150 likes | 330 Views
Regresszióanalízis. 10. gyakorlat. Korrelációanalízisben a kérdés: milyen szoros és milyen irányú kapcsolat áll fenn a változók között (szoros kapcsolat összefüggést jelez) A két változó egyenrangú Regresszióanalízisben a kérdések: van-e összefüggés a változók között
E N D
Regresszióanalízis 10. gyakorlat
Korrelációanalízisben a kérdés: • milyen szoros és milyen irányú kapcsolat áll fenn a változók között (szoros kapcsolat összefüggést jelez) A két változó egyenrangú • Regresszióanalízisben a kérdések: • van-e összefüggés a változók között • az egyik változó megváltozásával milyen irányba és mennyit változik a másik változó A változók viszonyát nem tekintjük egyenrangúak: feltételezzük, hogy a valóságban oksági kapcsolat van közöttükMegjegyzendő, hogy a változók közötti tényleges oksági kapcsolatot a regresszióanalízis önmagában nem bizonyítja, az csupán az adataink közötti statisztikai kapcsolat feltárására alkalmas.
Y függő változó és • X független vagy magyarázó változó → egyszerű regressziós modell • X1, X2,…,Xp független vagy magyarázó változók → többszörös regressziós modell • A regresszióanalízis feladata tehát egy függvényszerű kapcsolat keresése egy függő és egy vagy több folytonos magyarázó változó között.
A lineáris regressziós modell • egyszerű regressziós modell • Yi a függő változó értéke az i-dik mintavételi objektumon • Xi a magyarázó változó értéke az i-dik mintavételi objektumon • εi az i-dik objektumhoz tartozó véletlen eseti hiba, ún. reziduális érték.Az ε hibatag a modell szerint 0 várható értékű és szig2 szórású normál eloszlást követ. • α és βaz alapsokaságbeli ismeretlen és fix értékűnek tekintett paraméterek, vagy regressziós koefficiensek.α jelentése: az alapsokaságra vonatkozó y tengely metszet; megmutatja, hogy mekkora lenne Y értéke abban a hipotetikus esetben, amikor X=0β jelentése: az alapsokaságra vonatkozó meredekség; megmutatja, hogy hányszorosára és milyen irányba változik Y ha X egy egységgel nő
többszörös regressziós modell • βj együtthatókat itt parciális regressziós koefficienseknek hívjuk. Egy adott j magyarázó változóhoz tartozó βj együttható megmutatja, hogy hányszorosára és milyen irányba változik Y ha az XJ magyarázó egy egységgel nő, miközben a többi magyarázó változó az átlagaiknak megfelelő konstans értéken van.
A modellkészítés folyamata • Olykor bonyolult dolog, különösen többszörös regresszió esetén; szakmai megfontolásokat és tapasztalatot igényel. A főbb lépések: • Alapsokaságból mintavétel → modellillesztés az adatokra • A modell validálása: annak ellenőrzése, hogy az illesztett modell megfelel-e a lineáris regresszió feltételezéseinek • Ha a modellünk megfelel az alkalmazhatósági feltételeknek, akkor teszteljük a modellt, hogy választ kapjunk vajon van-e összefüggés a függő változó és a magyarázó változó között • Leírjuk a modellt függvényszerű formában
A paraméterek becslése • Az ún. legkisebbb négyzetek módszerével történik.
A lineáris regressziós modell feltételezései – alkalmazhatósági feltételek • Normalitás:minden egyes X értékre, a lehetséges Y értékek megfigyelése normál eloszlású • Homogenitás:az egyes X értékekre a normál eloszlás azonos varianciájú
A magyarázó változó(k) értéke determinisztikus (fixed X), azaz a kutató állítja be, hogy milyen X értékek mellett vizsgálja Y-t • Függetlenség:Egy adott Xi értékhez tartozó Yi érték nagysága nem függ egy másik Xi értékhez tartozó Y érték nagyságától (mintavételi objektumok függetlensége)
Hipotézisvizsgálatok • F-próba a magyarázott variabilitás vizsgálatára – a modell általános tesztjeA függő változó eltérésnégyzet-összeggel (Sum of Squares) kifejezett teljes variabilitása (SStotal) additív felbontása: Az SSregression és SSerror tagból képezhető F próbastatisztika, ami(p, n-p-1) szabadsági fokok szerinti F-eloszlást követ:
H0 az egyszerű regressziós modellben:nincs összefüggés Y és X között.Grafikusan azt jelenti, hogy a pontokra illesztett egyenes a vízszintes tengellyel párhuzamos:béta = 0.H1: beta != 0 ------------------------------------------------------------- H0 a többszörös regressziós modellben:a függőváltozó egyik magyarázó változótól sem függ, azaz betai = 0 minden i-re (i = 1, 2, …, p). H1: van olyan magyarázó változó a modellben, amely összefügg Y-al, vagyis betai != 0 legalább egy i-re.
Student-féle t-eloszlás(n-p-1) szabadsági fokkal • t-próba a magyarázó változók vizsgálatára – a béta együtthatók egyenkénti teszteléseH0 az egyszerű regressziós modellben:nincs összefüggés Y és X között.a független változó regressziós együtthatója nulla, azaz beta = 0H1: a meredekség nem nulla, vagyis: beta != 0.-------------------------------------------------------------------H0 a többszörös regressziós modellben:az adott magyarázó változó regressziós együtthatója nulla: betai = 0 (i = 1,2,…,p)H1: az adott magyarázó változó regressziós együtthatója eltér nullától, azaz betai != 0 (i = 1,2,…,p).
Egyszerű modellben (egy magyarázó változó esetén) az F-próba és a magyarázó változó meredekségére vonatkozó t-próba azonos.