Bu oturumda aşağıdakileri yapmayı öğreneceksiniz:

• Tahmin(ler)in standart hatasını yorumlayın
• Bir regresyon analizindeki artıkları analiz ederek en küçük kareler regresyonu varsayımlarını doğrulayın
• y’yi tahmin etmek veya tahmin etmek için tahmini bir regresyon çizgisi kullanın
değerler

En Küçük Kareler Regresyonu için Varsayımlar

Önceki oturumda, bir dizi noktayı bir çizgiye sığdırmayı öğrendik. SPSS, en küçük kareler yöntemi adı verilen yaygın bir teknik kullanır. Kullanılabilecek başka birçok alternatif yöntem olmasına rağmen, en küçük kareler tahmini, açık ara en yaygın kullanılanıdır. Kararları desteklemek için regresyon analizini kullanmadan önce, bir kullanıcı varsayımlarını ve sınırlamalarını anlamalıdır.

Tekniği herhangi bir eşleştirilmiş (x, y) değer kümesine uygulayabilir ve tahmini bir doğru elde edebiliriz. Bununla birlikte, sonuç niteliğindeki kararlar için tahminlerimizi kullanmayı planlıyorsak, tahminlerin tarafsız ve başka bir şekilde güvenilir olduğundan emin olmak isteriz.

En küçük kareler yöntemi, belirli koşullar doğru olduğunda yansız, tutarlı ve verimli tahminler verecektir. Temel doğrusal regresyon modelinin, x ve y’nin doğrusal bir ilişkisi olduğunu, ancak gözlemlenen herhangi bir (x, y) çiftinin doğrudan rastgele sapacağını belirttiğini hatırlayın. Bunu cebirsel olarak şu şekilde ifade edebiliriz:

yi =β0+β1xi +εi

• xi, yi sırasıyla x ve y’nin i. gözlemini temsil eder,
• β0 temeldeki lineer ilişkinin kesişimidir,
• β1 temeldeki lineer ilişkinin eğimidir ve
• εi i’inci rastgele bozulmadır (yani,
• teorik çizgi ve gözlemlenen değer [xi, yi])

β0 ve β1’in güvenilir tahminlerini vermek için en küçük kareler tahmini için, rastgele bozulma olan ε hakkında aşağıdakiler doğru olmalıdır.

• Normallik: Her olası x değerinde, rastgele bozulmalar normal olarak dağılır; ε|xi normal bir dağılım izler.
• Sıfır ortalama: Her olası x değerinde, ε|xi’nin ortalaması 0’dır.
• Varyansın homojenliği (aynı zamanda homoskedastisite olarak da adlandırılır): x’in her olası değeri, ε|xi’nin varyansı σ2’ye eşittir, bu sabittir.
• Bağımsızlık: Her olası x değerinde, εi|xi değeri diğer tüm εj|xj’lerden bağımsızdır.

Bu koşullar sağlanmazsa ve en küçük kareler yöntemini kullanırsak, çıkarımlarımızın (önemlilik testleri ve geliştirdiğimiz herhangi bir güven aralığı) yanıltıcı olması riskini alırız. Bu nedenle, x ve y’nin doğrusal bir ilişkiye sahip olduğunu ve yukarıdaki dört koşulun doğru olduğunu varsayabileceğimizi doğrulamak önemlidir.

Zorluk, “gerçek” regresyon çizgisinin yerini bilmediğimiz için rastgele bozuklukları, εi’yi doğrudan gözlemleyemememizde yatmaktadır. Bozulmalar yerine artıkları, yani tahmini regresyon çizgimiz ile gözlemlenen y değerleri arasındaki farkları inceleriz.

