bevezet s a korrel ci regresszi sz m t sba n.
Download
Skip this Video
Download Presentation
Bevezetés a Korreláció & Regressziószámításba

Loading in 2 Seconds...

play fullscreen
1 / 34

Bevezetés a Korreláció & Regressziószámításba - PowerPoint PPT Presentation


  • 104 Views
  • Uploaded on

Bevezetés a Korreláció & Regressziószámításba. Petrovics Petra Doktorandusz. Statisztikai kapcsolatok. A ss z oci áció – 2 minőségi/területi ismérv között Vegyes kapcsolat – minőségi/területi és egy mennyiségi ismérv között K orrel áció – mennyiségi ismérvek között.

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 'Bevezetés a Korreláció & Regressziószámításba' - penney


Download Now 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
statisztikai kapcsolatok
Statisztikai kapcsolatok
  • Asszociáció– 2 minőségi/területi ismérv között
  • Vegyes kapcsolat– minőségi/területi és egy mennyiségi ismérv között
  • Korreláció– mennyiségi ismérvek között
slide3
X (or X1, X2, … , Xp):

magyarázó változó(k), független változó(k)

  • Y: eredményváltozó, függő változó
  • Ok-okozati kapcsolat: X okozza Y változását
k orrel ci s mutat sz mok
Korrelációs mutatószámok
  • Kovariancia
    • értéke - és + közötti;
    • C = 0, amikor X és Y között nincs kapcsolat;
    • a kapcsolat irányát mutatja
    • nem mutatja a kapcsolat értékét!!!
2 korrel ci s egy tthat
2. Korrelációs együttható
  • A kapcsolat irányát mutatja
  • a kapcsolat erősségét is mutatja
  • 0 < r < 1  sztochasztikus kapcsolat

r = 0  X és Y függetlenek

r = -1  negatív☻

r = 1  pozitív ☺

  • Csak lineáris kapcsolat esetében használható!
  • r2 – determinációs együttható: %-os formában méri a kapcsolat erősségét – hány %-ban befolyásolja X az Y-t
3 rangkorrel ci s egy tthat
3. Rangkorrelációs együttható
  • Rangsorba rendezett adatok közötti kapcsolatot elemez
  • n = elemszám,

d = a rangszámok közötti különbség

  • Függvényszerű pozitív kapcsolat  = 1 

Inverz kapcsolat = -1 

Függetlenség = 0 

slide7

1. Feladat

File / Open / Employeedata.sav

Van kapcsolat a

- currentsalary és a

- beginningsalaryközött?

KORRELÁCIÓ

slide8
Analyze / Correlate / Bivariate…

r

Irányt és erősséget mutat

0  I r I0,3

 Gyenge kapcsolat

0,3  I r I 0,7

 Közepesen erős kapcsolat

0,7  I r I 1

 Erős kapcsolat

C

Csak irányt mutat!!!

+ -

2 feladat
2. Feladat

Van kapcsolat a:

  • current salary
  • previous experience (month)
  • month since hire
  • beginning salary

között?

Többváltozós KORRELÁCIÓ

slide11
Analyze / Correlate / Bivariate…

r

Irányt és erősséget mutat

0  I r I0,3

 Gyenge kapcsolat

0,3  I r I 0,7

 Közepesen erős kapcsolat

0,7  I r I 1

 Erős kapcsolat

C

Csak irányt mutat!!!

