Võib kasutada dispersiooni- ja standardhälvet Standardhälbe on varieeruvas kogumis alati keskmisest lineaarhälbest suurem ei pea mediaan ja mood olema võrdsed, aritm keskm võib olla samuti neist erinev Dispersioonanalüüsi korral: hinnatakse faktori mõju olulisust kasutatakse dispersioonide liitmise lauset Dispersiooni arvutamise juures: leitakse hälvete ruutude aritm keskmine regressioonikordaja iseloomustab sõltuva muutuja vähenemist sõtumaty muutuja ühe ühikulise muutumise korral Dispersioonanalüüsi eesmärk: Uuritava nähtuste tegurite mõju olulisuse hindamine Dispersioon on: standardhälbe ruut hälvete ruutude aritmeetiline keskmine Regressioonanalüüsikäigus regressiooniseose selgitusvõimet kirjeldab determinatsioonikordaja hinnatakse parameetreid enamasti vähimruututde meetodil
This index was inverted so that low values indicate a poor disciplinary climate). Tabelis 1. on ära toodud mudeli parameetrid, mis annavad ülevaate mudeli „headuse“ ja prognoosi täpsuse kohta. Regressoonimudeli eeslduste kohaselt on tunnused mõõdetud arvuliselt, kodeeritud on puuduvad väärtused, mis muidu ei ole arvulised. Tabel 1. Faktorite seos testi keele õppimiseks kuluva ajaga (minutit nädalas) Regressioonikordaja Olulisuse tõenäosus Õpetaja toetus 1,41 0,191 Kodused õppimist toetavad vahendid -0,40 0,768 Distsiplineeriv keskkond -3,80 0,003 Vabaliige 199,9 0,000 Lineaarne regressioonimudel N=1554, R²=0,006 Determinatsioonikordaja R² näitab, kui suure ulatuse sõltuva muutuja variatsioonist antud sõltumatu muutuja ära seletab
Vastus: 90 Õige Selle esituse hinded 3/3. Question 7 Punktid: 1 Millises vahemikus asub suhtelise sageduse ehk osakaalu väärtus? Vali üks vastus. a. 0 kuni 1 b. -1 kuni 0 c. -1 kuni 1 Õige Selle esituse hinded 1/1. Question 8 Punktid: 2 On teada, et mingi valimi korral lineaarne korrelatsioonikordaja r on positiivne, st r>0. Milline järgmistest väidetest vastava lineaarse mudeli regressioonikordaja k kohta on õige? Vali üks vastus. a. Regressioonikordaja k on positiivne b. Regressioonikordaja k on negatiivne c. Regressioonikordaja k võib olla positiivne või negatiivne Väär Selle esituse hinded 0/2. Question 9 Punktid: 1 Milline asendikarakteristik võib omada rohkem kui üks väärtus? Vastuse lahtrisse sisestage ainult üks sõna. Vastus: kvartiil Väär Selle esituse hinded 0/1. Question 10 Punktid: 1 Millised järgmistest tunnuste paaridest on sõltuvad tunnused ja millised on sõltumatu?
