SUMMARY OUTPUT Regression Statistics Multiple R 0,997117 R Square 0,994242 Adjusted R Square 0,993923 Standard Error 0,050087 Observations 20 ANOVA df SS MS F Significance F Regression 1 7,797748 7,797748 3108,303 1,3E021 Residual 18 0,045156 0,002509 Total 19 7,842905 Coefficients Standard Error t Stat Pvalue Lower 95%Upper 95% Lower 95,0% Upper 95,0% Intercept 0,02403 0,023267 1,03285 0,315351 0,07291 0,024851 0,07291 0,024851 X Variable 10,02166 0,000388 55,7522 1,3E021 0,02247 0,02084 0,02247 0,02084 SUMMARY OUTPUT Regression Statistics Multiple R 0,997434 R Square 0,994874 Adjusted R Square 0,994589 Standard Error 0,040604
1665,3061224 0,5874487612 53,86 250 000 714,2857142857 2499,1556906 0,9678407163 259,30 1 025 000 496,4539007092 1293,7062937 0,7069314636 121,52 142 801 1699,300699301 Regression Statistics X1 - Y X2 - Y X3 - Y X4 - Y Multiple R 0,4433659456 0,2504434603 0,819144 0,786003 R Square 0,1965733617 0,0627219268 0,670997 0,6178 Adjusted R Square 0,1212521143 -0,0251478926 0,640153 0,581969 Standard Error 536,1476481701 0,3302241854 134,3823 465784,2 Observations 36 36 36 36 VIF= 1,2446687131 1,0669192298 3,039482 2,616432 SUMMARY OUTPUT
Y9 -0,0621608954 -0,045391323 0,237548335 -0,3991149782 R^2 0,8090315055 0,859 0,953 0,954 VIF 5,2364658507 7,072 21,354 21,609 TOL 0,1909684945 0,141 0,047 0,046 x1 SUMMARY OUTPUT Regression Statistics Multiple R 0,8994617866 R Square 0,8090315055 Adjusted R Square 0,7963002725 Standard Error 5,684885887 Observations 145 ANOVA df SS MS F Regression 9 18483,362517209 2053,706946357 63,5469877603 Residual 135 4362,9202190334 32,3179275484 Total 144 22846,282736242
89833 9685.27416 11181.73983 13390.76938 16069.403 16304.20885 13839.56372 14305.26396 15973.00018 SUMMARY OUTPUT Regression Statistics Multiple R 0.93001005 R Square 0.864918694 Adjusted R Square 0.856476112 Standard Error 197.413872 Observations 18 ANOVA df SS MS Regression 1 3992595.82144818 3992595.821 Residual 16 623555.789662928 38972.23685
3 1634 Lilly (Elli) Co. 6763 26.8 4239 Merck & Co. 16681 45.2 5269 Pharmacia & Upjohn Inc. 7094 35.0 3383 Pfizer 10021 43.8 3472 Rhone-Poulence Roren 5142 28.0 1621 Schering-Plough 5104 20.1 2098 Warner-Lambert Co. 7039 37.0 2006 SUMMARY OUTPUT Regression Statistics Multiple R 0.9800610328 R Square 0.9605196281 Adjusted R Square 0.8890910566 Standard Error 1989.3430527166 Observations 15 ANOVA df SS MS F Significance F Regression 1 1347945730.06 1347945730.06 340.60658825 1.044501E-010 Residual 14 55404800
Summad 171 0,95018 162,4808 p= 3,6579E-10 Järelikult H1 - tunnuse hinne jaotus ei lähene normaaljaotusele Tabel 15. Kirjeldavad statistikud. aasta sugu test eksam/kool hinne kood Mean 2003,731 1,4 8,291803 50,0729167 3,491228 2,872131 Standard Error 0,156329 0,028098 0,177857 1,46060454 0,070072 0,064523 Median 2003 1 8 53 4 3 Mode 2003 1 6 4 4 4 Standard Deviation 2,730164 0,490703 3,106143 24,787281 0,916312 1,126845 Sample Variance 7,453796 0,240789 9,648123 614,409299 0,839628 1,26978
