Κατέβασμα παρουσίασης
Η παρουσίαση φορτώνεται. Παρακαλείστε να περιμένετε
1
Πολυπαραγοντική γραμμική εξάρτηση
2
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.
3
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).
4
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).
5
Γραμμικό Μοντέλο
6
Γραμμικό Μοντέλο
7
Διαστήματα εμπιστοσύνης και διαστήματα πρόβλεψης
8
Κατάλοιπα-Απλό Γραμμικό Μοντέλο
9
Παραδοχές
10
Παραδοχές (1)- Γραμμική σχέση
Γραμμική σχέση μεταξύ εξαρτημένης και ανεξάρτητης ποσοτικής μεταβλητής Διάγραμμα διασποράς (scatter plot) Μετασχηματισμός ανεξάρτητης μεταβλητής (logx, x2, 1/x)
11
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)
12
Παραδοχές(3)- Σταθερή διακύμανση καταλοίπων
Διάγραμμα διασποράς μεταξύ κατάλοιπων και ανεξάρτητων μεταβλητών (τυχαία διασπορά των τιμών)
13
Παραδοχές(4)-Να μην υπάρχει πολυσυγγραμμικότητα
14
SPSS hospital.stay=22.44 + 14.31*Smoke + 16.09*Asbestos
1. Μοντέλο χωρίς όρο αλληλεπίδρασης hospital.stay= *Smoke *Asbestos 2. Μοντέλο με όρο αλληλεπίδρασης hospital.stay= *Smoke *Asbestos *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= *1=37.08 Επίδραση καπνίσματος: = 14.96 Στους εκτιθέμενους στον αμίαντο: Smoke=0 Asbestos=1 hospital.stay= *1=38.86 Smoke=1 Asbestos=1 hospital.stay= * * =52.51 Επίδραση καπνίσματος: = 13.65 p-value of the interaction =0.142 > 0.05
15
SPSS hospital.stay=18.36 + 22.46*Smoke + 24.25*Asbestos
1. Μοντέλο χωρίς όρο αλληλεπίδρασης hospital.stay= *Smoke *Asbestos 2. Μοντέλο με όρο αλληλεπίδρασης hospital.stay= *Smoke *Asbestos *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= *1=37.08 Επίδραση καπνίσματος: = 14.96 Στους εκτιθέμενους στον αμίαντο: Smoke=0 Asbestos=1 hospital.stay= *1=38.86 Smoke=1 Asbestos=1 hospital.stay= * * *1=68.83 Επίδραση καπνίσματος : = 29.97 p-value of the interaction <0.001
16
SPSS Χωριστές αναλύσεις- εξισώσεις
hospital.stay= *Smoke *Asbestos *Smoke*Asbestos Στους μη εκτιθέμενους στον αμίαντο (asbestos=0): hospital.stay= *Smoke * *Smoke*0= = *Smoke Στους εκτιθέμενους στον αμίαντο (asbestos=1): hospital.stay= *Smoke * *Smoke*1 = ( ) + ( )*Smoke = *Smoke
Παρόμοιες παρουσιάσεις
© 2024 SlidePlayer.gr Inc.
All rights reserved.