Kui p < a, siis mudel on statistiliselt oluline. Olulisuse nivoo (maksimaalne eksimise tõenäosus) a = 5% (0,05) või 1% (0,01). F-kriteeriumi abil kontrollitakse regressioonimudeli kui terviku statistilist olulisust. Fkriitilise leidmiseks kasutada funktsiooni FINV. Kui F emp > F krit, siis on regressioonimudle kui tervik stat usaldusväärne c. mudeli parameetrite statistilise olulisuse kontrollimine; usalduspiiride leidmine; t-statistiku abil hinnatakse parameetri (regressioonikordaja usaldusväärsust). t- kriitilise leidmiseks kasutada funktsiooni TINV. Usaldusvahemiku alumine ja ülemine piir (Lower 95% ja Upper 95%) määravad vahemiku, millesse jääb 95% tõenäosusega regressioonikordaja. d. eespool toodud näitajate leidmine ja seoste analüüs Exceli regressioonanalüüsi tabeli põhjal. Vaata moodles regressiooni selgitused. 9. Mitmene regressioon. Klassikalise regressioonanalüüsi põhieeldused. Gauss-Markovi teoreemi olemus. Parim hinnang
1.00/1.00 Küsimus 26 Kas väide, et nominaaltunnuse puhul on järjestus ebaoluline ja see annab eelistuse Õige sektordiagrammile on tõene või väär? Hindepunkte 1.00/1.00 Valige üks: Tõene Väär Küsimus 27 On teada, et mingi valimi korral lineaarne korrelatsioonikordaja r on positiivne, st r>0. Milline järgmistest väidetest Õige vastava lineaarse mudeli regressioonikordaja k kohta on õige? Hindepunkte 1.00/1.00 Valige üks: a. Regressioonikordaja k on negatiivne b. Regressioonikordaja k on positiivne c. Regressioonikordaja k võib olla positiivne või negatiivne Küsimus 28 Määra järgmiste arvuliste tunnuste tüüp. Õige Hindepunkte sissetulek pidev 1.00/1.00
C 8000 D 6000 E 9000 Hinnata regressioonimudeli a) kirjeldatuse taset; b) statistilist olulisust; c) parameetri (regressioonikordaja a1) statistilist olulisust olulisuse nivool 0,05; d) leida parameetri a1 95%-lised ja 99%-lised usalduspiirid. SUMMARY OUTPUT Regression Statistics Multiple R 0,992007635 0,992008 R Square 0,9840791479 PEAB HAKKAMA JÄLGIMA Adjusted R Square 0,9787721973 KORRIGEERITUD DETERMINANTSIOONI
1. kahe valimi vahel ei saa seost leida 2. kahe valmi vahel saab seost leida.. 3. korrelatsioonisuhte, ülddispersiooni leidma Üliõpilane sai ülesandeks hinnata kahe erineva kogumi konkreetsete tunnuste väärtuste vahel esineva seose tugevust. Selleks tuleb tal: 1. Viia läbi dispersioonianalüüs (dispersioonianalüüsi eesmärk on faktori mõju kontrollimine (mitte varieeruvuse hindamine, varieeruvus on töövahend)) 2. Leida korrelatsiooni- või regressioonikordaja ning vaadata nende märki (märk ei näita tugevust, vaid suunda) 3. Kahte erinevat kogumit ei saagi võrrelda ning nende vahel seost leida (võrrelda saab kõike, kui leida õige töövahend) 4. Leida variatsioonikordajad ja neid võrrelda (sellega ei saa seose tugevuse kohta mingit infot, vaid näitab, kas kogumit on ühtlased või ebaühtlased) 5. Hinnata korrelatsioonikordaja absoluutväärtust
võimaldavad nende majanduslikku tõlgendamist. Igal regressioonikordajal on majanduslik sisu. Mittelineaarse regressioonivõrrandi parameetrid ei ole üldjujhul sisuliselt tõlgendatavad. Lineaarse regressioonivõrrandi parameetrite (regressioonikordajate) väärtuste järgi on võimalik otsustada mil määral üks või teine sõltumatu muutuja mõjutab muutujat Yt, s.t. on võimalik otsustada, milliste sõltumatute muutujate (majanduslik) mõju on suurem, milliste oma väiksem jne. Regressioonikordaja -;i näitab mitme ühiku võrra muutub sõltuv muutuja Yt kui sõltumatu muutuja Xi muutub (suureneb) ühe ühiku võrra. Vähimruutude meetodil leitud regressioonikordajad on parameetrite tegelike väärtuste parimaks hinnanguks siis, kui on täidetud vastavad eeldused (nn. klassikalise regressioonianalüüsi eeldused). Mitmese lineaarse regressioonimudeli korral ei piisa statistilise sõltuvusest arusaamiseks ainult regressioonivõrrandist Lisaks regressioonivõrrandile