Põhja-Korea 24 051 706 37000 356000 Ghaana 23 837 000 1669000 757000 Jeemen 23 580 000 265000 846000 Eesti 1 340 021 202000 14000 Populatsioon Klasside arv 19,74889026 Variatsiooni kordaja 205,32% Klasside laius 67604303,9 68000000 Mean 118256430,96 Standard Error 34337359,309124 Ülemine piir Sagedus Median 49546822,5 35340021 16 Mode #N/A 103340021 23 Standard Deviation 242801796,155206 171340021 6 Sample Variance 5,895271222E+016 239340021 2 Kurtosis 19,8300035296 307340021 0
12 #NAME? #NAME? #NAME? Vastus: tõenäosus, et järgmise minuti jooksul helistab rohkem kui 12 inimest on ~0,424. t on ~0,424. 2 Läbimüük, Tootmisvarud, tuh. kr tuh. kr 192,78 9,400 197,51 9,550 SUMMARY OUTPUT 197,53 9,590 199,48 9,720 Regression Statistics 207,48 10,030 Multiple R 0,9312647 212,50 10,240 R Square 0,867254 200,22 9,820 Adjusted R Square 0,8506607 207,61 10,081 Standard Error 0,2506178 214,18 11,200 Observations 10
Labor 1 - ül 2 Leida regressioonimudel Y = a0 + a1 X, kui perede arv on X ja autode arv Y. Regressioonikordajate (parameetri hinnangute) ja usalduspiiride leidmiseks kasutada vahendit Andmed - Data Analysis - Regression. Alevik Perede arv (X) A 7000 B 7500 C 8000
Mida iseloomustab mitmene korrelatsioonikordaja? 0.733264 Mitmene korrelatsioonikordaja R mõõdab uuritava tunnuse ja tema prognoositud vää 32) Kas saadud regressioonivõrrandi kordajad on usaldatavalt nullist erinevad? On usaldatavalt nullist erinevad, sest m 33) Kui suured on saadud regressioonivõrrandi kordajate vead? 34) Arvutage saadud võrrandi järgi, kui suur on selle puu võra algus, mille diameeter on 15 cm ja kõrgus 16 m? 30. SUMMARY OUTPUT Regression Statistics Multiple R 0.733264 R Square 0.537676 Adjusted R Sq 0.511991 Standard Error 0.721537 Observations 20 ANOVA df SS MS F Significance F Regression 1 10.89841 10.89841 20.9337 0.000235 Residual 18 9.371086 0.520616 Total 19 20.2695 Coefficients Standard Error t Stat P-value Lower 95%Upper 95%Lower 95,0%
n(n 2) LL kiiruse sõltumine keelt pingutavast jõust: Laine levimise kiirus v, (m/s) SUMMARY OUTPUT 250 200 Regression Statistics 150 Multiple R 0.949622528 100 R Square 0.901782946 Adjusted R Square 0.882139535 50 Standard Error 26.93268322 0
Mitmeseks nimetatakse sellist korrelatiivset sõltuvust, kus resultatiivne tunnus y sõltub mitmest sõltumatust tegurist. Koostatud regressiooni analüüsi tulemused on varieeruvad. Determinatsiooni kordaja on väga usaldusväärne, 0.775146 F kriitiline on samuti usaldusväärne e 111,0805. Usaldusväärseks saab lugeda näitajat siis, kui ta on üle 4. T-stat e. t kriitiline on tõene, kui näitajad on suuremad kui 2, saadud regressioonianalüüsis on see väiksem. P- value peab olema alla 0,05, siis on õige, kuid antud töös on see suurem. Et saada usaldusväärsemaid andmeid, tegime uue regressioonianalüüsi. Selleks eemaldasime mõned näitajad. Eemaldasime ostetud-, müüdud ja omatarbeveised. Uue regressioonigraafiku tulemused olid paremad. Determinatsioonikordaja oli 0,77, mis on väga hea. F kriteerium tuli167, mis näitab et see on õige. P value väärtus peab olema alla 0,05, kuid oli ikkagi rohkem. Meie ülesandes on kõikidel näitajatel P-
