Eesmärgiks on teada saada, kas kahe uuritava tunnuse vahel on usaldusväärne seos ja kui on, siis kui tugev see seos on. Regressioonanalüüsi tulemused on esitatud tabelis 6. Tabel 6. Regressioonanalüüsi tulemused Regressioonanalüüs Katseala 1 2 3 1. Lineaarne korrelatsioonikoefitsient ( r ) 0,66 0,66 0,73 2. Korrelatsioonikoefitsiendi viga (mr) 0,11 0,11 0,10 3. Korrelatsioonikoefitsiendi usalduskriteerium (tr) 6,11 6,15 7,36 4. Korrelatsioonikoefitsiendi usalduse piirväärtus (Δ) 0,22 0,22 0,20 0,425 0,426 0,426 5. Regressioonikoefitsient (b) 0 9 4 Regressioonivõrrandid katsealadele tulid järgnevalt: 1
saaks kasutada)? mille abil 18. saab uurida Regress kahe rasterkihi ja peakomponentide analüüsomavahelist PCA (Principallineaarseost. Moodul arvutab välja nii component analysis) korrelatsioonikoefitsiendi Regress kui tekitab ka graafiku. Mooduli REGRESS abil on siiski kogu kosmosepildi infosisaldusest, kus on palju kanaleid, ülevaate saamiseks veidi kohmaks. Tuleb ju kõik kanalite paarid eraldi läbi testida. Seetõttu sobib siinkohalkasutada meetodit, mis võimaldab hinnata niinimetatud peakomponente, mis on hästi tuntud statistika aines. Protseduuri käigus väljastatakse ka korrelatsioonimaatriks ning tekivad
funktsionaalse seose sarnasusastet. Korrelatiivne seos on seda rangem, mida enam see läheneb funktsionaalsele seosele, s.t. seos on seda rangem, mida vähem on kõrvutatavate suuruste arvväärtusi diagrammiväljal kujutavad punktid hajutatud ehk mida lähemal paiknevad need seose kuju ja suunda iseloomustavale teoreetilisele joonele. Seose ranguse hindamiseks kasutatakse korrelatsioonikordajat või korrelatsiooniindeksit. Korrelatsioonikoefitsiendi väärtused on -1 ja 1 vahel Kui r = -1, siis on tegemist kahaneva funktsionaalse seosega kahe suuruse vahel. Kui r =1, siis kasvava funktsionaalse seosega suuruste vahel. Ülejäänud r väärtuste korral sõltub üks tunnustest teisest korrelatiivselt, juhul kui r pole null. Kui r =0, siis eksisteerib kolm võimalust a) üks tunnus sõltub teisest funktsionaalselt, kuid mitte korrelatiivselt (vaatluspunktid horisontaalsirgel);
funktsionaalse seose sarnasusastet. Korrelatiivne seos on seda rangem, mida enam see läheneb funktsionaalsele seosele, s.t. seos on seda rangem, mida vähem on kõrvutatavate suuruste arvväärtusi diagrammiväljal kujutavad punktid hajutatud ehk mida lähemal paiknevad need seose kuju ja suunda iseloomustavale teoreetilisele joonele. Seose ranguse hindamiseks kasutatakse korrelatsioonikordajat või korrelatsiooniindeksit. Korrelatsioonikoefitsiendi väärtused on -1 ja 1 vahel Kui r = -1, siis on tegemist kahaneva funktsionaalse seosega kahe suuruse vahel. Kui r =1, siis kasvava funktsionaalse seosega suuruste vahel. Ülejäänud r väärtuste korral sõltub üks tunnustest teisest korrelatiivselt, juhul kui r pole null. Kui r =0, siis eksisteerib kolm võimalust a) üks tunnus sõltub teisest funktsionaalselt, kuid mitte korrelatiivselt (vaatluspunktid horisontaalsirgel);
x determinatsioonikoefitsientide hindamine Determinatsioonikordaja iseloomustab mudeli headust. Lineaarse korrelatsioonikordaja väärtus võrdub ruutjuurega determinatsioonikordajast. Determinatsioonikordaja näitab argumendi X võimet kirjeldada uuritava suuruse Y hajuvust. x korrelatsioonikoefitsientide statistilise olulisuse kontroll (Studenti t-kriteerium, Fisheri F-kriteerium, korrelatsioonikoefitsiendi kriitilise väärtuse leidmine) ja usaldusintervallide arvutamine x osakorrelatsiooni uurimine (teguri puhasmõju) x multikollineaarsuse kontroll ja vähendamise võimalused (mudeli sõltumatute liikmete vahel on kollineaarne seos palk ja sissetulek) x ajanihke (viitaja) mõju selgitamine (teguri mõju avaldub hiljem) x regressioonimudelisse lülitatavate tegurite valimine. 5
Riikide grupeerumine kinnisvaraindeksi järgi perioodil 2005-2013. Allikas: autori koostatud statistikaprogrammis SPSS. Esimese grupi moodustavad Eesti, Iirimaa, Leedu ja Läti. Antud nelja riigi puhul avaldub klasteranalüüsi tulemusena suurim sarnasus Eesti ja Iirimaa vahel, järgmisena liitub Leedu ning viimasena lisandub gruppi Läti. Korrelatsioonanalüüsi tulemusena on Eesti ja Iirimaa korrelatsioonikoefitsient 0,61, Eesti ja Leedu korrelatsioonikoefitsient 0,85 ning Eesti ja Läti korrelatsioonikoefitsiendi väärtuseks on 0,93 (vt Lisa 3). Sellised korrelatsioonid viitavad, et riikide kinnisvaraturu muutuste vahel on oluline sarnasus. Teine suurem klaster moodustus ülejäänud riikidest. Eristuvad vaid Slovakkia ning Taani, mille kinnisvaraturu dünaamika on teistest riikidest mõnevõrra erinev, mida on näha ka klastrite moodustumist illustreerival dendrogrammil. Teise klastrisse on valitud näidetena Saksamaa, Prantsusmaa, suurbritannia ja Soome. Nende riikide kinnisvaraturu
annaabi.ee 