En Küçük Kareler yöntemi regresyon
En Küçük Kareler Yöntemi varsayımları
En Küçük Kareler yöntemi formül
En Küçük Kareler yöntemi PDF
EKK yöntemi
En küçük kareler yöntemi amacı
En Küçük Kareler yöntemi Örnek
Hata terimi formülü

Varsayımları Kontrol Etmek için Kalıntıların İncelenmesi

Kalıntıları hesaplayarak ve inceleyerek, verilen bir regresyon analizinde yukarıdaki koşulların uygulanma derecesi hakkında bir fikir edinebiliriz. Örnek verilerin kesitsel mi yoksa zaman serisi mi olduğuna bağlı olarak biraz farklı analiz stratejileri benimseyeceğiz. Bir popülasyondan zaman içinde bir noktada bir kesitsel örnek alınır; zaman serisi veya boylamsal veriler, bir örneğin zaman içinde tekrarlanan ölçümünü içerir.

Kesitsel verilerde, gözlemler anlamlı bir sırayla yapılmadığından bağımsızlık varsayımı ilgili değildir; zaman serisi verilerinde ise, bağımsızlık varsayımı önemlidir. Bir önceki oturumda gördüğümüz kesitsel bir örnekle başlayacağız: trafik ölümleri ile bir eyaletteki kayıtlı araba sayısı arasındaki ilişki. Durumlar adlı veri dosyasını açın. Bu sefer regresyon yaptığımızda, SPSS’nin bazı ek istatistikler rapor etmesini ve artıkları değerlendirmemize yardımcı olacak grafikler oluşturmasını sağlayacağız.

Düşey eksende ölümler ve yatay eksende nüfus ile donatılmış çizgi dahil bir dağılım grafiği oluşturun.

Regresyon Doğrusalını Analiz Edin… Daha önce yaptığınız gibi, bağımlı değişken olarak Kazalarda ölüm sayısı, 2005’i ve bağımsız değişken olarak Kayıtlı otomobil sayısı, 2005’i seçin. Tamam’a tıklamadan önce İstatistikler…’e tıklayın. Bu düğme, SPSS’nin raporlaması için çeşitli değerler belirtmenize izin veren başka bir iletişim kutusu açar. İletişim kutusunu burada gösterildiği gibi tamamlayın ve ardından Devam’a tıklayın.

Bu iletişim kutusunda, varsayılanlara ek olarak iki tablo istiyoruz. İlk olarak, regresyondaki iki değişken için tanımlayıcı istatistikler üreteceğiz. Bunlar ortalama, standart sapma ve korelasyonları içerecektir. İkinci olarak, artıkları tahmin edilen hattan ikiden fazla standart sapma olan durumların bir tablosunu oluşturacağız. Bu, regresyondaki uzak değerleri belirlememize yardımcı olabilir.

Bu bilgilere ek olarak, artıklarımızın iki grafiğini oluşturarak normallik ve homoskedastisite varsayımlarını değerlendirmek isteyeceğiz. Bunu şu şekilde yapıyoruz:

Ardından, Plots…’a tıklayın ve burada gösterildiği gibi iletişim kutusunu tamamlayın.

Bu iletişim kutusu, çeşitli grafikler oluşturmamızı sağlar. Gösterildiği gibi, iki grafik oluşturacaktır: normallik varsayımını değerlendirmek için normal bir olasılık grafiği ve standartlaştırılmış artıklara (*ZRESID) karşı standartlaştırılmış tahmini değerlerin (*ZPRED) bir dağılım grafiği. Grafiklerin yorumunu yakında açıklayacağız.

Regresyon sonuçlarını aynen önceki seanstaki gibi yorumluyoruz. Hatırlayacağınız gibi, bu regresyon modeli oldukça iyi görünüyor: anlamlılık testleri etkileyici ve belirleme katsayısı (r2) oldukça yüksek. Artıkları kendi başına incelemeden önce, dikkatinizi regresyon çıktısının birkaç unsuruna çekiyoruz.

Yukarıda gösterilenler, regresyondaki iki değişken için tanımlayıcı istatistiklerdir. Bunlar, artıkların göreceli büyüklüğü ve bazı model özet ölçüleri hakkında düşünmede yardımcı olur. Özellikle, ekranınızda Model Özetini bulun. Tablodaki en sağdaki değere Tahminin Standart Hatası (bazen s olarak da adlandırılır) denir ve 403.6 ölüme eşittir.