4,85 49 3 5 3 5 4,89 71 4 5 3 5 4,91 71 4 5 3 5 4,3146666667 55,1666666667 2,8333333333 3,56666667 2,5 2,9 y x x x x x SUMMARY OUTPUT Regression Statistics Multiple R 0,2914756837 R Square 0,0849580742 Adjusted R Square 0,0522780054 Standard Error 14,0519899745 Observations 30 ANOVA df SS MS F Significance F Regression 1 513,330843841 513,330844 2,599690801 0,1181007 Residual 28 5528,83582283 197,458422
Joonis 1. Kõrguse sõltuvus diameetrist. 26) Kasutades MS exceli protseduuri 'Regression' tegin regressioonanalüüsi kõrguse sõltuvuse leidmiseks diameetrist. Regressioonanalüüsi tulemused on esitatud tabelis 6. Enese kontrolliks kirjutasin välja ka regressioonivõrrandi, mis pidid olema sama, mis graafikul. h=0,4093*d+3,9025 Tabel 6. Regressioonanalüüs kõrguse sõltuvuse leidmiseks diameetrist Regression Statistics Multiple R 0,881340398 R Square 0,776760897 Adjusted R Square 0,760815246 Standard Error 0,585169098 Observations 16 ANOVA df SS MS F Significance F Regression 1 16,68045478 16,68045 48,71302735 6,45445E-06 Residual 14 4,793920222 0,342423 Total 15 21,474375
Esitage analüüsi tulemused. Kirjutage välja regressioonivõrrand 31) Kui suur on mitmene korrelatsioonikordaja? Mida iseloomustab mitmene korrelatsioonikordaja? 32) Kas saadud regressioonivõrrandi kordajad on usaldatavalt nullist erinevad? 33) Kui suured on saadud regressioonivõrrandi kordajate vead? 34) Arvutage saadud võrrandi järgi, kui suur on selle puu võra algus, mille diameeter on 15 cm ja kõrgus 16 m? SUMMARY OUTPUT Regression Statistics Vaatluste arv N=28 Multiple R 0,665563 R Square 0,442975 Adjusted R Square 0,421551 Standard Error 2,794997 Observations 28 ANOVA df SS MS F Significance F
........................7 18. Olulisuse tõenäosus..................................................................................................... 7 19. Millal kasutata kahepoolset ja millal ühepoolset hüpoteesi?......................................8 20. Regressioon - Andmete filtreerimine.......................................................................... 8 21. Graafik kõrguse ja diameetri vahelise sõltuvuse hindemiseks....................................8 22. Data analytics Regression. Kõrguse sõltuvus diameetrist........................................9 22. 1 Jääkstandardhälve ja kõrguse standardhälve............................................................9 23. Determinatsioonikordaja............................................................................................. 9 2 Sissejuhatus Kodutöö on proovitükk nr. 815 kohta. Andmed pärinevad failidest ,,prt815.xls" mis
Kõik Leibkonnad 3 388,23 2 897,88 5 937,23 Tabel 3 Tulu Kulu Palk Leibkonnapea elab linnas 3790,96 3275,197777778 6893,851851852 Leibkonnapea elab maal 2029,0125 1624,43875 2708,625 Kõik Leibkonnad 3 388,23 2 897,88 5 937,23 SUMMARY OUTPUT Regression Statistics Multiple R 0,948422877 R Square 0,899505953 Adjusted R Square 0,896460679 Standard Error 1160,052615 Observations 35 ANOVA df SS MS F Significance F Regression 1 397496237,381 397496237,4 295,37766127 4,969708E-018 Residual 33 44408828,2678 1345722,069 Total 34 441905065,649
