mellkas mélység o -1 1. faktor: Testkapacitás 1 Testkapacitás 38.9%

Erős csontozat Mai fajták Primitív fajták Finom csontozat

Körös és Criş állatcsontegyüttesek

A változók és kapcsolatuk erőssége a két szintetikus változóval: +4 kihagyott komponens A maradék Sajátérték 41,7%

A változók és az esetek eloszlása a két legfontosabb szintetikus változó síkjában

A mintanagyság szerepe: korreláció?

Fontos: A változók és/vagy esetek összetételének megváltoztatása befolyásolja az összes varianciát Az esetek száma a változókénak legalább háromszorosa legyen Az egymással szoros korrelációban álló változók „ellophatják” a sajátérték nagy részét A hiányzó adatokat becsülhetjük, de ez az összes varianciát homogenizálja A nullák kerülendők