005) Y – küsitletu tarbimine eurodes, X – küsitletu sissetulekeurodes, D - küsitletu sugu ( D = 1, kui mees ning D = 0, kui naine). Statistiliselt olulised on muutujatele ln( X ) ja D ln X vastavad parameetrid. Lahendus. Kirjutame mudeli välja naiste ja meeste jaoks eraldi: Naised (D=0): ln(Yi ) 2 0.93 ln( X i ) Mehed (D=1) ln(Yi ) 2 0.93 ln( X i ) 0.02 ln( X i ) Kui sõltuv ja sõltumatu muutuja on mudelis logaritmitud kujul, siis regressioonimudeli kordaja näitab sõltuva muutuja elastsust sõltumatu muutuja suhtes. Seega kui mudel on kujul Y / Y ln(Y ) B0 B1 ln( X ) , siis B1 ning B1 näitab, mitu % muutub Y, kui X muutub 1 X / X % võrra. Seega 0.93 näitab, milline on keskmine tarbimise elastsus naistel ning -0.02 näitab tarbimiselastsuse erinevust meestel võrreldes naistega (ehk 0
Multikollineaarsuse testimine OLSi menüü Tests –> Collinearity 6. Heteroskedastiivsuse kontrollimine Heteroskedastiivsuse kontrollimiseks kasutada OLS-i menüüd Tests ja avanevast rippmenüüst valida White’s test või muu huvipakkuv test ja anda hinnang regressioonijääkide varieeruvuse konstantuse kohta (kas esineb heteroskedastiivsus või ei esine, vaata labortunni tööd otsuse tegemiseks). 7. Erikujuliste regressioonimudelite konstrueerimine Erikujulisis (logaritmitud muutujaid) saab konstrueerida põhimenüüst valides Add –> Logs of Selected Variables. Valida muudetav (aktiveerida) muutuja ja minna Add –> Logs of Selected Variables ning valitud muutuja on logaritmilisel kujul. Regressiooni teostamine logaritmiliste muutujate on analoogiline lineaarsete (algandmete) regressiooniga. 8. File -> Save data Salvestatakse vaid andmed, EI SALVESTATA läbiviidud analüüside aruandeid ega diagramme. Salvestatakse gretl
..........................................14 VIIDATUD ALLIKAD.............................................................................................................16 LISAD.......................................................................................................................................17 Lisa 1. Sõltuva ja sõltumatu tunnuse vaheliste seoste graafikud..........................................17 Lisa 2. Sõltuva ja sõltumatu tunnuse vaheliste seoste graafikud logaritmitud muutujate korral.....................................................................................................................................19 Lisa 3. Analüüsis kasutatud andmed.....................................................................................20 Lisa 3 järg..............................................................................................................................21 Lisa 4. Kirjeldav statistika.......................................
Astmefunktsioon Y=a0*Xa1*e ei ole lineaarne muutujate suhtes. Regressioonimudeli parameetrite hindamiseks kasutatakse lineariseerimist (võrrandi mõlemad pooled logaritmitakse) lnY=lna0+a1lnX Nüüd on mudel lineaarne parameetrite suhtes ja lineaarne ka muutujate Y ja X logaritmide suhtes. Log-log või log-lineaarne mudel Kui astmefunktsiooni mudel on teisendatud logaritmilisele kujule lnY=c0+a1*lnX+e siis nim sellist mudelit log-log mudeliks, kuna nii sõltuv kui sõltumatu muutuja on logaritmitud kujul. Ning log-lineaarseks mudeliks, kuna sellises mudelis on muutujad logaritmitud kujul, mudel on aga parameetrite suhtes lineaarne. Konstantse elastsusega mudeli korral on muutujad mudelis logaritmitud kujul. Poollogaritmiline mudel Eksponentsiaalne funktsioon logaritmilisel kujul lnY=c0+a1*X Sellist mudelit nim poollogaritmiliseks mudeliks(st avaldise parem pool on tavalises mastaabis) lineaarne funktsioon ning vasak pool logaritmilises mastaabis.
Sagedusdiagrammid: ettevõtte müügikäibest (sales, mln $) 209 USA ettevõtte andmed. salary sales Lineaarne mudel · = 1174 + 0,015sales salary R 2 = 0,015 Logaritmitud tunnused on sümmeetrilisemad Logaritmime tunnuseid, saame log-log mudeli ln(sales) ln(salary) · = 4,8 + 0,257 ln sales ln salary R 2 = 0,211
Seda nimetatakse regressiooniks läbi nullpunkti (Regression through the Origin, RTO) ja sellise mudeli üldkuju ühe tunnuse korral on y=ax+u. Deterministlik komponent on võrdeline seos ykatusega=ax. 31. Seletavate tunnuste astmeid, ruutjuurt ja pöördväärtust sisaldava mittelineaarse mudeli lineariseerimise võtted. 32. Sagedamini kasutatavad erikujulised mudelid: log-log, log-lin, lin-log ja hüperboolne mudel. Logaritmimata tunnused on väga asümmeetrilised. Logaritmitud tunnused on sümmeetrilisemad. Log-log mudeli kordaja näitab, mitu % muutub Y, kui X suureneb 1%. See on elastsuskordaja. Lineaarne mudel: piirkalduvus on konstantne. Log-log mudel: elastsuskordaja on konstantne. ln yt=b+alnx + u Log-lin: Sõltuva tunnuse logaritmimine teisendab eksponentsiaalse kõvera lineaarseks. Parameeter r on kasvumäär. Ln yt=b+rt+u 33. Mitmese lineaarse regressioonmudeli parameetrite tõlgendamine.