38 44,5583068429 36,4372469636 1,05 1516 39 35,9871452826 17,8035178035 1,05 1566 43 39,3236520102 20,0927357032 1,05 1644 38 32,3002707017 25,2365930599 1,05 1284 45 51,5075841657 7,3130752742 1,05 1609 39 47,2103528263 19,5348837209 1,05 1594 46 42,1644144144 8,492855217 1,05 1392 37 40,4813393791 10,2040816327 1,05 1293 korranumbrist. 1) SUMMARY OUTPUT Regression Statistics Multiple R 0,8331163283 R Square 0,6940828165 Adjusted R Square 0,68466998 Standard Error 219,67192353 Observations 135 ANOVA df SS MS F Significance F Regression 4 14233112 3558278 73,7379 1,69E-032
10434 3525509376 4951958.4 23.204194 81.944732 2.1178051 447195609 1602942.6 7.7446817 76.794004 0.9880442 67732900 586799 53.041023 75.053651 14.089898 1807440196 3452136.8 6.849072 79.672855 2.3321709 62780960920 112824678.5 529.89805 0 3221.9 0 272.2308 i sõltuva muutuja kogumuudust on selgitatav mudeliga). SUMMARY OUTPUT -ynurk)ruut Regression Statistics Multiple R 0.6973221 R Square 0.4862582 Adjusted R Sq 0.4730853 Standard Erro 2.6420214 Observations 41 ANOVA df SS MS
n xi2 n x 2 30 1979529261 30 7 9.3 Prognoosi vastav 90%-line usalduspiirkond: t (k ; ) 1.70 alpha = k= alumine y^ p y^ p su t (k , ) 247180.956 7 1441.14480 7 1,70 y^ palumine y^ p su t (k , ) 247180.956 7 1441.14480 7 1,70 9.4 Järeldus: 90%lise tõenäosusega järgib 10000 abiellude 16727 kuni 21631 sündi. 10. Protseduur Regression SUMMARY OUTPUT Regression Statistics Multiple R 0.940941045 R Square 0.885370049 Adjusted R Square 0.881276123 Standard Error 1401.579976 Observations 30 ANOVA df SS Regression 1 424835227.446 Residual 28 55003940.021 Total 29 479839167.467 Coefficients Standard Error Intercept 5767
Mass, kg 67 62 57 52 47 150 155 160 165 170 175 Pikkus, cm SUMMARY OUTPUT Regression Statistics Multiple R 0,648811715 R Square 0,420956641 Adjusted R Square 0,410233616 Standard Error 6,868962883 Observations 56 ANOVA df SS Regression 1 1852,261841 Residual 54 2547,863159
Kuud Lahutused MA 7 EK 0,3 jaan.04 272 #N/A #N/A M veebr.04 299 #N/A 272,00 märts.04 454 #N/A 280,10 500 apr.04 349 336,29 332,27 400 mai.04 356 343,71 337,29 300 juuni.04 357 352,00 342,90 Value 200 juuli.04 267 339,57 347,13 100 aug.04 324 347,86 323,09 0 sept.04 357 346,86 323,36 1 4 7 1013 okt.04 367 339,29 333,46 nov.04 407 346,71 343,52 dets.04 349 351,57 362,56 jaan.05 304 349,86 358,49 veebr
tudeng? Protseduuriga teostatud lineaarne regressioonanalüüs Prognoosiheaduse kirjeldus peab lähtuma leitud väärtustest. Definitsiooni SUMMARY OUTPUT eest eksamil punkte ei saa. Leitud regressioonivõrrand kirjeldab ära Regression Statistics 40,5% tudengite kehamasside Multiple R 0,6363752991 varieeruvusest (R2=0,405), R Square 0,4049735213 Adjusted R Square 0,394154858 Standard Error 11,073402715 Observations 57 ANOVA df SS MS F Significance F Regression 1 4590,027 4590,027 37,43286 1,035729441E-007
