Πολυπαραγοντική γραμμική εξάρτηση

Slides:



Advertisements
Παρόμοιες παρουσιάσεις
Applied Econometrics Second edition
Advertisements

Slide 1 Πολυμεταβλητή ανάλυση διακύμανσης (MANOVA) Γιώργος Σπανούδης Τμήμα Ψυχολογίας.
Προβλέψεις με τη χρήση προτύπων γραμμικής παλινδρόμησης και συσχέτισης
Πιθανότητες & Τυχαία Σήματα
Γεώργιος Σιδερίδης Πανεπιστήμιο Κρήτης
Άλλες Στατιστικές Παλινδρόμησης
ΠΕΡΙΓΡΑΦΗ ΚΑΙ ΑΝΑΛΥΣΗ ΔΕΔΟΜΕΝΩΝ
Applied Econometrics Second edition
Ανάλυση Πολλαπλής Παλινδρόμησης
Πιθανότητες & Τυχαία Σήματα Συσχέτιση
Γεώργιος Σιδερίδης Πανεπιστήμιο Κρήτης
Πώς πάω από την αριστερή εικόνα (πρόβλημα) στη δεξιά (μοντέλο);
Ανάλυση Πολλαπλής Παλινδρόμησης
Μπουντζιούκα Βασιλική, MSc Βιοστατιστικός Εξωτ. Συνεργάτης ΕΣΔΥ
Ανάλυση Πολλαπλής Παλινδρόμησης
Ανάλυση Παλινδρόμησης με Δεδομένα Χρονολογικών Σειρών
Επίλυση Προβλημάτων με Η/Υ
ΚΕΦΑΛΑΙΟ 5 ΧΩΡΙΚΗ ΔΕΙΓΜΑΤΟΛΗΨΙΑ
ΚΕΦΑΛΑΙΟ 5 ΧΩΡΙΚΗ ΔΕΙΓΜΑΤΟΛΗΨΙΑ
Στατιστική IΙ (ΨΥΧ-122) Διάλεξη 3 Απλή γραμμική παλινδρόμηση
Περιστροφή γύρω σημείο Ο κατά γωνία φ στο πεδίο Χ,Υ
Εφαρμοσμένη ιατρική στατιστική μεθοδολογία
Στατιστική IΙ (ΨΥΧ-122) Διάλεξη 4 Πολλαπλή γραμμική παλινδρόμηση
ΚΕΦΑΛΑΙΟ 10 ΠΑΛΙΝΔΡΟΜΗΣΗ
Μπεττίνα Χάιδιτς Τρίτος παράγοντας ΈκθεσηΈκβαση ? Συγχυτικός παράγοντας Τροποποιητικός παράγοντας.
Μπεττίνα Χάιδιτς Επικ. Καθηγήτρια Υγιεινής-Ιατρικής Στατιστικής Εργαστήριο Υγιεινής
Μπεττίνα Χάιδιτς Επίκουρη Καθηγήτρια Υγιεινής-Ιατρικής Στατιστικής 1.
Πηγή: Βιοστατιστική [Β.Γ. Σταυρινός, Δ.Β. Παναγιωτάκος]
ΠΕΡΙΓΡΑΦΙΚΗ ΣΤΑΤΙΣΤΙΚΗ
Ποσοτική Ανάλυση Κειμένου
ΤΜΗΜΑ ΕΠΙΧΕΙΡΗΜΑΤΙΚΟΥ ΣΧΕΔΙΑΣΜΟΥ & ΠΛΗΡΟΦΟΡΙΑΚΩΝ ΣΥΣΤΗΜΑΤΩΝ ΟΙΚΟΝΟΜΕΤΡΙΚΑ ΠΡΟΤΥΠΑ ΜΑΘΗΜΑ ΠΡΩΤΟ ΘΕΩΡΙΑΣ - ΑΠΛΟ ΓΡΑΜΜΙΚΟ ΥΠΟΔΕΙΓΜΑ Δρ. Κουνετάς Η Κωνσταντίνος.
Εισαγωγή στη διαχείριση χαρτοφυλακίου Ως επενδυτικό χαρτοφυλάκιο ορίζουμε Μ ια περιουσία που αποτελείται από μία ή περισσότερες κατηγορίες επενδυτικών.
ΕΝΝΟΙΕΣ ΣΤΑΤΙΣΤΙΚΗΣ Γ. Σιδερίδης. ΕΝΝΟΙΕΣ ΣΤΑΤΙΣΤΙΚΗΣ- ΜΕΘΟΔΟΛΟΓΙΑΣ Η στατιστική ως επιστήμη.....γιατί ακριβώς τη χρειαζόμαστε; Η στατιστική ως επιστήμη.....γιατί.
ΒΑΣΙΚΑ ΟΙΚΟΝΟΜΙΚΑ ΜΕΓΕΘΗ – ΑΝΑΛΥΣΗ ΝΕΚΡΟΥ ΣΗΜΕΙΟΥ Γ. Καμπουρίδης 9/26/ Βασικά Οικονομικά Μεγέθη - Ανάλυση Νεκρού Σημείου.
Γραμμική Συσχέτιση, Απλή και Πολλαπλή Γραμμική Παλινδρόμηση (Εργαστήριο Σχολής Κοινωνικών Επιστημών)
Οικονομετρία Οικονομετρία ποσοτικοποιεί τις σχέσεις μεταξύ μεταβλητών με βάση και αιτιολόγηση τη σχετική οικονομική θεωρία έχει στόχο – όχι μόνο την.