nõrgemapoolselt seotud ärevusega (sõltuv tunnus), aga palju tugevamini seotud teiste tunnustega (distsiplineeriv keskkond, õpetaja tugi), on õpetaja toimetulek järgnevast regressioonanalüüsist välja jäetud. Järele jäänud argumentunnuste vahel kollineaarsusanalüüsi läbiviimisel näitavad tolerantsikordajad ja varieeruvusindeks, et multikollineaarsust ei esine. Tabel 2. Faktorite seos matemaatika ärevusega Regressioonikordaja Olulisuse tõenäosus (B) (Sig) Huvi matemaatika vastu -0,37 0,000 Distsiplineeriv keskkond -0,15 0,000 Õpetaja tugi -0,06 0,025 Sugu 0,07 0,001 Vabaliige -0,15 0,000
Sa2 0,184252 0,110263 Sa3 0,202652 0,106525 a1 0,008677 1,263386 1,0484579946 a2 0,846063 0,376913 0,9552501395 a3 2,464234 1,730394 0,9992811074 Sa1 1,207552 0,104068 0,0011338993 Sa2 0,700674 0,538583 0,0010330957 Sa3 0,856329 0,489297 0,0010807149 parim on komponent analüüs ühe kompone regressioonikordaja peab oleam 1 lähedal 3tase kantregression kantregression k=0,03 k=0,08 0,708 0,67 0,441 0,421 0,89 0,8522 -- -- -- -- -- -- 1,451 1,42
tulemus; sarnane trend). Autokorrelatsiooni tekkepõhjused: mudelis on jäetud arvastamata tähtsad x-id, samuti kui on jäetud arvestamata vähetähtsad x-id, kui on ülereageerimine, inertsus, sessoonsus, trend. Sellega nende probleemide tekkepõhjused ei ole teineteist välistavad, nad on erinevad(välja arvatud trend). Nad saavad samaaeglaselt mudelis esineda. Kas kahe nähtuse vahelise seose iseloomustamisel determinatsioonikordaja ja regressioonikordaja b märgid langevad kokku või peavad olema erinevad? Miks? Determinatsioonikordaja näitab selgitusvõimet ja on alati positiivne. Regressioonikordaja näitab, kas toimub kasvamine või kahanemine. (nt y=10+0,2x või y=10-0,2x) Tegemist on erinevate sündmustega, seaduspärasust ei ole. Märgid ei pruugi kokku langeda. Kui kasutame hinnagute andmisel järjest suuremaid valimeid, siis hinnangu statistiline olulisus hakkab vähenema aga standardviga suurenema
keskmise taseme leidmisega momentreas ja ajavahemikud on võrdsed - VALE, kronoloogilist keskmist kasutaks keskmise taseme leidmisega perioodreas ja perioodid ei ole võrdsed - VALE, tavalist aritmeetilist keskmist kasutaks aegreaga ja väärtuste standardhälbe arvutamise juures - VALE, standardhälve leidmisel kasutatakse aritmeetilist keskmist aegreaga ja selle tasandamise juures – ÕIGE Tugeva samasuunalise lineaarse seose y=a+bx korral regressioonikordaja on alati vahemikus 0 kuni +1 - kindlalt vale, võib olla mis iganes (nii neg kui üle ühe), näitab x ühikulist mõju y-le lineaarse kor.kordaja ja regr.funktsiooni parameetri a märgid langevad kokku regr.kordaja peab olema eranditult positiivne - õige, (muidu võib olla neg) aga loe küsimust, samasuunaline. parameetri a abil saame kirjeldada seose selgitusvõimet - vale, kirjeldame determinatsioonikordaja abil, a näitab seda, kus lõikab y telge
Kui r=-0,5, siis ühe tunnuse suurenemisel teine tunnus väheneb ja vastupidi. Korrelatsioonikordaja olulisust kontrollitakse tabeli andmete vastu. Kui korrelatsioonikordaja on oluline, siis tehakse ka regressioonanalüüs. Regressioonanalüüsiga selgitatakse, kuidas muutub ühe tunnuse arvuline väärtus, kui teise tunnuse arvuline väärtus muutub ühe ühiku võrra. Kui r>0, siis ka b>0 ja vastupidi. Korrelatsioonikordaja arvutatakse valemiga: Regressioonikordaja arvutatakse tunnuste vastastikuse seose puhul kahtpidi: Y-tunnuse regressioon X-tunnusele ja X-tunnuse regressioon Y-tunnusele. 1) by/x 2) bx/y Esimene arvutusviis näitab, mitme ühiku võrra muutub Y-tunnuse väärtus (y), kui X-tunnuse väärtus (x) muutub ühe ühiku võrra. Teine arvutusviis näitab, mitme ühiku võrra muutub X-tunnuse väärtus (x), kui Y-tunnuse väärtus (y) muutub ühe ühiku võrra.
