Regresyon Çıktısı – SPSS Ödevi Yaptırma – SPSS Analizi Yaptırma Fiyatları – SPSS Örnekleri – Ücretli SPSS Analizi Yaptırma – SPSS Analizi Yaptırma Ücretleri
Regresyon Çıktısı
Regresyon çıktısında aşağıya bakın ve Casewise Diagnostics etiketli tabloyu bulun. Standartlaştırılmış artıkları4 mutlak değerde 2’yi aştığı için burada üç durum listelenmiştir. İlki çok büyük bir pozitif kalıntıya sahiptir. Bu eyalette 3.543 ölüm vardı, ancak regresyon denklemi sadece 2.189’u öngörebilirdi. Bu noktayı daha önce yaptığınız dağılım grafiğinde tanımlayabilir misiniz? Devletin kimliğini tahmin edebilir misiniz? Diğer iki durum nelerdir (33 ve 44 numaralı durumlar)?
Regresyon denklemindeki rastgele hatalar hakkında dört varsayım olduğunu hatırlayın. Rastgele hataların kendisini gözlemleyemeyiz, bunun yerine en küçük dört kareler varsayımından herhangi birinin sorgulanıp sorgulanmayacağını değerlendirmeye yardımcı olması için artıkları inceleyeceğiz. Artıkları rastgele bozulmalar için vekiller olarak inceleyebilir ve dört varsayımdan üçü hakkında yargıda bulunabiliriz.
En küçük kareler yöntemi, artıkların ortalamalarının her zaman sıfır olacağını garanti eder. Bu nedenle, artıkların ortalaması, rastgele hataların ortalaması hakkında hiçbir bilgi taşımaz.
Bu regresyonda, daha önce belirtildiği gibi kesitsel verilerle uğraştığımız için dördüncü (bağımsızlık) varsayımla ilgilenmemize gerek yoktur. Ancak, diğer iki varsayımın (normallik ve varyansın homojenliği) geçerli olup olmadığına karar vermeye yardımcı olması için artıkları inceleyeceğiz. Bunu yapmak için en basit araçlar, istediğimiz iki grafiktir. Bu noktada, bu özellikler için resmi bir test yapmayacağız, sadece grafikleri yorumlamak için bazı yönergeler sağlayacağız.
İlk grafiğe Normal Olasılık Grafiği denir. Artıklar normal dağılmışsa, 45 ° yukarı eğimli bir çapraz çizgi boyunca uzanırlar. Sıfır hipotezimiz, artıkların normal olduğu ve grafiklerin 45° modelinden önemli ölçüde saptığı ölçüde normallik varsayımının sorgulanması gerektiğidir. Bu durumda, artıklar normal bir dağılım izlemiyor gibi görünmektedir.
Sonraki grafik, standartlaştırılmış artıkların standartlaştırılmış veya tahmin edilmiş değerlere karşı bir dağılım grafiğidir5. Bu grafik bize eşit varyans varsayımı ve ayrıca x ve y’nin doğrusal bir ilişkiye sahip olduğu varsayımı hakkında fikir verebilir. Her ikisi de doğru olduğunda, burada bu idealleştirilmiş çizimde gösterildiği gibi, kalıntılar sıfır kalıntı değeri etrafında yatay bir bantta rastgele dağılacaktır.
Soldan sağa veya sağdan sola “yayılan” artıklar, varyansın (veya değişen varyansın) heterojenliğine işaret eder. Eğri bir desen, doğrusal olmayan bir ilişki önerir. Regresyonumuzda, grafiğin sağ tarafında, solunda olduğundan daha fazla sıfır civarında değişen artıklar görüyoruz, bu da sabit olmayan varyasyonu gösteriyor. Bu (şimdilik) bizim için kötü bir haber.
Diğer tekniklerde olduğu gibi, doğrusallık veya varyansın homojenliği (homoskedastisite) gibi temel koşulların ihlali, çıkarımlarımızı güvenilmez kılar. Bu özel regresyondaki anlamlılık testlerini yorumlamamalıyız. 17. ve 18. Oturumlar, doğrusal olmama ve değişen varyansla başa çıkmak için bazı stratejiler önerir.
