vastava ühemõõtmelise jaotusena juhusliku vektori komponendi marginaaljaotust. Nende keskväärtuste geomeetriliseks tõlgenduseks on vastavate marginaalsete jaotustiheduste (graafikute) raskuskeskme projektsioon abstsissteljele. Tinglike jaotuste keskväärtused avalduvad samuti samade valemite järgi nagu lihtsalt diskreetse või pideva juhusliku suuruse keskväärtus, kui kasutada vastava ühemõõtmelise jaotusena juhusliku vektori komponendi tinglikku jaotust. y (x) nimetatakse regressiooniks: Regressioon näitab seega juhusliku suuruse keskväärtuse sõltuvust mingist teisest suurusest. Dispersioon, kovariatsioon, korrelatsioon. Dispersioon on leitav vastava komponendi marginaaljaotuse kaudu või otse kahemõõtmelise jaotusseaduse kaudu. Kovariatsioon, mis defineeritakse kui 1+1 jarku keskmoment 11 ja mida tahistatakse sageli Covxy (ka cxy ). Iseloomustab juhuslike suuruste X ja Y omavahelist sõltuvust (nt kui X ja Y on sõltumatud, siis Covxy=0).
yi = b + axi + ui Mõnikord tuleb siiski hinnata lineaarset mudelit, kus teatud kaalutlustest lähtudes peab vabaliige puuduma. u i i =0 Seda nimetatakse regressiooniks läbi nullpunkti (Regression through the Origin, RTO) ja sellise mudeli üldkuju ühe tunnuse korral on y = ax + u
RSS/TSS = R2 29. Mudeli korrektne esitamine. Regressioonanalüüsi põhitulemuste esitamisel esitatakse: · parameetrite hinnangud · parameetrite standardvead · determinatsioonikordaja R2 · valimi maht n (lugeja jaoks vajalik, kui soovib t-testi läbi viia) 30. Regressioon läbi nullpunkti. Mõnikord tuleb siiski hinnata lineaarset mudelit, kus teatud kaalutlustest lähtudes peab vabaliige puuduma. 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
9. Info lugemine tabelarvutuse tarkvara (näiteks MS EXCEL) regressioonanalüüsi väljundist Sõna „regressioon“ võttis kasutusele 19. Sajandul inglise antropoloog Galton. Ta tegi kindlaks, et kuigi pikkadel isadel on enamasti pikad pojad, ei kehti selline seos mitte alati. Uurimistulemuste põhjal tegi Galton kindlaks laste pikkuses massiliselt ilmneva „taandumise“ rahvastiku kekmisele pikkusele, nimetades seda regressiooniks. Sõna regerssioon kasutatakse ühepoolsete tõenäosuslike sõltuvuste iseloomustamiseks, mis tähendab, et ühte kahest muutujaks loetakse sõltumatuks ja see väljendab põhjust ning teine muutuja väljendab tagajärge. Väljundis on regressiooni statistika, R-ruut, normaliseeritud, standartne viga ja uurimine. Dispersiooni analüüsis on regressioon, jääk ja tulemus.
VARIANT 3: Mõnikord esitatakse sulgudes vastavad olulisuse tõenäosused. Sellisel juhul ei pea lugeja arvutama kriitilist väärtust, võib kohe võrrelda olulisuse nivooga ja hinnata, kui võimsalt on mingi tunnuse mõju tõestatud. Variandid 2 ja 3 on vastuvõetavad vaid siis, kui huvi pakub vaid koefitsientide erinevus nullist. 27. Regressioon läbi nullpunkti. Mõnikord tuleb siiski hinnata lineaarset mudelit, kus teatud kaalutlustest lähtudes peab vabaliige puuduma. 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 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
standardhälbe suhtena aritmeetilisse keskmisse.
Korrelatsioon ja regressioonanalüüs
Korrelatsioonanalüüsiga tehakse kindlaks seoste rangus ja suund. Regressioonanalüüsiga
seose kuju.
Korrelatiivse seose tugevust hinnatakse korrelatsioonikordajaga, mis on vahemikus –
1