1 / 47

Ozsváth Károly TF Kommunikációs-Informatikai és Oktatástechnológiai Tanszék

StatSoft Statistica for Windows kezelése: korreláció és regresszióanalízis. Ozsváth Károly TF Kommunikációs-Informatikai és Oktatástechnológiai Tanszék. Vizsgálataink egyik gyakori kérdése, hogy van-e összefüggés a kapott eredmények között?

courtney
Download Presentation

Ozsváth Károly TF Kommunikációs-Informatikai és Oktatástechnológiai Tanszék

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. StatSoft Statistica for Windows kezelése: korreláció és regresszióanalízis Ozsváth KárolyTF Kommunikációs-Informatikai és Oktatástechnológiai Tanszék

  2. Vizsgálataink egyik gyakori kérdése, hogy van-e összefüggés a kapott eredmények között? • A változók közötti összefüggések kimutatására és elemzésére a korreláció számítás szolgál. • Korrelációs koefficiens (r): két sztochasztikus változó kapcsolatának mérőszáma.

  3. Korrelációs koefficiens értéke 0-1 között változhat, előjele negatív és pozitív egyaránt lehet. (Értékkészlete tehát -1 és +1 közötti.) • Minél nagyobb az (abszolút) érték, annál szorosabb az összefüggés. Az r=0 körüli értékek függetlenséget jelentenek. Az r=±1 függvénykapcsolatot jelent. • A pozitív együtthatók azonos irányú kapcsolatot jelentenek: egyik változó nagyobb értékei a másik változó nagyobb értékeivel járnak együtt. A negatív korreláció ellentétes kapcsolatot jelent: az egyik változó nagyobb értékei a másik változó kisebb értékeivel járnak együtt. • A korrelációs együttható szignifikanciáját külön meg kell vizsgálni. A kritikus értékek (n-2) szabadságfok mellett kerülnek meghatározásra. A nullhipotézis szerint nincs összefüggés a két változó között. • Magas elemszámok esetén alacsony korrelációk is szignifikánsak, míg kis elemszámú mintáknál szoros korrelációk sem feltétlenül érik el a kritikus értékeket. A statisztikai programok a szignifikancia szinteket pontosan jelzik. • A korrelációszámítás „folytatása” a regresszió, regresszióanalízis (RA, MRA, MVRA): az összefüggést leginkább jellemző függvény meghatározása és elemzése, a függvény („görbe”) szerinti becslés „jóságának”, pontosságának analízise.

  4. Függő (y) és független (x) változó/k nem cserélhető/k fel! A függvény képlete szerinti értékek a „jósolt értékek” (y). • A regressziós kapcsolat (illetve a függvények, görbék) fő típusai: • lineáris • polinomiális (n-ed fokú) • parabolikus (másodfokú) • logaritmikus • exponenciális • hiperbolikus • hatvány

  5. Fábián Gy. – Zsidegh M.: A testnevelési és sporttudományos kutatások módszertana, 117-128., 158-184. p. • Fájl: ergo.sta

  6. Többszörös regresszióanalízis (MRA) – „standard” és lépésenkénti („stepwise”) módszerrel • Fájl: eufit2004 ccc.sta • 1 függő változó (összpontszám) • 9 független változó (motoros tesztek) • Cél: az összpontszám becslésére szolgáló regressziós egyenlet meghatározása

  7. Stepwise változat

  8. Bejelöljük az „Advanced” opciót

  9. Válasszuk a módszerek közül a görgetősávnál valamelyik stepwise változatot. Célszerű az „előre lépésenkénti” módszert választani.

  10. Az eredmények megjelenítéséhez választhatjuk a „csak összegzés”, vagy a „lépésről lépésre” lehetőségeket. (Utóbbi esetben a következő képernyőkön az „OK” gomb helyett a „Next” jelenik meg az utolsó lépésig.)

  11. A független változók a regressziós modellbe történő bevonás „erősorrendjében” szerepelnek. A lépések során az R egyre nő, de csökkenő mértékben. A bevonáshoz/visszavonáshoz figyelembe vett F-értékek elvileg csökkenő tendenciát szoktak követni, ami jelen esetben nem teljesen következetes.

  12. A regressziós modell egyenlete.

  13. Jelen esetben a standard és a lépésenkénti MRA azonos eredményt adott, csak a stepwise változatnál a bevonás sorrendjében szerepelnek a független változók. • A lépésenkénti eljárás lényegének megértéséhez nézzünk egy másik példát ugyanezen adatbázissal: ezúttal az állóképességi ingafutást tekintsük függő változónak.

  14. Ha a standard változatot alkalmazzuk, akkor R=0,5015 mellett, F=1,22 p<0,3235 nem szignifikáns eredményt kapunk, a jósolt érték 22,571 hibája mellett. (Azaz ez a regressziós modell nem használható.)

  15. Ha viszont a lépésenkénti többszörös regresszióanalízist választjuk, akkor csak 3 független változó kerül be a modellbe R=0,4849 mellett, és…

  16. … a regresszió fennállására vonatkozó F=3,48 p<0,0262 szignifikáns eredményt kapunk. A jósolt érték hibája ezúttal 21. A gyakorlatban ez a modell sem használható, túl nagy a modell hibája. A lépésenkénti MRA azonban a standard változathoz képest egyszerűbb és szignifikáns eredményt adott, majdnem azonos többszörös korreláció (R) mellett. (A korrigált determinációs együttható itt R2=0,1676 szemben az előző 0,045-tel.)

  17. The End of MRA

More Related