Bu değer, rastgele bozukluğun değişkenliğinin bir ölçüsüdür. Normallik varsayıldığında, gözlemlenen noktaların zamanın yaklaşık %95’inde regresyon çizgisinin iki standart hatası içinde olması gerekir. s’nin boyutu y’nin standart sapmasına yakın olsaydı, modelimizle y’yi tahmin ederken, sadece y’nin ortalama değerini kullanırken olduğu kadar çok tahmin hatasıyla karşılaşırdık.

s, y’nin standart sapmasından (bu örnekte 880) çok daha küçük olduğu için, modelimizin ortalama y değerini kullanarak oto ölümlerinin naif tahminine göre bir gelişme olduğundan emin olabiliriz.

The post En Küçük Kareler Regresyonu için Varsayımlar – SPSS Ödevi Yaptırma – SPSS Analizi Yaptırma Fiyatları – SPSS Örnekleri – Ücretli SPSS Analizi Yaptırma – SPSS Analizi Yaptırma Ücretleri first appeared on Akademi Delisi (Tez Yaptırma).

Koordinat listesini yukarıdan aşağıya doğru görüntülediğimizde, ikinci değişken (bu durumda içecekler) birinci değişkenden (bu durumda araç) daha hızlı artar. Bu tam olarak veri dosyasındaki değişkenlerin sırasıdır ve tesadüf değildir.

Verileri en başta bu sistematik şekilde girerek ve değişkenleri veri dosyasındaki en yavaş artan değişken ilk isim alacak şekilde isimlendirerek bu pencerede iki bağımsız değişkenimizi tanımlamayı çok uygun hale getirdik. Bunun nedeni, koordinatların sırasının, ana GLM Tekrarlanan Ölçümler penceresinin sol panelindeki değişkenler listesinde görünen sıra ile eşleşmesidir.

Değişkenleri hücre koordinatlarına getirmemiz gereken sırayı bilerek, şimdi onları getirebiliriz. Getirilen ilk değişken (1,1) koordinatı ile eşleştirilecektir, bu nedenle değişkenlerinizi sıralamak için soru işaretlerinin ve koordinatların bulunduğu sağ paneli kılavuz olarak kullanmaya çok dikkat etmeniz gerekir.

Bizim durumumuzda, değişken listesindeki sıralama, bu pencerede SPSS’ye sıranın söylenmesi gereken sıra ile eşleşir, böylece listeyi car0’dan suv3’e vurgulayabilir ve aynı anda getirebiliriz; SPSS, tıklanan herhangi bir vurgulanmış değişken kümesinin sırasını koruyacaktır. Tanımlanan değişkenlerin seviyelerini gösterir.

Gösterilen pencereye ulaşmak için Kontrastlar düğmesine tıklayın. SPSS, varsayılan olarak Polinom kontrastını kullanır. Tekrarlanan ölçü eşit aralıklı aralıkları temsil etmediği için böyle bir analiz yapmamalıyız. Her bir değişkeni sırayla vurgulayın, açılır menüden Yok’u seçin ve Değiştir’e tıklayın.

Her değişken adının yanındaki parantez içindeki karşıtlıklar, gösterildiği gibi artık Yok diyecektir (SPSS’nin son sürümlerinin çoğunun, karşıtlık çalıştırmama talebini yok sayacağını ve eğer biri diğerinden biriyse polinom karşıtlıkları gerçekleştireceğini unutmayın). kontrastlar seçilmez). Ana iletişim penceresine dönmek için Devam’ı tıklayın.

Ekran etiketli pencerenin alt kısmında, Şekil 11.10’da gösterildiği gibi gözlemlenen ortalamaların ve standart sapmaların çıktısını almak için Tanımlayıcı istatistikleri kontrol edin. Ana iletişim penceresine dönmek için Devam’ı tıklayın.