3 16) Spearmani korrelatsioonikordaja Leitakse esmalt ühe tunnuse väärtuste järjekord kasvavas järjestuses ja omistatakse neile järjekorranumbrid, seejärel tehakse sama teise tunnuse väärtustega. 17) Regressioonivõrrandi parameetrite interpretatsioon Vabaliige – pole võimalik anda tõlgendust. Mõõtühik sama, mis tagajärgsel tunnusel. tagajärgsetunnuse mõõtühik Regressioonikordaja mõõtühik = põhjuslikutunnuse mõõtühik 18) Regressioonianalüüs mitme põhjusliku tunnuse korral Tegelikus elus põhjustab tagajärgse tunnuse muutusi mitu üheaegselt toimivat põhjuslikku tunnust. 1. Tuleb koostada normaalvõrrandite süsteem. 2. Lahendada see otsitavate a, b1, b2… suhtes; saadakse sirget määravad parameetrid. Probleem: Põhjuslike tunnuste omavaheline korreleeritus. 19) Baasindeks – arvutatakse kui vaadeldaval perioodil olemasoleva tunnuse väärtuse p i ja
Küsimus 9 Leia õiged paarid. Õige Hindepunkte Standardhälbe mõõtühik on tunnuse mõõtühik 1.00/1.00 Dispersiooni mõõtühik on tunnuse mõõtühik ruudus Küsimus 10 On teada, et mingi valimi korral lineaarse mudeli regressioonikordaja k on negatiivne (st vastava sirge tõus on negatiivne). Milline Õige järgmistest väidetest vastava lineaarse korrelatsioonikordaja r kohta on õige? Hindepunkte 1.00/1.00 Valige üks: a. Kordaja r võib olla nii positiivne kui ka negatiivne. b. Kordaja r on positiivne. c. Kordaja r on negatiivne. Küsimus 11 Milline on mediaanpikkus järgmisel graafikul? (vastuse lahtrisse sisestage ainult arv) Õige
Sellega on Spearmani korrelatsioonikordaja arvutamiseks vajaminevad andmed olemas. Kordaja arvutatakse valemiga: 6 d 2 1 n(n 2 1) Spearmani korrelatsioonikordaja võib omada arvväärtusi vahemikus -1 1. Mõnikord võib juhtuda, et mõnede variantide arvväärtused on võrdsed, millisel juhul tuleb arvutada keskmised järjekorranumbr 45. Regressioonijoon ja regressioonikordaja Näitab kui palju suureneb resultaatsuurus y keskmiselt, kui sõltumatu muutuja x kasvab ühe ühiku võrra. Y=a+bx b-regressioonikordaja Meetodi, millega saab mõõta uuritavate muutujate kõigi vaadeldavate paaride otseste arvväärtuste vahelisi seoseid, esitas esimesena 1846. aastal A. Braveais. Regressioonijoone leidmisega muundatakse korrelatiivne seos justkui tinglikult funktsionaalseks ning see
arvandmeid (kvalitatiivse tunnuse korral). · Regressioonanalüüsi juures on paigutus väga oluline. X ja y sõltuvad. Y=a+bx (x- sõltumatu muutuja ehk eksogeenne muutuja), y sõltuv muutuja ehk endogeenne muutuja. Püütakse selgeks teha x-i mõju y-le. Regressioonanalüüsi käigus lükkame punktid kokku kirjeldava joone peale. Mõnel juhul on hälve kasuks ja teisel juhul kahjuks. y = a+bx , a näitab punkti kus sirge lõikab y telge;b regressioonikordaja (kõige tähtsam komponent ehk joone tõus). B näitab kui mitme ühiku võrra muutub y kui x muutub 1 ühiku võrra. Mida suurema nurga all regressioonisirged lõikuvad, seda nõrgem on nähtustevaheline seos! Suurim nurk on 90 kraadi, see tähendab, et seos on nõrk. · Funktsiooni headus on selgitusvõime. Selgitusvõime näitaja on determinatsioonikordaja R2. Determinatsioonikordaja näitab, kui suure osa sõltuva