Teine variant on kasutada Pivot Table't (käsk Pivot Table Report menüüst Data). - Pivot Table kaks esimest sammu läbige nagu tavaliselt (st., andke Excelile ette uuritav andmeblokk (või nõustuge arvuti pakutuga) ja klikkige nupul Next). - Tabeli konstrueerimise aknas (vt. pilti) tuleb lohistada mittearvuline uuritav tunnus veeru- (või rea-) faktori kohale (vastavalt lahtritesse Column või Row). - Tabeli Data-ossa lohistada tunnuste loetelust sama tunnus. - Kui Data-lahtrisse ei teki kirja 'Count of ...', tehke lohistatul topeltklõps ning valige leitavaks arvkarakteristikuks tunnuse väärtuste arv Count. Kas te armastate mannaputru? ei ei jah ei jah vist jah jah ei http://www.htg.tartu.ee/~a9tp/mirror/www.eau
SET MORE OFF. SET LENGTH 500. *---------------------------------- * iga tudengi oma va"ljavo~tu tingimused. * Tingimuses olevaid tunnuseid ei tohi analyysis kasutada. SELECT IF (T614=1 AND T713=1). *---------------------------------- * Yhe tunnuse analyys (harj5). FREQUENCIES /VARIABLES T615 /HBAR /STATISTICS ALL. The raw data or transformation pass is proceeding 33 cases are written to the uncompressed active file. ***** Memory allows a total of 15222 Values, accumulated across all Variables. There also may be up to 1903 Value Labels for each Variable. ------------------------------------------------------------------------------- Page 3 SPSS/PC+ 6/12/ 2 T615 Tingimused soodustaksid head tood Valid Cum Value Label Value Frequency Percent Percent Percent
viimase kuu jooksul ei jah ei kuni 0,5 l jah viimase kuu jooksul viimase kuu jooksul ei jah jah ei joo ei viimase kuu jooksul viimase kuu jooksul Prognoosige tudengite massi nende pikkuse abil. Kui palju võiks keskmiselt k tudeng? Protseduuriga teostatud lineaarne regressioonanalüüs SUMMARY OUTPUT Regression Statistics Multiple R 0,62 R Square 0,38 Adjusted R Square 0,37 Standard Error 13,13 Observations 68 ANOVA df SS MS F Regression 1 6944,307600653 6944,308 40,25841 Residual 66 11384,56004641 172,4933 Total 67 18328,86764706
8 9695.9 3.42 3.45 esimene Kui suur võiks keskmiselt olla piimatood EHF 1 506.5 10601.0 3.50 3.20 esimene EHF 1 488.3 15697.9 3.52 3.52 esimene Protseduuriga teostatud lineaarne EHF 1 565.5 9419.2 3.41 3.63 sorditu EHF 1 542.6 10558.3 3.72 3.37 kõrgem SUMMARY OUTPUT EHF 1 599.5 9806.6 3.55 3.39 kõrgem EHF 1 600.1 10152.1 3.65 3.00 kõrgem Regression Statistics EHF 1 630.3 9232.4 3.84 3.19 kõrgem Multiple R 0.294367 EHF 1 556.2 11892.5 3.61 3.56 kõrgem R Square 0.086652 EHF 1 617.3 8803.9 4.26 3.71 esimene Adjusted R 0.077784 EHF 1 585.9 11231.4 4.08 3.67 kõrgem Standard E 2205.78 EHF 1 587.3 11280.9 3.90 3.29 sorditu Observatio 105 EHF 1 598.1 11589.1 3.61 3.12 esimene EHF 1 629
Kui S-W ei kinnita normaaljaotuslikkust, saab seda kontrollida ka vastata uue tulba loomise kaudu (mõõtmistulemuste lahutustehe). Mitteparameetrilised testid Järjestustunnuste (nt Likerti skaala tulemused), normaaljaotusest erineva jaotuse ja väga väikeste valimite puhul (<30) tuleks eelistada mitte-parameetrilisi analooge. Sõltumatu t-testi asemel nt Mann-Whitney test Sõltumatu ANOVA asemel nt Kruskal-Wallis test Sõltuvate rühmade t-testi asemel nt Wilcoxoni test Sõltuva ANOVA asemel nt Friedmani test Võrreldakse järjestusi, tavaliselt peamine mõõtmisalus keskmise asemel mediaan Dispersioonanalüüs ehk ANOVA Rohkem kui kahe võrreldava grupi vahel tehakse mõõtmised ANOVAga (ANalysis Of VAriance) Sõltumatute gruppidega (between subjects) ANOVA Ühefaktoriline dispersioonanalüüs (One-Way ANOVA)