Etkileşimin anlamlı bulunması durumunda grafiği ayarlamak için Plots düğmesine tıklayın. İçecekleri yatay eksene üç nedenden dolayı yerleştiririz: (a) kavramsal olarak taşıttan daha süreklidir; (b) araçtan daha fazla seviyeye sahiptir ve bu nedenle bu değişkeni Ayrı Hatlar için belirlemiş olsaydık daha fazla hat üretebilirdi; (c) tasarım matrisini çizme şeklimizle eşleşir. Grafiği SPSS’ye kaydetmek için Add butonunu tıkladıktan hemen sonra Plots penceresini gösteriyoruz. Ana iletişim penceresine dönmek için Devam’a ve çok amaçlı analizi çalıştırmak için Tamam’a tıklayın.

OMNIBUS ANALİZİ İÇİN SPSS ÇIKTI

Çıktının ilk kısmından iki küçük tabloyu göstermektedir. Konu İçi Faktörler tablosu, tekrarlanan ölçümlerin düzeylerini sunar; SPSS, tablonun sol kısmındaki her birinin düzeylerini ve sağdaki hücrelere karşılık gelen gerçek değişkenleri rapor eder.

Tanımlayıcı İstatistikler tablosu, her koşul için gözlemlenen ortalamaları, standart sapmaları ve örnek boyutlarını sunar. Mauchly’nin Küresellik Testinin sonuçlarını sunar. Mauchly testinin aynı anda iki varsayımı değerlendirdiğini hatırlayın: (a) denek içi değişkenin düzeylerinin eşit varyanslara sahip olduğu (yani, varyansın homojenliği olduğu); ve (b) denek içi değişkenin seviyelerinin aynı ölçüde ilişkili olduğunu görürüz.

Eğim parametresi hesaplama
Ekonometri sabit terim
Gauss-Markov Teoremi
En Küçük Kareler Yöntemi varsayımları
Ekonometrik denklemde tanımlama hatası nedenleri
Klasik doğrusal regresyon modeli Varsayımları
Ekonometri formülleri
Ekonometri bağımlı bağımsız değişken örnekleri

Yalnızca iki araç seviyesi ile test yorumlanamaz ve SPSS önemini test etmez. İçecekler ve araç-içecek etkileşimi açısından değerlendirme için mevcut üç veya daha fazla koşulla, Mauchly’nin küresellik istatistiği hesaplanır ve anlamlılık açısından test edilir; ikisi de istatistiksel olarak anlamlı değildir.

Konu içi varyansın özet tablosu gösterilmektedir. Anlamsız bir küresellik testi ile Küresellik Varsayımı etiketli satırlara odaklanabiliriz. İlginin üç etkisi vardır: iki ana etki ve iki yönlü etkileşim. Her biri kendi hata terimi ile değerlendirilir ve   belirttiğimiz gibi, içecekler ve araç-içecekler etkileşimi için ana etki istatistiksel olarak anlamlıdır.

Varyansın denekler arası kısmını göstermektedir. Intercept, burada ele almadığımız tam modelle ilgilidir. SPSS’nin Hata dediği şey, bireysel farklılıkları temsil eden varyanstır; bu etki için bir F oranı hesaplamaz.

ANOVA SONRASI ANALİZİN SPSS’DE YAPILMASI

SADELEŞTİRİLECEK ETKİLERİN BELİRLENMESİ

Analizi çok amaçlı ANOVA için yaptığınız gibi yapılandırın. Gösterilen Seçenekler iletişim penceresinde, içecekler ve araç-içecekler etkileşimi (iki önemli etki) için efektleri Görüntüleme Araçları etiketli panele getirin; bu, bir /EMMEANS = TABLES sözdizimi satırı ve bu etkiler için tahmini marjinal araçların tablolarını üretecektir.