Input Y – tagajärgne, X põhjuslik. Multiple R suurem kui 0,5 siis on seos tugev. Rsquare =0,71 siis põhjuslik tunnus kirlejdab ära 72% tagajärgse tunnuse muutumisest. Signif.peaks olema väiksem kui 0,05 siis on usaldatav seos. Intercept on vabaliige. Reg.parameetrid on usalatavad kui olulisuse tõenäosus on väiksemad kui 0,05(p-value) Vabaliikmele ei saa anda majanduslikku tõlgendust, mõõtühik on sama mis tagajärgsel tunnusel. Regressioonikordaja b on sirge tõusunurga tangens. Seega, mida suurem see on seda järsemalt tõuseb sirge, seda rohkem mõjutab põhjusliku tunnuse muutumine tagajärgse tunnuse muutumist. Kui on positiivne siis sirge tõuseb kui negatiivne siis langeb. See näitab kui palju muutub tagajärgse tunnuse väärtus siis kui põhjusliku tunnuse väärtus muutub ühe ühiku võrra. Mõõtühik on : tagajärgse mõõtühik/põhjusliku mõõtühik. 53
järeldustele, kui tegemist on statistiliste hüpoteeside kontrollimisega. Kasutatakse graafilist analüüsi. Juhuslik liige ehk jääkliige ui on juhuslik suurus, mille keskväärtus ehk matemaatiline ootus on võrdne nulliga. E (ui) = 0. Kui juhuslike liikmete dispersioon pole konstantne ning tema jaotus oleneb Xst, on tegemist heteroskedestatiivsusega. Parki test kui sõltumatute muutujate ln(Xi) vastava regressioonikordaja hinnang a1 on statistiliselt olulisel määral erinev nullist, siis esialgses mudelis on heteroskedestatiivsus. 11. Jääkliige u`t (katusega, väike t) väljendab sõltuva muutuja mõõdetud väärtuse Yt ja regressioonimudeliga saadud hinnangu Y`t (katusega, väike t) erinevust aastal (vaatlusel) t1 12. Juhuslik viga (ui) (juhuslik suurus, mis võib omada nii positiivseid kui negatiivseid väärtusi). 13
44 alanumber Z hajuvusdiagramm 45 46 .249282719x - 2.3414681765 6489969513 Tunnuste pikkus X ja jalanum Regressioonikordaja k (sirge .249282719x - 2.3414681765 Vabaliige b: 6489969513 Pikkusele 163cm vastav mu Lineaarne korrelatsioonikord Otsus: tunnuste pikkus ja ja 60 165 170 175 180 185 190 195 200
momentreaga ning ajaperioodid üksikute momentide vahel on võrdsed. Geomeetrilist keskmist kasutatakse kõige sagedamini aegridade uurimisel, keskmise kasvutempo arvutamisel. VARIEERUMINE: Varieeruvuse hindamisel: 1.... 2.... 3... Dispersioonanalüüsi eesmärk on: 3. dispersioonide leidmine 4. uuritava nähtuste tegurite mõju olulisuse hindamine SEOSED JA DISPERSIOONANALÜÜS: Seose juures on vaja kahte regrssiooni kordajat. 5. regressioonikordaja iseloomust sõltuva muutuja ühikulist... Seoste analüüsil: 5. regressiooniseos ei ole pööratav 6. seost krjeldab 2 funktsiooni 7. korrelatsioonikordaja peab olema 0 ja 1 vahel 8. regressioon ei pea olema 0 ja 1 vahel Selleks et väljavõtukogumi alusel tehtavad järeldused oleksid usaldatavad peab väljavõtukogum olema ESINDUSLIK. Esinduslikkuse tagamiseks tuleb kasutada JUHUVÄLJAVÕTTU.
