regresijska analiza
Download
Skip this Video
Download Presentation
Regresijska analiza

Loading in 2 Seconds...

play fullscreen
1 / 11

Regresijska analiza - PowerPoint PPT Presentation


  • 181 Views
  • Uploaded on

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

loader
I am the owner, or an agent authorized to act on behalf of the owner, of the copyrighted work described.
capcha
Download Presentation

PowerPoint Slideshow about ' Regresijska analiza' - jatin


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.While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server.


- - - - - - - - - - - - - - - - - - - - - - - - - - E N D - - - - - - - - - - - - - - - - - - - - - - - - - -
Presentation Transcript
regresijska analiza

Regresijska analiza

Doc. dr. sci. Darko Datzer

slide2
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
slide3
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
pretpostavke multiple regresije
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
implementacija linearne regresije u spss u
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
pretpostavke za primjenu modela prema a fieldu
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
tipovi varijabli
Tipovi varijabli
  • Neovisne varijable trebaju biti:
    • Kvantitativne, ili
    • Kategoričke s dvije kategorije
  • Ovisne varijable trebaju biti
    • Kvantitativne
    • Kontinuirane
    • Neograničene (u smislu čitavog opsega predviđanja )
veli ina uzorka
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)
dummy varijable
Dummy varijable
  • Kategoričke varijable s dvije kategorije
  • Vrijednosti su 0 i 1
  • Primjer: transformacija varijable Obrazovanje
ad