Tanımlayıcı istatistikleri sormayın onları zaten elde ettik ve basit etkiler, her durumda gözlemlenen ortalamalardan ziyade tahmini marj ortalamaları üzerinde gerçekleştirilir. Ana iletişim penceresine ulaşmak için Devam’a tıklayın ve ardından Tamam’ı tıklatmak yerine Yapıştır düğmesine tıklayın. Temel sözdizimi daha sonra bir sözdizimi penceresine yerleştirilecektir; o pencereyi masaüstünüzde bulun ve tıklayarak aktif hale getirin.

BASİT ETKİ TESTİ

Sözdizimi penceresi aktifken görüntülenen sözdizimi mevcuttur. Basit efekt testini gerçekleştirmenin ilk adımı, araç-içecek etkileşimi için /EMMEANS=TABLES komut satırını çoğaltmaktır.  Sonraki adım, bu satırların her birine karşılaştırma sözdizimimizi eklemektir. İki sözdizimi parçası aşağıdaki gibidir.

ANA ETKİ EŞLİ KARŞILAŞTIRMALAR

Yaptığımız gibi, içecekler ana etkisi için /EMMEANS = TABLES alt komutuna karşılaştırma sözdizimimizi ekleyeceğiz. Oluşturacağımız analiz her bir araç çiftini birbiriyle karşılaştıracaktır. Bu satıra aşağıdaki sözdizimini ekleyin:

Bu yeni sözdiziminin eklendiği sözdizimi penceresi gösterilmiştir. Bu yazmayı tamamladıktan sonra, analizi gerçekleştirmek için ana menüden Çalıştır ➜ Tümü’nü seçin.

ANOVA SONRASI ANALİZ İÇİN SPSS ÇIKTI

ETKİLEŞİM BASİT ETKİLERİ

Basit efekt analizleri en iyi şekilde etkileşim grafiğinde temellendirilir. Bu şekilde, burada neyin analiz edildiğini tam olarak görebiliriz. Burada bulduklarımızı yorumlamak için temel alın. Araç için İkili Karşılaştırmalar tablosunu sunar. Her biri içecek seviyelerini izole eden üç ana sıra olduğunu unutmayın. Her sıranın içinde, birinci araç seviyesi (araba), ikinci araç seviyesi (SUV) ile karşılaştırılır.

Böylece, göre üç “dikey” karşılaştırma yapıyoruz – öğrencilerin tükettiği içecek sayısının her seviyesinde iki araç türü için sürüş hatalarını karşılaştırıyoruz. Örneğin, ilk içki seviyesi altında (öğrenciler hiç içki içmemiştir) iki araç seviyesinin ortalamaları arasındaki fark 0.333’tür.

Bu fark istatistiksel olarak anlamlı değildir. Görüldüğü gibi istatistiksel olarak anlamlı olan tek fark, içeceklerin üçüncü seviyesindedir. Üç içki içen öğrenciler, spor arabalarda SUV’lara göre 2.50 daha fazla sürüş hatası yapıyorlar.

İçecekler için İkili Karşılaştırmalar tablosunu sunar. Artık her biri araç seviyelerinden birini izole eden iki ana sıra olduğunu unutmayın. Her sıranın içinde, içeceklerin (araba) üç seviyesi karşılaştırılır.

Bu nedenle göre iki “yatay” karşılaştırma yapıyoruz – her araç için üç adet içki için sürüş hatalarını karşılaştırıyoruz. İkili Karşılaştırmalar tablosundan, birinci araç seviyesi (arabalar) altında tüm koşulların birbirinden farklı olduğu, ancak ikinci araç seviyesi (SUV) altında sürüş hatalarının sıfır içkiden bir içeceğe arttığı, ancak daha fazla önemli olmadığı görülmektedir. 

The post SADELEŞTİRİLECEK ETKİLER – SPSS Ödevi Yaptırma – SPSS Analizi Yaptırma Fiyatları – SPSS Örnekleri – Ücretli SPSS Analizi Yaptırma – SPSS Analizi Yaptırma Ücretleri first appeared on Akademi Delisi (Tez Yaptırma).