Kendalli korrelatsioonikordaja. Kui esineb võrdseid tunnuseid, kasutatakse Kendalli . d = R 2 = r 2 Determinatsioonikordaja näitab, millise osa üldvariatsioonist on kirjeldatud argumenttunnuse muutumisega. Seose kuju uurimist nimetatakse regressioonanalüüsiks. Seose kuju uurimisel kasutatakse vähimruutude meetodit. Seoste uurimise puhul määratakse kindlaks sõltumatu tunnus (x) ja sõltuv tunnus (y). Regressioonikordaja (b) näitab, kui palju suureneb resultaatsuurus keskmiselt, kui argumendi x arvväärtus kasvab ühe ühiku võrra. Et tulemusi laiendada üldkogumile testime: H0: kor. kordaja üldkogumis on 0 H1: kor. kordaja üldkogumis ei ole 0 Leiame testistatistiku tr on jaotunud t-jaotusega vabadusastmete arvul n-2 Kasutame Studenti t jaotust, t-jaotuse tabeli väärtus (a=0.05, df=8) on 2.306 -> t tabel < tr ehk 2.306< 5
sõltumatute muutujate vahel. Eeldus Analüüsi teostamiseks vajalik kontrollida korrelatsioonianalüüsga, et ei esineks multikolleriaaansust (st. r<0.7) • R Square - determinatsioonikordaja – mitu % kirjeldab konkreetsest tulemusnäitajast (1-100%) ehk kui suur osa sõltuva muutuja muutumisest on selgitatav sõltumatu muutujaga. • Coefficent – kordaja – – Intercept e konstant näitab, mis juhtub, kui antud praktikat ei kasutata – Nt. Tootearendus – hinnanguline regressioonikordaja näitab, mida muudab tootearendus nt. käibe suhtes (Tambur) • F – testi tulemus – suurem number suurem erinevus – F ja Fkriitiline võrdlus (F p – näitab kas tulemus on statistiliselt oluline Factor analüüs: • „Faktor analüüs ei ole mõeldud hüpoteeside testimiseks või gruppide vahelise oluliste erinevuste leidmiseks.“ • „Faktor analüüs on mõeldud nn. muutujate vähendamise (data reduction) tehnikana“ (Pallant, 2001: 151)
ANOVA tabelis ennekõike oluline p-väärtus <0,05, mis näitab, kas mudel on statistiliselt oluline. Koefitsentide tabeli põhjal saab ehitada regressioonivõrrandi (Uuring nr 2:) Coefficients Mode Unstandardized Standard Error Standardized t p l H₁ (Intercept) 331.581 1.883 176.120 <.001 AGE_R -1.021 0.044 -0.345 -23.115 <.001 Vanuse regressioonikordaja ehk tõus on -1,02 ehk kui vanus suureneb ühe ühiku võrra, väheneb probleemilahendusoskus 1,02 punkti võrra. Standardiseeritud ühikutes on tõus -0,345 ehk kui vanus suureneb ühe ühiku võrra, väheneb probleemilahendusoskus 0,345 standardhälbe võrra. p< .001 ehk prediktor on statistiliselt oluline. Vabaliige on 331,58 Saab kirjutada standardiseerimata regressioonivõrrandi: y(probleemilahendusoskus)=-1.02x(vanus)+331,58
majandusnähtuste vahelise seose tugevuse ja usaldatavuse ning samas ka seose funktsionaalse vormi. Regressioonianalüüsi põhiülesanded:1) hinnata kvantitatiivselt majandusnähtuste vaheliste seoste suunda, tugevust ja kuju; 2)prognoosida maj. nähtuste ja protsesside tõenäosuslikku arengut; 3)kontrollida empiiriliselt maj. teoreetiliste seisukohtade ja hüpoteesi paika pidavust. Regressioonivõrrandiks on lineaarne mitme muutuja funktsioon. Regressioonikordaja i näitab mitme ühiku võrra muutub sõltuv muutuja Yt kui sõltumatu muutuja Xi muutub 1 ühiku võrra. Kui regressioonmudelis on 1 sõltumatu muutuja, siis on tegemist lihtsa regressioonvõrrandiga Y=b0+ b1xi+ei, i=1,2...n. Kui sõltumatuid muutujaid on vähemalt 2 (k>2), siis on tegemist mitmese regressioonimudeliga. Enim praktikas kasutusel olev mittelineaarne regressioonvõrrand on ruutmudel e. parabool. Parabooli abil on võimalik modelleerida oma olemuselt erinevaid sõltuvusi.