ΤΕΙ Αθήνας: Σχολή ΤΕΦ: Τμήμα Ναυπηγικής Εφαρμογές Η/Υ στην Ναυπηγική ΙΙ ΚΩΔΙΚΟΣ ΜΑΘΗΜΑΤΟΣ NA0703C39 Εξάμηνο Ζ’ Διδάσκων Κωνσταντίνος Β. Κώστας Παρουσίαση.
Βιοστατιστική (Θ) Ενότητα 8: Συσχέτιση - Παλινδρόμηση Δρ.Ευσταθία Παπαγεωργίου, Αναπληρώτρια Καθηγήτρια Τμήμα Φυσικοθεραπείας Ανοικτά Ακαδημαϊκά Μαθήματα.
ΠΕΡΙΓΡΑΦΙΚΗ ΣΤΑΤΙΣΤΙΚΗ ΠΙΝΑΚΕΣ ΚΑΙ ΔΙΑΓΡΑΜΜΑΤΑ Πηγή: Βιοστατιστική [Σταυρινός / Παναγιωτάκος] Βιοστατιστική [Τριχόπουλος / Τζώνου / Κατσουγιάννη]
Απλή Γραμμική Παλινδρόμηση & Συσχέτιση
ΧΡΟΝΟΣΕΙΡΕΣ.
Συντελεστής συσχέτισης
Συσχέτιση 1/6 Συντελεστής Συσχέτισης Pearson
Χειρισμός Χρόνου και Μεθοδολογίες Προσομοίωσης
Συσχέτιση 1/6 Συντελεστής Συσχέτισης Pearson
ΓΡΑΜΜΙΚΑ ΜΟΝΤΕΛΑ 1η Διάλεξη
Εισαγωγή στην Στατιστική
Μέθοδος ελαχίστων τετραγώνων – Μεθοδολογία παλινδρόμησης
ΤΕΙ ΔΥΤΙΚΗΣ ΜΑΚΕΔΟΝΙΑΣ ΜΠΣ Τραπεζικής & Χρηματοοικονομικής
Μεθοδολογία των Επιστημών του Ανθρώπου: Στατιστική
Πού χρησιμοποιείται ο συντελεστής συσχέτισης (r) pearson
Πολυσυγγραμμικότητα Εξειδίκευση
Ανάλυση επιβίωσης Μπεττίνα Χάιδιτς
Σχεδιασμός των Μεταφορών
ΕπεξεργασΙα και ΑξιολΟγηση ΠειραματικΩν ΔεδομΕνων
Σχέση μεταξύ δυο ποσοτικών μεταβλητών & Μονοπαραγοντική γραμμική εξάρτηση 2017.
Επαγωγική Στατιστική Συσχέτιση – Συντελεστής συσχέτισης Χαράλαμπος Γναρδέλλης Τμήμα Τεχνολογίας Αλιείας και Υδατοκαλλιεργειών.
Απλή γραμμική παλινδρόμηση
Τμήμα Λογιστικής & Χρηματοοικονομικής
ΤΕΙ ΔΥΤΙΚΗΣ ΜΑΚΕΔΟΝΙΑΣ Τμήμα Λογιστικής και Χρηματοοικονομικής
ΑΝΑΛΥΣΗ ΠΑΛΙΝΔΡΟΜΗΣΗΣ (ΜΕΡΟΣ Γ’)
ΤΕΙ ΔΥΤΙΚΗΣ ΜΑΚΕΔΟΝΙΑΣ ΜΠΣ Τραπεζικής & Χρηματοοικονομικής
Εισαγωγή στη Συγκριτική Πολιτική
Μέθοδοι Έρευνας Στις Επιχειρήσεις και την Οικονομία
Ορισμός Με τον όρο Χρονοσειρές εννοούμε μια σειρά από παρατηρήσεις που παίρνονται σε ορισμένες χρονικές στιγμές ή περιόδους που ισαπέχουν μεταξύ τους.
Τ. Ε. Ι. Αθήνας Τμήμα Ιατρικών Εργαστηρίων ΒΙΟΣΤΑΤΙΣΤΙΚΗ
Μεθοδολογία Έρευνας Διάλεξη 9η: Ανάλυση Ποσοτικών Δεδομένων
يئΎصحإ΍ ليϠحتل΍ يف ΔصصΨتϤل΍ ΔيΒيέΪتل΍ ΓέϭΪل΍ عϤجتϤل΍ ΔيϠك ΏΎحέ يف ΕΪقع جمΎنήب ϡ΍ΪΨتسΎب (SPSS) ήيمأ΍ ΪϬعم ΎϬϤظن يتل΍ϭ ،ΔعمΎجلΎب سيέΪتل΍ ΔΌيه.
Επαγωγική Στατιστική Συσχέτιση – Συντελεστές συσχέτισης Χαράλαμπος Γναρδέλλης Εφαρμογές Πληροφορικής στην Αλιεία και τις Υδατοκαλλιέργειες.
Επαγωγική Στατιστική Γραμμική παλινδρόμηση-Linear Regression Χαράλαμπος Γναρδέλλης Εφαρμογές Πληροφορικής στην Αλιεία και τις Υδατοκαλλιέργειες.
Μεταγράφημα παρουσίασης:

Πολυπαραγοντική γραμμική εξάρτηση 31-03-2016

Η γενική ιδέα Η μελέτη της επίδρασης δύο ή περισσότερων ανεξάρτητων μεταβλητών στις τιμές μιας εξαρτημένης μεταβλητής. Παράδειγμα: Η επίδραση της ηλικίας (Χ1) και της ημερήσιας κατανάλωσης νατρίου (Χ2) μιας ομάδας ανθρώπων στην συστολική πίεση του αίματος (Υ) αυτής της ομάδας.

Η γραμμική παλινδρόμηση χρησιμοποιείται για: Την πρόβλεψη μιας εξαρτημένης μεταβλητής χρησιμοποιώντας τις τιμές μίας ή περισσοτέρων ανεξάρτητων μεταβλητών. Να εξηγήσει την επίδραση των αλλαγών της ανεξάρτητης μεταβλητής στην εξαρτημένη μεταβλητή Εξαρτημένη μεταβλητή: Η μεταβλητή που ενδιαφερόμαστε να εξηγήσουμε (συνεχής). Ανεξάρτητη μεταβλητή: Η μεταβλητή που χρησιμοποιείται για να εξηγήσει την εξαρτημένη (συνεχείς ή κατηγορικές).

Γραφική απεικόνιση της παλινδρόμησης Στην απλή γραμμική παλινδρόμηση (μια ανεξάρτητη μεταβλητή) προσαρμόζεται στα δεδομένα μια ευθεία γραμμή (2D-χώρος). Στην πολλαπλή παλινδρόμηση με δύο ανεξάρτητες μεταβλητές προσαρμόζεται ένα επίπεδο παλινδρόμησης (3D-χώρος).

