Tahminle İlgili Sorunlar – SPSS Ödevi Yaptırma – SPSS Analizi Yaptırma Fiyatları – SPSS Örnekleri – Ücretli SPSS Analizi Yaptırma – SPSS Analizi Yaptırma Ücretleri
Tahminle İlgili Sorunlar
Varsayımlarla ilgilenmemizin bir nedeni, tahminlerin veya tahminlerin güvenilirliğini etkilemeleridir. Bu tür tahminleri yapmak ve değerlendirmek için SPSS’yi nasıl kullanabileceğimizi görmek için başka bir örneğe döneceğiz. Yardımcı Program adlı dosyayı açın.
Bu dosya, Carver evindeki doğal gaz ve elektrik tüketimiyle ilgili zaman serisi verilerini içerir. Ayrıca örnekteki her ay için ortalama aylık sıcaklık da dahildir. Önceki oturumda olduğu gibi, gaz tüketimi ile sıcaklık arasındaki ilişkiyi modelleyeceğiz ve ardından gaz kullanımını tahmin etmeye devam edeceğiz. Ortalama sıcaklığın 22 derece olduğu bir ayda kullanımı tahmin etmek istediğimizi varsayacağız.
Daha önce olduğu gibi, bir nokta tahmini elde etmek için tahmini regresyon modelimize 22 derece ekleyebiliriz. Bununla birlikte, tüm aylardaki ortalama gaz kullanımını ortalama 22 derece veya belirli bir aydaki gerçek gaz kullanımını ortalama 22 derece olarak tahmin etmek isteyip istemediğimize bağlı olarak bir güven veya tahmin aralığı da geliştirebiliriz.
Regresyonu Analiz Edin. Daha önce olduğu gibi, günde tüketilen ortalama termikler [gaspday] bağımlı değişkendir ve Ortalama Sıcaklık [meantemp] bağımsızdır. Aynı istatistikleri ve grafikleri isteyeceğiz, ancak bu sefer Kaydet… seçeneğine de tıklayın, burada gösterildiği gibi Kaydet iletişim kutusunu tamamlayın.
Regresyon çıktısını incelemeden önce Veri Editörüne geçin. 54. satıra ilerleyin ve ortalama sıcaklığın aslında 22o olduğunu ve günde ortalama 10.7 terminin tüketildiğini not edin. Şimdi sağa kaydırın ve veri dosyasında (bir sonraki sayfada gösterilen) bazı garip adlandırılmış sütunlara dikkat edin.
Beş yeni değişken, tahmin edilen değerlere (tahmin edilen denklem ve gözlenen her x değeri kullanılarak hesaplanmıştır), y|x ortalaması için %95’lik bir güven aralığının alt ve üst sınırlarına ve alt ve üst sınırlarına karşılık geldi. y|x’in bireysel değerleri için %95 tahmin aralığındadır.
Ortalama sıcaklığı 22 derece olan bir ay için, pre_1 sütunu, o Şubat ayında tüketilen gerçek 10.7’ye oldukça yakın olan 10.59463 termlik tahmini bir değer gösterir. Ortalama için güven aralığı (10.00294, 11.18632); Ortalama tüketimin tüm aylar için bu aralıkta ortalama 22 derece olduğundan %95 eminiz diyebiliriz.
%95 tahmin aralığı (7.90748, 13.28179)’dir. Ortalama sıcaklığın 22 derece olduğu bir ay boyunca gaz tüketiminin bu aralıkta düşeceğinden %95 eminiz. Ortalama aralığın bireysel aralıktan çok daha dar olduğuna dikkat edin; bu, kesin bir ortalama tahmininden bireysel değerler için yapabileceğimizden daha emin olabileceğimizi yansıtıyor.
Regresyon analizi ile talep tahmini örnekleri
Kantitatif talep tahmin yöntemleri
Kullanıcıların yaptığı diğer aramalar kapatma
Talep tahmin Yöntemleri örnek sorular
Talep tahmini yöntemleri
Satış tahmini yöntemleri
Talep tahmini Nedir
Google arama tahmini kapatma
Tüm olası x değerleri için ortalama ve bireysel aralıkları aşağıdaki gibi inceleyebiliriz:
Ortalama sıcaklığa karşı tüketilen ortalama termlerin dağılım grafiğini oluşturun. Grafiğe çift tıklayın ve grafiğe bir Sığdırma Çizgisi ekleyin. Ardından, Özellikler iletişim kutusunu açarak çizgiye çift tıklayın (sonraki sayfaya bakın). Bu iletişim kutusunda, önce bir Ortalama Güven Aralığı istediğinizi belirtin ve Apply (Uygula) düğmesini tıklayın. Ardından, Bireysel Güven Aralığı için de aynısını yapın.