+ -

output
Output

Mátrix

Negatív irányú (inverz) kapcsolat

r

C

Negatív irányú (inverz) & gyenge kapcsolat

Pozitív irányú kapcsolat

Direkt (pozitív irányú) & erős kapcsolat

line ris regresszi s modell
Lineáris regressziós modell
  • X és Y közötti kapcsolatot ábrázoló egyenes.
  • Az Y függ:
    • x1, x2, …, xp – p db magyarázó változótól
      • A véletlen ingadozásától (ε)
      • β0, β1, …, βp regressziós együtthatóktól.

y = β0 + β1x + ε

ahol: y – függő vagy eredményváltozó

x – független vagy magyarázó változó

ε – véletlen hibatag

β0 – x=0 helyen

β1 – a függvény meredeksége

E (y)

β1

β 0

x

legkisebb n gyzetek m dszere
Legkisebb négyzetek módszere

y

ŷi = b0 + b1X i

Véletlen

x

slide15
A legkisebb négyzetek módszere becsült mutatói:

b0 - β0

b1 - β1

  • Regressziós egyenes

Ŷ = b0 + b1X

  • Kétváltozós normálegyenlet

Σy = nb0 + b1Σx

Σxy = b0Σx + b1Σx2

scatter diagram
Scatter diagram

Direkt kapcsolat

Pozitív kapcsolat

linear

nemlineáris

Inverz kapcsolat

Negatív kapcsolat

hatv nykitev s regresszi power
Hatványkitevős regresszió(Power)

Y = a  Xb

logY = loga + b  logX

↓ ↓ ↓

V = b0 + b1 ∙ x

b1 = b

b0 = lga

exponenci lis regresszi compound
Exponenciális regresszió(Compound)

Y = a  bx

logY = loga + logb  x

↓ ↓ ↓

V = b0 + b1 ∙ x

b1 = lgb

b0 = lga

2 feladat1
2. Feladat

File / Open / Employee data.sav

Milyen természetű a kapcsolat a fizetés és az életkor között? ?

 Új változó létrehozása!

slide21

Új változó: életkor = adott év – születési dátum (ÉV!) (date of birth)

Analyze / ComputeVariable…

This year

slide22

Analyze / Regression / CurveEstimation…

  • Lineáris
  • Compound
  • Power

Diagram

output1
Output

Lineáris

Compound

Power

Itt a legnagyobb az R2

slide24

Output View…

Melyik regresszió-függvény illeszkedik a legjobban?

  • Mi az oka a szóródásnak?
      • Nemek szerinti megoszlás /
      • Munkatípus szerinti megoszlás!
slide26
Nemek szerint csoportosítva

Általánosságban véve a férfiak fizetése magasabb, de a szórás itt nagyon magas.

slide28
A 3 munkakategóriát elkülönítve  Data / Split File...

Graphs / Scatter/Dot… / Simple

fit line
Fit line…

Output View: Dupla kattintás az ábrába – Chart Editor

Elements / Fit Line at Total

(„Csúsztatott”)

slide30

A hivatalnokok esetében a regressziófüggvény csökken, a többi esetben nő.

MIÉRT?

(A hivatalnokok fizetése teljesítmény alapú.)

regresszi
Regresszió

Analyze / Regression / Linear…

slide32

Korrigált többszörös determinációs együttható

Többszörös korrelációs együttható

Többszörös determinációs együttható

Összehasonlíthatóvá teszi a többszörös determinációs együtthatót a sokaságon belül. Kiszűri a különböző nagyságú mintákból eredő, különböző függő változó számú, különböző elemszámú (n) és független változó számú (p) sokaságokból eredő hibákat.

Az összes változónak a függő változóra gyakorolt hatását fejezi ki

Megmutatja, hogy a függő változó hány %-át határozza meg az összes független változó együttvéve.

A függő változót (current salary) 2,1%-ban határozza meg ez a regressziós modell.

Gyenge kapcsolat

slide33

b0

b1

Minden szignifikanciaszinten elfogadható a modell.

Regresszió egyenes: ŷ = b0 + b1X

b0:X = 0 helyen mennyi az Y.

 Ha 0 évesek a dolgozók, akkor a keresetük 41543,805$. (Nincs értelme.)

b1: ha az X 1 egységgel nő, mennyivel változik az Y.

 Ha a dolgozók életkora 1 évvel nőne, a fizetésük 211,609$-ral csökkenne.