1 / 20

Approfondimenti sulla Regressione semplice e multipla in forma matriciale

Approfondimenti sulla Regressione semplice e multipla in forma matriciale. Matrici standardizzate Matrici di correlazione Sommatorie dei quadrati in Z R quadro in Z R quadro tra variabili indipendenti Errore standard dei beta in Z. Matrici standardizzate.

Download Presentation

Approfondimenti sulla Regressione semplice e multipla in forma matriciale

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. Approfondimenti sulla Regressione semplice e multipla in forma matriciale • Matrici standardizzate • Matrici di correlazione • Sommatorie dei quadrati in Z • R quadro in Z • R quadro tra variabili indipendenti • Errore standard dei beta in Z

  2. Matrici standardizzate La matrice X e la matrice y possono essere convertite in un punteggio standardizzato dividendo la deviazione di ciascun elemento dalla media per l’appropriata deviazione standard.

  3. Matrici standardizzate Nel nostro esempio avremo:

  4. Matrici standardizzate Con variabili standardizzate non è necessario inserire nella matrice Z la componente unitaria 1 poiché il parametro b0 è uguale a 0.

  5. Matrici standardizzate I coefficienti b standardizzati possono essere ottenuti a partire da quelli non standardizzati impiegando la formula: L’equazione della retta di regressione diventa:

  6. Matrici standardizzate Nel nostro esempio avremo:

  7. Matrici standardizzate Utilizzare matrici standardizzate permette di porre il parametro b0=0. Infatti, se le variabili sono standardizzate il valore di intercetta per Y è 0, poiché tutte le medie sono uguali a 0; Inoltre, essendo la correlazione tra due qualsiasi variabili standardizzate è: con i,j compresi tra 1 e k.

  8. Matrice di correlazione Se moltiplichiamo la matrice (Z’Z) per lo scalare [1/(n-1)] otteniamo la matrice di correlazione R tra le variabili indipendenti

  9. Matrice di correlazione Nel nostro esempio avremo:

  10. Correlazione Y con singoli predittori Allo stesso modo se la variabile Y è anch’essa standardizzatae moltiplichiamo il prodotto Z’Yzper lo scalare [1/(n-1)] otteniamo la matrice di correlazione ryidella variabile Y con i suoi predittori Xi.

  11. Correlazione Y con singoli predittori

  12. Correlazione Y con singoli predittori La soluzione del sistema di equazioni normali della retta porta alla seguente uguaglianza: I valori stimati potranno essere ottenuti impiegando l’equazione:

  13. Sommatorie dei quadrati Poiché con le variabili standardizzate abbiamo che: Partendo dalle formule generali è possibile avere le seguenti formule semplificate:

  14. Sommatorie dei quadrati

  15. Calcolo di R2y.123 Avendo scomposto la varianza nella componente dovuta alla regressione e nella componente dovuta ai residui, è immediato calcolare:

  16. Correlazione multipla tra le Xi.yz Se in generale la correlazione multipla al quadrato di una variabile indipendente Xicon le altre è: essa, in presenza di variabili standardizzate, diviene: dove l’elemento aii appartiene alla diagonale della matrice R-1.

  17. Correlazione multipla tra le Xi.yz Ad esempio la correlazione multipla al quadrato tra la prima variabile X1 e le altre due può essere calcolata nel seguente modo: Volendo adesso calcolare gli altri due coefficienti si dovrà procedere nel modo seguente:

  18. Errore standard dei bz L’errore standard dei parametri standardizzati è ottenibile dalla formula generale:

  19. Errore standard dei bz Si hanno ora a disposizione tutti gli elementi per testare la diversità dei singoli predittori da 0, ottenendo i medesimi risultati ottenuti con le variabili non standardizzate.

  20. Regressione semplice

More Related