Γραμμικό Μοντέλο

Γραμμικό Μοντέλο

Διαστήματα εμπιστοσύνης και διαστήματα πρόβλεψης

Κατάλοιπα-Απλό Γραμμικό Μοντέλο

Παραδοχές

Παραδοχές (1)- Γραμμική σχέση Γραμμική σχέση μεταξύ εξαρτημένης και ανεξάρτητης ποσοτικής μεταβλητής Διάγραμμα διασποράς (scatter plot) Μετασχηματισμός ανεξάρτητης μεταβλητής (logx, x2, 1/x)

Παραδοχές(2)- Κατάλοιπα (residuals, e = y –ŷ ) Κατάλοιπα να είναι ανεξάρτητα μεταξύ τους και από τις άλλες ανεξάρτητες μεταβλητές Τα κατάλοιπα να κατανέμονται κανονικά (μέση τιμή=0)

Παραδοχές(3)- Σταθερή διακύμανση καταλοίπων Διάγραμμα διασποράς μεταξύ κατάλοιπων και ανεξάρτητων μεταβλητών (τυχαία διασπορά των τιμών)

Παραδοχές(4)-Να μην υπάρχει πολυσυγγραμμικότητα

SPSS hospital.stay=22.44 + 14.31*Smoke + 16.09*Asbestos 1. Μοντέλο χωρίς όρο αλληλεπίδρασης hospital.stay=22.44 + 14.31*Smoke + 16.09*Asbestos 2. Μοντέλο με όρο αλληλεπίδρασης hospital.stay=22.12 + 14.96*Smoke + 16.74*Asbestos - 1.317*Smoke*Asbestos Στους μη εκτιθέμενους στον αμίαντο: Δεν υπάρχει σημαντική διαφοροποίηση της επίδρασης του καπνίσματος! Smoke=0 Asbestos=0 hospital.stay=22.12 Smoke=1 Asbestos=0 hospital.stay=22.12+14.96*1=37.08 Επίδραση καπνίσματος: 37.08-22.12= 14.96 Στους εκτιθέμενους στον αμίαντο: Smoke=0 Asbestos=1 hospital.stay=22.12+16.74*1=38.86 Smoke=1 Asbestos=1 hospital.stay=22.12+14.96*1+16.74*1 -1.317=52.51 Επίδραση καπνίσματος: 52.51-38.86= 13.65 p-value of the interaction =0.142 > 0.05

SPSS hospital.stay=18.36 + 22.46*Smoke + 24.25*Asbestos 1. Μοντέλο χωρίς όρο αλληλεπίδρασης hospital.stay=18.36 + 22.46*Smoke + 24.25*Asbestos 2. Μοντέλο με όρο αλληλεπίδρασης hospital.stay= 22.12 + 14.96*Smoke + 16.74*Asbestos + 15.007*Smoke*Asbestos Στους μη εκτιθέμενους στον αμίαντο: Υπάρχει σημαντική διαφοροποίηση της επίδρασης του καπνίσματος! Smoke=0 Asbestos=0 hospital.stay=22.12 Smoke=1 Asbestos=0 hospital.stay=22.12+14.96*1=37.08 Επίδραση καπνίσματος: 37.08-22.12= 14.96 Στους εκτιθέμενους στον αμίαντο: Smoke=0 Asbestos=1 hospital.stay=22.12+16.74*1=38.86 Smoke=1 Asbestos=1 hospital.stay=22.12+14.96*1+16.74*1 +15.007*1=68.83 Επίδραση καπνίσματος : 68.83-38.86= 29.97 p-value of the interaction <0.001

SPSS Χωριστές αναλύσεις- εξισώσεις hospital.stay= 22.12 + 14.96*Smoke + 16.74*Asbestos + 15.007*Smoke*Asbestos Στους μη εκτιθέμενους στον αμίαντο (asbestos=0): hospital.stay= 22.12 + 14.96*Smoke + 16.74*0 + 15.007*Smoke*0= = 22.12 + 14.96*Smoke Στους εκτιθέμενους στον αμίαντο (asbestos=1): hospital.stay= 22.12 + 14.96*Smoke + 16.74*1 + 15.007*Smoke*1 = (22.12 + 16.74) + (14.96+ 15.007)*Smoke = 38.86 + 29.967*Smoke