1 / 14

Katseandmete analüüs II

Katseandmete analüüs II. http:// www .ut.ee/~tammarut/stat.htm. Hii-ruut Logistiline regressioon Regressiooni ja ANOVA lisad Korduvmõõtmistega ANOVA Seose mittelineaarsuse testimine Peakomponentanalüüs Poisson’i jaotus. Hii-ruut test (  2 ).

shana
Download Presentation

Katseandmete analüüs II

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. Katseandmete analüüs II http://www.ut.ee/~tammarut/stat.htm • Hii-ruut • Logistiline regressioon • Regressiooni ja ANOVA lisad • Korduvmõõtmistega ANOVA • Seose mittelineaarsuse testimine • Peakomponentanalüüs • Poisson’i jaotus

  2. Hii-ruut test(2) Assotsiatsiooni leidmine diskreetsete tunnuste vahel Basic statistics > Tables and banners > Options:  Expected frequences  Percentages of total count  Pearson Chi-square

  3. Hii-ruut test(2) Oodatavad sagedused (kui assotsiatsiooni ei oleks) Assotsiatsiooni leidmine diskreetsete tunnuste vahel Basic statistics > Tables and banners > Options:  Expected frequences  Percentages of total count  Pearson Chi-square

  4. Hii-ruut test(2) a/b c/d Odds ratio = = 10.3 Odds ratio arvutamine:

  5. Logistiline regressioon Binaarse tunnuse sõltuvus pidevast tunnusest Advanced Linear/Nonlinear Models > Nonlinear estimation > Quick Logit Regression OK > Vali binaarne sõltuv ja pidev sõltumatu tunnus OK > Summary

  6. Logistiline regressioon Binaarse tunnuse sõltuvus pidevast tunnusest

  7. Tüüp I vs III: options > I või III Mitmese regressiooni võimalused General Linear Models > Factorial regression Regressioonisirge läbi 0-punkti: options > No intercept ANOVA võimalused General Linear Models > Factorial ANOVA Jäägid: Factorial Anova > Resids > Residuals Juhuslikud ja fikseeritud faktorid: General Linear Models > Factorial ANOVA > Options > Tüüp III SS-id > Random factors (vali juhuslik faktor) Gruppide paarikaupa võrdlused: More results > Post-hoc > Tukey HSD

  8. Tüüp I vs III: options > I või III Mitmese regressiooni võimalused General Linear Models > Factorial regression Regressioonisirge läbi 0-punkti: options > No intercept ANOVA võimalused General Linear Models > Factorial ANOVA Jäägid:Factorial Anova > Resids > Residuals Juhuslikud ja fikseeritud faktorid: General Linear Models > Factorial ANOVA > Options > Tüüp III SS-id > Random factors (vali juhuslik faktor) Gruppide paarikaupa võrdlused: More results > Post-hoc > Tukey HSD

  9. uss 3 Korduvmõõtmistega ANOVA uss 2 1 4 2 4 3 3 uss uss 2 4 2 4 4 2 3 uss uss 2 4 3 4 4 2 seeme 3 uss 3 1 4 2 2 3 4 seeme seeme 3 1 1 3 1 3 4 seeme seeme 4 2 2 2 1 5 4 seeme 3 2 4 seeme 4 3 ANOVA > Repeated measures ANOVA Variables: vali sõltuvad ja grupeeriv tunnus Whithin effects: ... (korduvmõõtmiste arv) Andmestiku ülesehitus mitte nii:vaid nii: (iga rida on üks isend) parasiitide hulk (sõltuvad tunnused) jne ... ... ...

  10. Korduvmõõtmistega ANOVA ANOVA > Repeated measures ANOVA Variables: vali sõltuvad ja grupeeriv tunnus Whithin effects: ... (korduvmõõtmiste arv) All Effects:

  11. Korduvmõõtmistega ANOVA ANOVA > Repeated measures ANOVA All Effects/Graphs:

  12. Mittelineaarne seos Kumer seos x ja y vahel Pildile käib x mitte x2! Multiple regression: võta predictor-tunnusteks x ja x2 Options > Type I (vaata et x oleks tabelis x2-st eespool) Valemi saad: More results > Report > Print pred. Equation y=62,6+16,7x- 0,7x2

  13. Peakomponentanalüüs Multivariate exploratory techniques > Principal components > OK > Factor coordinates of cases (uued väärtused) > cases > save case statistics (peakomponent otse andmetabelisse) > variables > eigenvectors (sirge parameetrid)

  14. Poisson’i jaotus Jaotuse testimine: Statistics > Distribution fitting > Discrete distributions: Poisson *Väga väikese N puhul testimine mõttetu! *Dispersiooni saab “Descriptive Statistics” aknast Grupikeskmiste võrdlemine Poissoni jaotuse puhul: Advanced lin/nonlin. models > Generalizedlinear models > ANOVA (distribution: Poisson)

More Related