ANALIZA KORELACJI LINIOWEJ PEARSONA / REGRESJA LINIOWA

Slides:



Advertisements
Podobne prezentacje
Badania statystyczne Wykłady 1-2 © Leszek Smolarek.
Advertisements

Excel Narzędzia do analizy regresji
KORELACJA I REGRESJA WIELOWYMIAROWA
BADANIE KORELACJI ZMIENNYCH
Krzywe kalibracyjne Anna Kolczyk gr. B2.
Układy eksperymentalne analizy wariancji. Analiza wariancji Planowanie eksperymentu Analiza jednoczynnikowa, p poziomów czynnika, dla każdego obiektu.
Analiza współzależności zjawisk
ISTOTA KORELACJI I REGRESJI
Metody analizy współzależności cech (zmiennych)
Skale pomiarowe – BARDZO WAŻNE
BUDOWA MODELU EKONOMETRYCZNEGO
Elementy Modelowania Matematycznego
Analiza współzależności
ANALIZA STRUKTURY SZEREGU NA PODSTAWIE MIAR STATYSTYCZNYCH
Analiza współzależności
Statystyka w doświadczalnictwie
Uogólniony model liniowy
Dzisiaj na wykładzie Regresja wieloraka – podstawy i założenia
BIOSTATYSTYKA I METODY DOKUMENTACJI
Mgr Sebastian Mucha Schemat doświadczenia:
Analiza korelacji.
Wykład 14 Liniowa regresja
Prognozowanie na podstawie szeregów czasowych
Prognozowanie na podstawie szeregów czasowych
Program przedmiotu “Metody statystyczne w chemii”
Elżbieta Fuszara, Maciej Fuszara PAN Centrum Badań Ekologicznych
Korelacje, regresja liniowa
Próby niezależne versus próby zależne
Analiza współzależności dwóch zjawisk
Metody Symulacyjne w Telekomunikacji (MEST) Wykład 6/7: Analiza statystyczna wyników symulacyjnych  Dr inż. Halina Tarasiuk
Korelacja, autokorelacja, kowariancja, trendy
Dlaczego obserwujemy??? istotny wpływ, istotną różnicę, istotną zależność.
Analiza współzależności cech statystycznych
dr hab. Ryszard Walkowiak prof. nadzw.
Współczynnik: Pearsona, Spearmana, Czuprowa
Rozkłady wywodzące się z rozkładu normalnego standardowego
Testy nieparametryczne
KARTY KONTROLNE PRZY OCENIE LICZBOWEJ
Irena Woroniecka EKONOMIA MENEDŻERSKA - dodatek do W2
Kilka wybranych uzupelnień
Podstawy statystyki, cz. II
Statystyka - to „nie boli”
Planowanie badań i analiza wyników
Porównywanie średnich 2 i więcej prób o rozkładach innych niż normalny
Regresja wieloraka.
Metody analizy współzależności dwóch cech Mieczysław Kowerski
Statystyka medyczna Piotr Kozłowski
Program przedmiotu “Opracowywanie danych w chemii” 1.Wprowadzenie: przegląd rodzajów danych oraz metod ich opracowywania. 2.Podstawowe pojęcia rachunku.
Analiza szeregów czasowych
Regresja liniowa. Dlaczego regresja? Regresja zastosowanie Dopasowanie modelu do danych Na podstawie modelu, przewidujemy wartość zmiennej zależnej na.
Statystyczna analiza danych
Korelacje dwóch zmiennych. Korelacje Kowariancja.
Ekonometria stosowana Heteroskedastyczność składnika losowego Piotr Ciżkowicz Katedra Międzynarodowych Studiów Porównawczych.
Treść dzisiejszego wykładu l Wprowadzenie do ekonometrii. l Model ekonomiczny i ekonometryczny. l Klasyfikacja modeli ekonometrycznych. l Klasyfikacja.
Statystyka medyczna Piotr Kozłowski www: 1.
STATYSTYKA – kurs podstawowy wykład 11
Treść dzisiejszego wykładu l Metoda Najmniejszych Kwadratów (MNK) l Współczynnik determinacji l Koincydencja l Kataliza l Współliniowość zmiennych.
KORELACJA I REGRESJA WIELOWYMIAROWA
Regresja wieloraka – służy do ilościowego ujęcia związków między wieloma zmiennymi niezależnymi (objaśniającymi) a zmienną zależną (objaśnianą) Regresja.
Regresja wieloraka – bada wpływ wielu zmiennych objaśniających (niezależnych) na jedną zmienną objaśnianą (zależą)
Jednorównaniowy model regresji liniowej
Metody klasyfikacyjne
PODSTAWY STATYSTYKI Wykład udostępniony przez dr hab. Jana Gajewskiego
Analiza współzależności zjawisk
MIARY STATYSTYCZNE Warunki egzaminu.
KORELACJA WIELOKROTNA I CZĄSTKOWA
Analiza kanoniczna - stanowi uogólnienie liniowej regresji wielorakiej na dwa zbiory zmiennych tzn. dla zmiennych zależnych i niezależnych. Pozwala badać.
Korelacja i regresja liniowa
Analiza głównych składowych PCA
Analiza korelacji i regresji Zmienne jakościowe
Zapis prezentacji:

ANALIZA KORELACJI LINIOWEJ PEARSONA / REGRESJA LINIOWA Brak liniowości zależności? przekształcenie log(x+1) Ogranicza ono rozrzut zmiennych, eliminuje wpływ wartości dominujących, błędów pomiarowych

ANALIZA KORELACJI Korelacja liniowa Pearsona: gdy zmienne mają rozkład normalny ORAZ gdy wykresy rozrzutu pokazują liniowy charakter zależności Korelacje nieparametryczne: gdy zmienne nie mają rozkładu normalnego ORAZ/LUB gdy wykresy rozrzutu pokazują nieliniowy charakter zależności

KORELACJE NIEPARAMETRYCZNE R Spearmana Tau Kendalla Gamma

KORELACJE NIEPARAMETRYCZNE R Spearmana: zakłada się, że rozważane zmienne zostały zmierzone co najmniej na skali porządkowej (rangowej), tzn. że indywidualne obserwacje mogą być zestawione w dwóch uporządkowanych szeregach. Można go traktować podobnie jak współczynnik korelacji liniowej Pearsona , tj. w kategoriach procentu wyjaśnianej zmienności.

KORELACJE NIEPARAMETRYCZNE R Spearmana: R= …….. p<0,05 korelacja jest statystycznie istotna p>=0,05 brak korelacji