1 / 11

Regresijska analiza

Regresijska analiza. Doc. dr. sci. Darko Datzer. Uvod. Korelacijska analiza je vrlo smislena i često sasvim dovoljna; no, ponekad želimo iz podataka jedne varijable zaključiti koji joj rezultat najvjerojatnije odgovara u drugoj varijabli

jatin
Download Presentation

Regresijska analiza

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. Regresijska analiza Doc. dr. sci. Darko Datzer

  2. Uvod • Korelacijska analiza je vrlo smislena i često sasvim dovoljna; no, ponekad želimo iz podataka jedne varijable zaključiti koji joj rezultat najvjerojatnije odgovara u drugoj varijabli • Varijabla iz koje predviđamo vrijednost druge se naziva prediktor, a ona čiju vrijednost predviđamo ovisna

  3. Uvod • Odnos između varijabli x i y definiramo kao skup svih vrijednosti koje označava zadana jednadžba y = α+ βx, gdje su α i β konstante, a x i y predstavljaju varijable čiji se odnos može definirati različitim vrijednostima x i y koji zadovoljava dana jednadžba • U analizama je najveći problem kako izračunati parametre regresije (αiβ); u statističkoj praksi najčešće se primjenjuju tri metode, od kojih je nama najzanimljivija metoda najmanjih kvadrata • Ona kreira pravac regresije koji ima najmanju sumu kvadrata odstupanja pojedinačnih y rezultata od tog pravca

  4. Uvod (primjer)

  5. Pretpostavke multiple regresije • Četiri temeljne pretpostavke: • između ovisnih i neovisnih varijabli postoji linearan odnos; • b) ovisna varijabla mora biti neprekidna ili barem intervalna (mjerena na kvantitativnoj skali); • c) empirijska odstupanja oko regresijske površine moraju biti ista za sve vrijednosti neovisnih varijabli (homoskedastičnost) i • d) između parova podataka, tj. empirijskih vrijednosti varijabli ne bi smjelo biti korelacije

  6. Implementacija linearne regresije u SPSS-u • Inicijalna razmatranja vezana za primjenu modela • Veličina uzorka • Dummy varijable • Implementacija Regresijskog Modela u SPSS-u • Analiza SPSS outputa

  7. Pretpostavke za primjenu modela prema A. Fieldu • Tipovi varijabli • Varijansa različita od nule • Odsustvo perfektne multikolinearnosti • Zavisne varijable ne trebaju biti korelirane sa vanjskim varijablama • Homoskedastičnost • Neovisne greške (odsustvo autokorelacije) • Normalno distribuirane greške • Nezavisnost • Linearnost

  8. Tipovi varijabli • Neovisne varijable trebaju biti: • Kvantitativne, ili • Kategoričke s dvije kategorije • Ovisne varijable trebaju biti • Kvantitativne • Kontinuirane • Neograničene (u smislu čitavog opsega predviđanja )

  9. Veličina uzorka • Postoji više kriterija • Što veći uzorak, to bolje • 10 do 15 slučajeva za svaku neovisnu varijablu (najčešće) • 50+8*k (Green – testiranje čitavog modela) • 104+k (Green – testiranje svih ovisnih varijabli) • 100 (dobar model - ovisne varijable dobro objašnjavaju ovisnu) • 200 (model srednjeg kvaliteta) • 600 (loš model - ovisne varijable loše objašnjavaju ovisnu)

  10. Dummy varijable • Kategoričke varijable s dvije kategorije • Vrijednosti su 0 i 1 • Primjer: transformacija varijable Obrazovanje

  11. Implementacija Regresijskog Modela u SPSS-u Analyse Regression Linear...

More Related