ruutfunktsiooni kasutamine on põhjendatud kui vaatlusaluse teguri mõju intensiivsus sõltub mingi teise teguri väärtuse paiknemisest oma võimaliku muutumise intervallis. 189. Selgitage lineaarse regressioonimudeli seosekordajate olemust (sisu tõlgendus): mittekorreleeruvate tegurnäitajate korral; korreleeruvate tegurnäitajate korral. -Mittekorreleeruvate tegurnäitajate korral – regressioonikordaja näitab, mitme ühiku võrra muutub tulemusnäitaja Y väärtus tegurnäitaja Xi muutumisel ühe ühiku võrra teiste tegurite muutumatuse korral. - Korreleeruvate tegurnäitajate korral – regressioonikordaja iseloomustab teguri Xi arvele langevat osa kõigi tegurite ühise mõju intensiivsusest. Regressioonikordaja näitab, mitme ühiku võrra muutub
arvutatakse välja kontrollpäeva piimatoodang ning piima rasva- ja valgusisaldus. Saadud toodangu põhjal arvutatakse välja erinevate perioodide piimajõudlusnäitajad. Somaatiliste rakkude arv piimas ning karbamiidisisaldus avaldatakse piimaanalüüsi tulemuse põhjal. Kontrollpäeva piimajõudlusnäitajad arvutatakse regressioonivõrrandi abil: y=a+bx , kus y- kontrollpäeva piima-, rasva- või valgutoodang a - võrrandi vabaliige b - regressioonikordaja väärtus erinevate piimajõudlusnäitajate vahel tulenevalt lehma vanusest, laktatsioonikuust, lüpsikorrast ning lüpsikordade vaheaegadest. a ja b väärtused on äratoodud vastavates parameetrite tabelites. Tabel sisaldab 96 rida ehk ID. a ja b väärtused on arvutatud Saksamaal läbiviidud katsete põhjal 152 karjas 8800 lehmal kokku 64451 kontroll-lüpsi tulemuste põhjal. Rea numbri (ID) saame valemiga: ID=(i-1)*48+(j-1)*12+k, kus i- laktatsiooni number i= 1.- esimene laktatsioon;
<0,3 = nõrk seos r = 0,3...0,6 = keskmise tihedusega seos r = >0,6 = tugev (tihe) seos rgmiselt: 16. Regressioonanalüüsi kasutamine Korrelatsioonikordaja olulisust kontrollitakse tabeli andmete vastu. Kui korrelatsioonikordaja on oluline, siis tehakse ka regressioonanalüüs. Regressioonanalüüsiga selgitatakse, kuidas muutub ühe tunnuse arvuline väärtus, kui teise tunnuse arvuline väärtus muutub ühe ühiku võrra. Kui r>0, siis ka b>0 ja vastupidi. Regressioonikordaja väljendatakse samades ühikutes nagu mõõtandmedki. Näit. b piim/rasv,kg=19 kg. See tähendab, et piima rasvasisalduse suurenemisel (aretustöö tulemusena) 1 kg võrra, suureneb lehmade piimatoodang 19 kg võrra. See tunnus, mis on murrujoone all, suureneb 1 ühiku (kg, cm, mm jne.) võrra ja murrujoone peal olev tunnus mingi ühiku võrra. 17. Populatsiooni statistiline hinnang 18. Päritavuskoefitsient, selle arvutamine
tulemuste põhjal arvutatakse välja kontrollpäeva piimatoodang ning piima rasva- ja valgusisaldus. Saadud toodangu põhjal arvutatakse välja erinevate perioodide piimajõudlusnäitajad. Somaatiliste rakkude arv piimas ning karbamiidisisaldus avaldatakse piimaanalüüsi tulemuse põhjal. Kontrollpäeva piimajõudlusnäitajad arvutatakse regressioonivõrrandi abil: y=a+bx , kus y- kontrollpäeva piima-, rasva- või valgutoodang a - võrrandi vabaliige b - regressioonikordaja väärtus erinevate piimajõudlusnäitajate vahel tulenevalt lehma vanusest, laktatsioonikuust, lüpsikorrast ning lüpsikordade vaheaegadest. a ja b väärtused on äratoodud vastavates parameetrite tabelites. Tabel sisaldab 96 rida ehk ID. a ja b väärtused on arvutatud Saksamaal läbiviidud katsete põhjal 152 karjas 8800 lehmal kokku 64451 kontroll-lüpsi tulemuste põhjal. Rea numbri (ID) saame valemiga: ID=(i-1)*48+(j-1)*12+k, kus i- laktatsiooni number i= 1.- esimene laktatsioon;
annaabi.ee 
