Dependent Variable: y Independent Variable: x1, x2, x3 ja teostada arvutused (vastata OK). 7. Ridge Regression'i nupurea nupuga 'Tabular Options' käivitada menüü ja valida Regression Coefficients: tekivad tabel ja graafik. Korrigeerida tabel ja graafik (pealkirjad, telgede nimetused, selgitavad tekstid - Graphics Options). 8. Graafiku korrigeerimiseks valida hiire parempoolse nupuga käsk 'Pane Options' ja valida Unstandardized Coefficients. 9. Võimalik ka korrigeerida graafikut (Graphics Options) 10. Tabel ja graafik paigutada eraldi lehtedele. Venitada nad suuremaks. 11. Kui tabel (graafik) on korrastatud, siis teha tabelist (graafikust) PRINT SCREEN. 12. Teostada punktid 2-11 tasemete 2 ja 4 kohta. Korrelatsioonikordaja r1,3 on vastavalt vahemikus 0,4-0,6 (tase 2) ja 0,95 ligidal (tase 4). Võib kasutada peamiste komponentide meetodi algandmeid! labor 12
kui valim on 50-2000 inimest - normaaljaotusega on tegu siis, kui sig väiksem kui 0,05) 2) jääkide dispersioon peab olema sõltumatu (ehk siis x-telje) muutuja väärtusest sõltumatu. Kuidas kontrollida kas regressiooni jäägid jaotuvad normaaljaotusele lähedaselt? Laseme arvutada mudelikohased sõltuva muutuja väärtused ja jäägid: Analyze -> Regression -> Linear - Save - Linnuke kasti Predicted values (unstandardized) ja Residuals (unstandardized). Järgneb jääkide täpsem diagnostika (kas on normaaljaotusega jne). Logistiline regressioon Logistiline regressioon või üldisemalt logistiline mudel ehk logit-mudel prognoosib uuritava sündmuse toimumise tõenäosust ja selle muutumist sõltuvalt pideva argumenttunnuse väärtuse muutumisest. Näiteks uurimaks, kas isiksuseomadused ennustavad eesnäärmeuuringutele minekut tulevikus
on testitavad hajuvusdiagrammiga, st üldist pilti on võimalik vaadelda graafiliselt. Eeldust 6 saame testida siis, kui viime läbi regressioonianalüüsi. Käsklusterida: Analyze Regression Linear Dependent on sõltuv muutuja, Independent on prediktor. Statistics alt valida Estimates, Model Fit, Descriptives. Regressioonijääkide salvestamiseks: Save Residuals Unstandardized Pärast analüüsi läbiviimist tuleb uue, salvestatud muutujaga läbi viia normaaljaotuslik test Tulemused: (a) kirjeldavat statistikat (nt mõlema muutuja keskmised); (b) muutujatevahelised korrelatsioonid; (c) muutujate lisamine/eemaldamine mudelisse (paarisregressiooni puhul ebaoluline); (d) mudeli kokkuvõte, kus on kirjeldatud mh determinatsioonikordaja R2 korrutades
hajuvusdiagrammiga, st üldist pilti on võimalik vaadelda graafiliselt. Eeldust 6 saame testida siis, kui viime läbi regressioonianalüüsi. Lineaarse regressiooni läbiviimiseks tuleks järgida käsklusterida: Analyze Regression Linear. Dependent on sõltuv muutuja, Independent on prediktor. Statistics alt valida Estimates, Model Fit ning Descriptives. Salvestame ka regressioonijäägid uue muutujana: Save Residuals Unstandardized. Pärast analüüsi läbiviimist tuleb selle uue, salvestatud muutujaga läbi viia normaaljaotuslikku test. Tulemustena kuvatakse mitu tabelit. Leiate, et on (a) kirjeldavat statistikat (nt mõlema muutuja keskmised); (b) muutujatevahelised korrelatsioonid; (c) muutujate lisamine/eemaldamine mudelisse (paarisregressiooni puhul ebaoluline); (d) mudeli kokkuvõte, kus on kirjeldatud mh determinatsioonikordaja R2 korrutades seda väärtust
01564 1.03158 T76 .99604 -.26890 Structure Matrix: Pooled-within-groups correlations between discriminating variables and canonical discriminant functions (Variables ordered by size of correlation within function) FUNC 1 FUNC 2 T76 .99989* -.01516 T73 .26064 .96544* T72 .19007 .58349* T75 -.04271 .46126* T74 .25019 .32066* Unstandardized Canonical Discriminant Function Coefficients FUNC 1 FUNC 2 T73 .1497683E-01 .9877378 T76 .8224510 -.2220389 (constant) -2.050966 -1.580128 Canonical Discriminant Functions evaluated at Group Means (Group Centroids) Group FUNC 1 FUNC 2 1 -.09364 .42600 2 -.79108 -.18465 3 .86131 -.13485 Test of equality of group covariance matrices using Box's M
sissetulek väheneb 3,57 võrra) Oluline on R2 ehk kui suure osa kogu ennustatava muutuja variatiivsusest kirjeldab ära prediktor. 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,
annaabi.ee 
