Регрессионный анализ.
Двумерная регрессия
Statgraphics:
Меню Relate (отношение)/Simple Regression (простая регрессия).
В опции Analysis Options можно просмотреть альтернативные модели, их данные, графики, расчеты.
Приведены следующие функции:
Таблица 1.
Тип модели |
Связь | |
Линейная |
linear | |
Экспоненциальная |
exponential | |
Обратная по Y |
Reciprocal-Y | |
Обратная по X |
Reciprocal-X | |
Дважды обратная |
Double reciprocal | |
Логарифмическая по Х |
Logarithmic-X | |
Мультипликативная |
Multiplicative | |
Квадратный корень по Х |
Square root-X | |
Квадратный корень по Y |
Square root-Y | |
S-кривая |
S-curve |
В таблицах:
регрессионный анализ;
дисперсионный анализ;
- предсказанные значения
- Сравнение альтернативных моделей (указаны наилучшие модели в порядке убывания).
Reciprocal- обратная
Square root – квадратный корень
В графиках:
1. Plot of Fitted Model– график подобранной модели.
2. PlotofCol_1 – сравнение наблюдаемых и предсказанных значений (совпадение свидетельствует о построении адекватной модели).
3. ResidualversusX– график остатков: стандартизированные остатки и переменная Х; стандартизированные остатки и предсказанныеY; стандартизированные остатки и номер строки)
Полиномиальная регрессия
Меню Relate (отношение)/Polynomial Regression (полиномиальная регрессия).
В опции Аnalysis Optionsможно задать степень полинома.
Множественная регрессия
Меню Relate (отношение)/Multiple Regression (множественная регрессия).
В опции Аnalysis Optionsможно выбрать пошаговый отбор переменных – опцияFit:
All Variables– в регрессии участвуют все переменные.
Forward Selection– алгоритм последовательного увеличения группы переменных;
Backward Selection– алгоритм последовательного уменьшения группы переменных.
SPSS:
Analyze – Regression –
Linear – линейная (множественная и двумерная) регрессия
В опции
Method задаем
Enter – включение всех переменных
Stepwise– пошаговый для многомерного
Backward – метод исключения переменных
Forward – метод добавления переменных
Statistics
Model fit – сводная таблица по модели
R squared change – R2
Descriptive – описательная статистика
Durbin-Watson – коэффициент Дарбина –Уотсона.
Plots –
Histogram - гистограмма
Normal probability – нормальное распределение
Save (копируется в данные)
Predicted Value - предсказанные значенияUnsand(нестандартизированные)
Predictions Interval – Mean – доверительные интервал для прогнозов
Нелинейная регрессия
Analyze – Regression –
Nelinear – нелинейная (множественная и двумерная) регрессия
В Model expression (модельное выражение) записывается формула (с помощью шкалы).
В Parametrs записываем начальные значения параметров.
Save (копируется в данные)
Predicted Value - предсказанные значенияUnsand(нестандартизированные)
И Residuals -ошибки.
Выходные данные:
результаты итераций.
статистика по регрессии –R2
конечные значения параметров с ошибкой и доверительным интервалом.
корреляционная матрица оценок. (высокие значения указывают на слишком большое количество параметров.
Другие виды регрессии:
1. Binary logistic - бинарная логистическая регрессия. Р – вероятность.
Исследуется зависимость дихотомных переменных от независимых переменных, имеющих любой вид шкалы.
Результаты:
1. Model summary (сводная таблица модели).R2 показывает долю объясненной вариации.
2. Классификационная таблица показывает процент верных ответов по модели.
3. переменные в уравнении. Задают вероятность дихотомной переменной при заданном значении x.
2. Multinominal Logistic – множественная логистическая регрессия (зависимая переменная имеет более 2 возможных значений и независимые – имеют порядковую шкалу).
3. Ordinal – порядковая регрессия – зависимая порядковая, а независимые разные)
4. Curve Estimation – оценивание с помощью кривых (временные ряды).
5. Weight estimation – весовая оценка (наблюдения с большей дисперсией оказывают меньшее влияние).
Statistica:
Statistics –Multiple regression – множественная регрессия