Ortaya çıkan her grafikte üç satır göreceksiniz. Aşağıya doğru eğimli merkezi düz çizgi, tahmini regresyon çizgisidir. Ortalama aralıkları belirlediğinizde, regresyon uyum çizgisine yakın bir çift güven bandı göreceksiniz. Bireysel aralıklarla, regresyon çizgisinden daha uzakta bulunan tahmin bantlarını göreceksiniz.
Bu tahminlere çok fazla güvenmeden önce, artıklara bakalım. Sonuçta tahmin, varsayımlarımızın geçerliliğine bağlı olan bir çıkarım biçimidir. Görüntüleyici penceresine geçin ve regresyon sonuçlarına ve kalan grafiklere bakın.
Bunların zaman serisi verileri olduğunu unutmayın. Araştırabileceğimiz üç varsayımın her biri için herhangi bir sorun görüyor musunuz? Bu sorunlar, bu durumda tahminlerimizi nasıl etkileyebilir?
Verilerin dağılım grafiğine ve regresyon çizgisinin kendisine bir kez daha bakın. X ekseni boyunca, 22 dereceyi görsel olarak konumlandırın ve regresyon çizgisine ve gözlemlenen veri noktalarına bakın. 20 ila 30 derece arasında gözlemlenen verilerin çoğunun regresyon çizgisinin üzerinde olduğuna ve tüm nokta setinin çizgi etrafında nazikçe kavis çizdiğine dikkat edin. Bu nedenle, düşük sıcaklık aralığındaki tahmini değerler muhtemelen çok düşüktür. Bununla ilgili ne yapabiliriz? Gelecekteki bir oturumda bazı çözümler göreceğiz.
Regresyon Hakkında Bir Uyarı
Doğrusal regresyon, çok sayıda kullanımı olan çok güçlü bir araçtır. Her araç gibi, yine de dikkatli ve düşünceli bir şekilde kullanılmalıdır. Düşüncesiz kullanımların nasıl tuhaf sonuçlara yol açabileceğini görmek için aşağıdakileri deneyin. Anscombe adlı dosyayı açın.
Bu veri kümesi, dört x, y çifti kümesini temsil eden sekiz sütun içerir. x1 ve y1, x2 ve y2 vb. kullanarak dört regresyon gerçekleştirmek istiyoruz. Şimdiye kadar, ayrıntılı talimatlar olmadan dört ayrı regresyon çalıştırabiliyor olmalısınız. Bunu yaptıktan sonra, dört sonuca yakından bakın ve gördükleriniz hakkında yorum yapın.
Regresyonlara dayanarak, dört x-y çiftinin hepsinin aynı özdeş ilişkiyi paylaştığı sonucuna varmak cezbedicidir. Yoksa öyle mi?
Şimdi dört dağılım grafiği oluşturun (y1’e karşı x1, y2’ye karşı x2, vb.) Ne görüyorsunuz? Bu dört grafiğin her birinin, neredeyse aynı dört regresyona yol açtığını unutmayın. Bu örnek, verilerinizi çizmenin önemi konusunda sizi ikna etmelidir!
Bu oturumun tekniklerini kullanarak, aşağıdaki ilişkileri araştırmak için regresyonları ve kalıntı analizlerini gerçekleştirin ve değerlendirin. Bu oturumda kullanılan her dosya aynı zamanda Oturum 15’te de kullanılmıştır. Devam Ediyor… sorularına başvurmak isteyebilirsiniz.
Soruda belirtildiği gibi bağımlı değişkeni tahmin etmek için regresyonlarınızı ve SPSS’yi kullanın. Her durumda, tahmini regresyon denklemini rapor edin ve eğim ve kesişim anlamını açıklayın.
1. Kullanılan arabalar ve Nüfus (pop = 245.000, yani 245 milyon kişinin ne zaman olacağını tahmin edin)
2. Federal Makbuzlar ve Kişisel Gelir (PersInc = 5.000, yani 5 trilyon dolar olduğunda tahmin edin)
NOT: İlk örnekteki ilk “olağandışı” durum Florida’dır. Veri Düzenleyici’de, Florida için Kayıt sütunundaki değeri silin. Şimdi, Florida’nın olağandışı örneğini atlayarak, bu oturumdaki ilk örneği yeniden yapın.
3. Bu, özellikle (a) regresyonu ve (b) artıkları nasıl etkiler? İki regresyonunuzun eğimlerini ve kesişimlerini karşılaştırın ve bulduklarınız hakkında yorum yapın.
4. Florida’da 2005’te beklenenden daha yüksek sayıda ölüme yol açabilecek gerçek bir neden önerebilir misiniz?
Google arama tahmini kapatma Kantitatif talep tahmin yöntemleri Kullanıcıların yaptığı diğer aramalar kapatma Regresyon analizi ile talep tahmini örnekleri Satış tahmini yöntemleri Talep tahmin Yöntemleri örnek sorular Talep tahmini Nedir Talep tahmini yöntemleri