Заглавная страница Избранные статьи Случайная статья Познавательные статьи Новые добавления Обратная связь КАТЕГОРИИ: АрхеологияБиология Генетика География Информатика История Логика Маркетинг Математика Менеджмент Механика Педагогика Религия Социология Технологии Физика Философия Финансы Химия Экология ТОП 10 на сайте Приготовление дезинфицирующих растворов различной концентрацииТехника нижней прямой подачи мяча. Франко-прусская война (причины и последствия) Организация работы процедурного кабинета Смысловое и механическое запоминание, их место и роль в усвоении знаний Коммуникативные барьеры и пути их преодоления Обработка изделий медицинского назначения многократного применения Образцы текста публицистического стиля Четыре типа изменения баланса Задачи с ответами для Всероссийской олимпиады по праву Мы поможем в написании ваших работ! ЗНАЕТЕ ЛИ ВЫ?
Влияние общества на человека
Приготовление дезинфицирующих растворов различной концентрации Практические работы по географии для 6 класса Организация работы процедурного кабинета Изменения в неживой природе осенью Уборка процедурного кабинета Сольфеджио. Все правила по сольфеджио Балочные системы. Определение реакций опор и моментов защемления |
Назначение и математико-статистические идеи метода множественного регрессионного анализа.
Множественный регрессионный анализ (МРА) предназначен для изучения взаимосвязи одной переменной (зависимой, результирующей) и нескольких других переменных (независимых, исходных). Исходные данные для МРА представляют собой таблицу (матрицу) размерностью NxP. Строки этой таблицы соответствуют объектам (испытуемым), а столбцы – переменным. Все переменные при этом должны быть измерены в количественной шкале. Одна из переменных определяется исследователем как зависимая, а остальные (или их часть) – как независимые переменные. Допускается, что для некоторых объектов значения зависимой переменной неизвестны и их определение может составлять важный результат анализа. МРА может применяться как для решения прикладных задач, так и в исследовательских целях. Обычно МРА применяется для изучения возможности предсказания некоторого результата (обучения, деятельности)[1] по ряду предварительно измеренных характеристик. При этом предполагается, что связь между одной зависимой переменной и несколькими независимыми переменными можно выразить линейным уравнением. Помимо предсказания и определения степени его точности МРА позволяет определить и то, какие показатели («независимые переменные»), наиболее осуществимы, важны как для предсказания, а какими переменными можно пренебречь, исключив их из анализа. Следует отметить родственность МРА и дисперсионного анализа. В основе этих методов лежит одна и та же линейная модель. В этом смысле можно рассматривать МРА как аналог многофакторного дисперсионного анализа для случая, когда независимые переменные представляют собой не градации факторов, а измерены в количественной шкале. Исходным положением линейного МРА является возможность представления значений «зависимой» переменной через значения «независимых» переменны в виде линейного уравнения. После вычисления регрессионных коэффициентов по значениям независимых переменных для каждого из объектов могут быть вычислены оценки зависимой переменной. Сопоставление значений зависимой переменной с их оценками по выборке испытуемых, для которых значения известны, называется анализом остатков или ошибок. Он позволяет оценить возможные погрешности предсказания. Значения оценок могут быть вычислены и для испытуемых, истинные значения зависимой переменной для которых неизвестны. Далее можно вычислить коэффициент корреляции Пирсона между известными значениями «зависимой» переменной и ее оценками. Это один из способов получения коэффициента множественной корреляции (КМК) между «зависимой» и «независимыми» переменными. Коэффициент множественной корреляции – это мера линейной связи одной переменной с множеством других переменных; принимает положительные значения от 0 (отсутствие связи) до 1 (строгая прямая связь). КМК наряду с разностями между исходными и оцененными значениями «зависимой» переменной – основные показатели качества модели множественной регрессии.
Основной показатель МРА – коэффициент множественной корреляции, который, подобно парному коэффициенту корреляции Пирсона, является мерой линейной взаимосвязи одной переменной с совокупностью других переменных. КМК «зависимой» переменной с набором «независимых» переменных, как и КМД (коэффициент множественной детерминации), принимает только положительные значения, изменяясь в пределах от 0 до 1. Статистическая значимость КМК определяется по критерию F-Фишера для соответствующих степеней свободы. Таким образом, основными целями МРА являются: 1. Определение того, в какой мере «зависимая» переменная связана с совокупностью «независимых» переменных, какова статистическая значимость этой взаимосвязи. 2. Определение существенности вклада каждой «независимой» переменной в оценку «зависимой» переменной, отсев несущественных для предсказания «независимых» переменных. 3. Анализ точности предсказания и вероятных ошибок оценки «зависимой» переменной. 4. Оценка (предсказание) неизвестных значений «зависимой» переменной по известным значениям «независимых» переменных.
|
|||||
Последнее изменение этой страницы: 2017-02-05; просмотров: 439; Нарушение авторского права страницы; Мы поможем в написании вашей работы! infopedia.su Все материалы представленные на сайте исключительно с целью ознакомления читателями и не преследуют коммерческих целей или нарушение авторских прав. Обратная связь - 3.15.4.244 (0.005 с.) |