Jah Ei Ei oska öelda Jah Ei Ei oska öelda Kui tihti külastat e nädalas toidukau Sugu plust? Kas nädalas toidukaupluse külastamine on 1 1 1 4 Sum - Sugu Kui tihti külastate nädalas toidu 2 3 Sugu 1 2 2 2 1 11 15 1 1 2 16 20 2 4 Total Result 27 35 1 5 2 3 1 2 1 3 Mees 11 15 1 4 Naine 8 10 1 1 Kokku 19 25 1 2 2 1 1 2 1 1 Mees 10.19 13.41 2 2 Naine 8.81 11.59 1 4 2 3 1 2
Heteroskedastiivsuse test........................................................................................29 Lisa 11. Multikollineaarsuse test...........................................................................................30 Lisa 12. Jääkliikmete normaaljaotuse testid.........................................................................31 Lisa 13. Jääkliikmete normaaljaotuse graafik.......................................................................32 Lisa 14. ANOVA tabel...........................................................................................................33 Lisa 15. Mudeli jääkliikmete kirjeldavad statistikud............................................................34 Lisa 16. Lõpliku mudeli regressioonikoefitsientide koovariatsiooni maatriks.....................35 Lisa 17. Mudeli stabiilsuse test (Chow test).........................................................................36 SISSEJUHATUS
d erikasutus kaevandamis jäätmete ressursimaksud 1 vee erikasutus 0,904182612 1 Maavara kaevandamis 0,990883285 0,924432522 1 Jäätmete 0,829801715 0,942406504 0,836109376 1 Tabel 4. Korrelatsioon- ja regressioonianalüüsi tulemused SUMM ARY OUTPU T Regressi on Statistics Multiple R 0,992478 R Square 0,985014 Adjusted R Square 0,962534 Standard Error 11491,18 Observations 6 ANOVA Significan df SS MS F ce F 5,79E+0 Regression 3 1,74E+10 9 43,818 0,022395 1,32E+0 Residual 2 2,64E+08 8 Total 5 1,76E+10
Eesti M 188 95 59 44 Eesti M 188 80 48 48 Eesti M 180 74 56 42 Eesti N 173 59 58 40 Data Count of HOMMIK HOMMIK Count - HOMMIK Count - HOMMIK Total Count Total - HOMMIK Count - HOMMIK 26 võileib 26 0,4561403509 26 0,45614 10 helbed või müsli 10 0,1754385965 10 0,175439 8
1) KAHE SÕLTUMATU GRUPI KESKMISTE VÕRDLEMITE PARAMEETRILISE TESTIGA Käskluserida: Analyze Compare Means Independent Samples T Test Independent Samples T-testi tulemused ja nende tõlgendamine: a) Esimeses tabelis tuuakse ära mõlema grupi valimi suurus, aritmeetiline keskmine, standardhälve ja aritmeetilise keskmise standardviga. Group Statistics Std. Error Sugu N Mean Std. Deviation Mean matemaatika 1 608 9.46 4.516 .183 2 742 7.35 3.856 .142 b) Teise tabeli esimeses pooles tuuakse ära Levene'i test gruppide dispersioonide võrdlemiseks: c) Teise tabeli teises pooles on info gruppide keskmiste võrdlemiseks:
annaabi.ee 
Sisene Facebook'ga
Sisene Google'ga
Sisene LinkedIn'ga