Diversiteedi hindamine ja mõõtmine Kontsentreetume eelkõige võimalusele vaadelda mõlemat diversiteedi komponenti eraldi. Lihtsaim viis selle tegemiseks on kasutada graafilist meetodit ja joonistada välja nn dominantsuse diversiteedi mudel. X-teljele järjestatakse liigid ohtruse järjekorras. (ohtrus arvukus) esimene positsioon arvukaim liik, teine, kolmas, ... , s (kuni liigid osta saavad) x-telg mõõdab liikide logaritmitud ohtrust Igal liigil on oma logaritmiline ohtrus. Monotoonselt langev kunagi ei tõuse. 1) Kaks joonist liikide arvukuse kohta. Liikide arvukus väike, suur 2) Jälle 2 Annab infot ühtluse kohta. A) ühtlus suur b) ühtlus (E) väike 42.Diversiteedi kaks komponenti liigirikkus ja ühtlus (konspekt); 43.Dominantsuse-diversiteedi kõver kui koosluse ,,sõrmejälg" ÜKS VARIANT: Kontsentreetume eelkõige võimalusele vaadelda mõlemat diversiteedi komponenti eraldi.
Taimedel on ressursid jäänud samaks, loomadel on muutunud ainult kasutamine efektiivsemaks. 36. Liigilise mitmekesisuse kirjeldamine dominantsuse-diversiteedi kõverate abil, kõver kui koosluse ,,sõrmejälg"; Kontsentreerume eelkõige võimalusele vaadelda mõlemat diversiteedi komponenti eraldi. X-teljele järjestatakse liigid ohtruse järjekorras, esimene positsioon arvukaim liik, jne. X-telg mõõdab liikide logaritmitud ohtrust. Igal liigil on oma logaritmiline ohtrus. Monotoonselt langev ei tõuse kunagi 37. Diversiteedi kaks komponenti liigirikkus ja ühtlus; 38. Diversiteediindeksid: Simpsoni indeks (ehk dominantsuse indeks), Gini indeks, Simpsoni indeksi pöördväärtus, ühtluse indeksi konstrueerimine Simpsoni indeksi baasil; Diversiteediindeksid vahendid, mis lubavad kooslustes üheaegselt hinnata nii mitmekesisuse liigirikkuse komponenti kui ka ühtluse komponenti
ja sellise mudeli üldkuju ühe tunnuse korral on y=ax+u Deterministlik komponent on võrdeline seos 28. Seletavate tunnuste astmeid, ruutjuurt ja pöördväärtust sisaldava mittelineaarse mudeli lineariseerimise võtted. 29. Sagedamini kasutatavad erikujulised mudelid: log-log, log-lin, lin-log ja hüperboolne mudel. 1. Log-log mudel - logaritmime kõiki tunnuseid, saame log-log mudeli (logaritmimata tunnused on väga asümmeetrilised, logaritmitud tunnused on asümmeetrilisemad) Log-log mudeli kordaja tõlgendus näide: Log-log mudeli kordaja näitab, mitu % muutub Y, kui X suureneb 1%. See on elastsuskordaja. Lineaarse mudeli puhul on piirkalduvus konstantne. Log-log mudeli puhul on elastsuskordaja konstantne! 2. Log-lin mudel - logaritmitakse ainult sõltuvat tunnust (Y). Lineariseeritud mudel : ln y=b+rt, kus parameeter r on kasvumäär ja sõltumatu tunnus t on aeg. Sõltuva
kahesuunaline, kas a) mingi ravimirühm seondub ainult teatud valkudele või b) mingi valk seob ainult mõnedesse rühmadesse kuuluvaid ravimeid. Ravim seondub rakumembraanidele sõltuvalt kontsentratsioonist. Kuna retseptorite arv on lõplik, tekib suurematel kontsentratsioonidel küllastus. Et kirjeldada lineaarset seost ravimi kontsentratsiooni & toime vahel - mis on toime ennustamiseks kindlam -, kasutatakse semilogaritmilist skaalat - rõhttelg on logaritmitud Retseptor - farmakoloogilises kõnekeeles kaks tähendust: Molekul, millega seondumine on vajalik ravimi toime avaldumiseks (farmakoretseptor) Membraanimolekul, mille looduslik ül on ära tunda virgatsainemolekule Tõelistesse retseptoritesse toimivad farmakonid on agonistid4, antagonistid5, partsiaalagonistid6 & inversagonistid7. Käitumine & neuronid Käitumine sünnib närvirakkude suhtlemises, st et käitumine sünnib ajus (ajutalitlus põhineb neuronite suhtlemisel).
annaabi.ee 