Çoklu regresyon analizi örnekleri
Regresyon katsayısı
Regresyon analizi
Regresyon analizi yorumlama
Regresyon analizi Nedir
Regresyon analizi formülü
Regresyon analizi pdf
Çoklu regresyon Analizi tablosu
Bir Zaman Serisi Örneği
Daha önce, bağımsızlık varsayımının zaman serisi veri kümelerinde genellikle bir endişe kaynağı olduğunu belirtmiştik. Eğer t + 1 anındaki bozulma, t anındaki bozukluğa bağlıysa, çıkarım ve tahmin bazı özel zorluklar ortaya çıkarır. Bir kez daha, ilk eğilimimiz, rastgele bozulmaların bağımsız olduğunu varsaymak ve bağımsız olmadıklarına dair ikna edici kanıtlar aramak olacaktır. Daha önce olduğu gibi, bunu en küçük kareler regresyonu çalıştırarak, uygun ve artık değerleri kaydederek ve artıkları inceleyerek yaparız.
Bir sonraki örneğimiz zaman serisi verilerini kullanır, böylece bu gözlemlerin sırası anlamlı olur. Önceki oturumda olduğu gibi, otomotiv temamızla devam ederek Amerika Birleşik Devletleri’nden bazı yıllık verilere bakacağız. ABD nüfusu arttıkça yollardaki araba sayısının da aynı şekilde arttığını düşünmek makul görünüyor. O ilişkiyi ele alalım. ABD dosyasını açın.
Dikeyde Kullanımdaki Arabalar (milyon) [araba] ve yatay eksende ABD Nüfusu (000) [pop] ile bir dağılım grafiği oluşturun. Bir en küçük kareler regresyon çizgisi ekleyin. Bu doğrusal bir ilişki gibi görünüyor mu?
Çizginin altında bir dizi nokta olduğuna dikkat edin, ardından bir dizi yukarıda, bir diğeri aşağıda vb. Bu model, artıkların birbirinden bağımsız olmadığını göstermektedir. Zaman içinde ilerledikçe, pozitif ve negatif artıklar kümelenme eğilimindedir. Artıklar bağımsız olduğunda, zaman içinde rastgele dalgalanırlar. Pozitif ve negatif artıkların tekrarlanan “sürüşleri”, artıkların birbirine bağımlı olduğunu gösterir.
Regresyonu Analiz Edin Doğrusal… Bağımlı değişken Kullanımdaki Arabalar (milyon) [arabalar] ve bağımsız değişken ABD Nüfusu (000) [pop]. Önceki regresyonda olduğu gibi, ek istatistikler ve bazı grafikler oluşturmak istiyoruz. İstatistikler…’e tıklayın ve daha önce yaptığınız gibi iletişim kutusunu tamamlayın.
- Kaydet’e tıklayın ve Kalıntılar altında Standartlaştırılmış’ı işaretleyin.
- Şimdi Plots’a tıklayın ve aşağıdaki gibi aynı grafikleri isteyin.
- Önceki örnek ve regresyonu çalıştırın.
Regresyon çıktısı göründüğünde, Veri Düzenleyicisine geri dönün ve sonuna kadar sağa kaydırın. ZRE_1 adında yeni bir değişken göreceksiniz. Bu, standartlaştırılmış artık değerlerdir. Öngörü Sıralama Çizelgelerini Analiz Edin… Bir sonraki sayfada gösterilen iletişim kutusunu tamamlayarak bir dizi veya zaman serisi oluşturun, bu artıkların grafiğini çizin.
Grafiğimizde (aşağıda gösterilmektedir), 0’da bir referans çizgisi ekledik. Erken artıkların hepsinin negatif (sürekli sıfıra yaklaşıyor), sonra pozitif olduğuna ve ardından negatif olduğuna dikkat edin. Bu, artıkların birbirinden bağımsız olmadığını ve kesinlikle rastgele olmadığını gösterir.
Şimdi dağılım grafiğine ve artık grafiklere bakın. Doğrusallık, normallik ve homoskedastisite varsayımları hakkında ne sonuca varıyorsunuz? Bu regresyondaki anlamlılık testlerini yorumlamalı mısınız?
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.
Çoklu regresyon analizi örnekleri Çoklu regresyon Analizi tablosu Regresyon analizi Regresyon analizi formülü Regresyon analizi Nedir Regresyon analizi pdf Regresyon analizi yorumlama Regresyon katsayısı