Содержание
- 2. Mnohonásobná korelace Mnohonásobná korelační závislost nám umožňuje sledovat, jak závisí proměnná y nejen na vysvětlující proměnné
- 3. Mnohonásobná korelace Sílu jednoduché lineární závislosti mezi jednou závisle proměnnou y a jedou vysvětlující proměnnou x
- 4. Mnohonásobná korelace Párové korelační koeficienty
- 5. Párové korelační koeficienty
- 6. Mnohonásobná korelace Koeficienty dílčí (parciální) korelace charakterizuje sílu lineární závislosti mezi závisle proměnnou a jednou nezávisle
- 7. Mnohonásobná korelace Parciální korelační koeficienty
- 8. Koeficienty dílčí korelace Příklad ⇒ vyjadřuje závislost celkové produkce na provozních nákladech za předpokladu, že výrobní
- 9. Mnohonásobná korelace Sílu vztahu závisle proměnné y na všech vysvětlujících proměnných x udává: Koeficient vícenásobné (totální)
- 10. Koeficient totální korelace Příklad ⇒ vyjadřuje závislost celkové produkce na všech prediktorech (nezávisle proměnných). Koeficient mnohonásobné
- 11. Mnohonásobná regrese Mnohonásobná regresní analýza je metoda, pro modelování závislostí několika vysvětlovaných náhodných veličin (závisle proměnných)
- 12. Mnohonásobná regrese Cíle mnohonásobné regrese jsou stejné jako u regrese jednoduché: vysvětlit rozptyl v závisle proměnné
- 13. Mnohonásobná regrese Před vlastní regresní analýzou je potřeba ověřit kvalitu dat. Samotné analýze tedy musí předcházet
- 14. Mnohonásobná regrese Model vyjadřující závislost veličiny Y na veličinách X1, X2 , …, Xk lze zapsat
- 15. Mnohonásobná regrese Lineární vícenásobný regresní model Y = β0 + β1x1 + β2x2 + … +
- 16. Mnohonásobná regrese Odhadnutou regresní funkci lze zapsat ve tvaru (MMČ) y` = b0 + b1x1 +
- 17. Mnohonásobná regrese Předpoklady modelu (viz. 4. přednáška) Vysvětlující proměnné musí být vzájemně nezávislé – nesmí být
- 18. Hodnocení mnohonásob. modelu z hlediska testů významnosti Test významnosti dílčích výběrových regresních koeficient (parametrů b) provádíme
- 19. Hodnocení mnohonásob. modelu z hlediska testů významnosti
- 20. Příklad Sestavte nejvhodnější lineární regresní model pro závislost celkové produkce na provozních nákladech, výrobní spotřebě, odpisech
- 21. Příklad Metody výběru prediktorů
- 22. Metody výběru prediktorů (x) ENTER – všechny prediktory vstoupí do rovnice (rozhodnutí uživatele). 1. metoda FORWARD
- 23. Příklad Model jako celek je statistický významný vyplývá to z F-testu. Totální korelační koeficient - kvalita
- 24. Příklad Z t-testů vyplývá, že některé regresní koeficienty jsou nevýznamné. I přesto, že je model vhodný
- 25. Příklad Z úvodního posouzení modelu vyplynulo, že budeme provádět vypuštění proměnných. V našem případě – odpisy
- 26. Příklad
- 28. Скачать презентацию