Đang chuẩn bị nút TẢI XUỐNG, xin hãy chờ
Tải xuống
Bài giảng Phân tích số liệu - Bài 7: Phân tích hồi quy đơn nhằm trình bày về phân tích hồi quy là phương pháp phân tích thống kê để dự đoán giá trị của biến phụ thuộc (biến dự báo) theo các biến độc lập (biến dùng để dự báo). | BÀI 7 PHÂN TÍCH HỒI QUY ĐƠN MỤC ĐÍCH Phân tích hồi quy là phương pháp phân tích thống kê để dự đoán giá trị của biến phụ thuộc (biến dự báo) theo các biến độc lập (biến dùng để dự báo). Ví dụ: Dự đoán chiều cao của con cái theo các yếu tố như: - Chiều cao bố, mẹ - Chế độ dinh dưỡng - Các môn thể thao tập luyện Dựa vào phân tích tương quan để lựa chọn mô hình hồi quy phù hợp. MÔ HÌNH HỒI QUY ĐƠN Mô hình hồi quy đơn gồm 1 biến phụ thuộc Y (biến định lượng) và 1 biến độc lập X. Phân tích hồi quy của Y theo X là tìm dạng phụ thuộc hàm giữa chúng (dựa vào đồ thị scatter). Tuyến tính Phi tuyến ƯỚC LƯỢNG ĐƯỜNG HỒI QUY Dùng phương pháp ước lượng bình phương bé nhất để ước lượng các hệ số trong đường hồi quy. Tuyến tính Phi tuyến HỒI QUY TUYẾN TÍNH ĐƠN Mô hình hồi quy tuyến tính của Y theo X có dạng: trong đó β0, β1: hệ số hồi quy, i: sai số ngẫu nhiên. Điều kiện của mô hình - i có phân phối chuẩn với E( i) = 0 và D( i) = 2 (phương sai không đổi). - Các sai số không tự tương quan nhau . | BÀI 7 PHÂN TÍCH HỒI QUY ĐƠN MỤC ĐÍCH Phân tích hồi quy là phương pháp phân tích thống kê để dự đoán giá trị của biến phụ thuộc (biến dự báo) theo các biến độc lập (biến dùng để dự báo). Ví dụ: Dự đoán chiều cao của con cái theo các yếu tố như: - Chiều cao bố, mẹ - Chế độ dinh dưỡng - Các môn thể thao tập luyện Dựa vào phân tích tương quan để lựa chọn mô hình hồi quy phù hợp. MÔ HÌNH HỒI QUY ĐƠN Mô hình hồi quy đơn gồm 1 biến phụ thuộc Y (biến định lượng) và 1 biến độc lập X. Phân tích hồi quy của Y theo X là tìm dạng phụ thuộc hàm giữa chúng (dựa vào đồ thị scatter). Tuyến tính Phi tuyến ƯỚC LƯỢNG ĐƯỜNG HỒI QUY Dùng phương pháp ước lượng bình phương bé nhất để ước lượng các hệ số trong đường hồi quy. Tuyến tính Phi tuyến HỒI QUY TUYẾN TÍNH ĐƠN Mô hình hồi quy tuyến tính của Y theo X có dạng: trong đó β0, β1: hệ số hồi quy, i: sai số ngẫu nhiên. Điều kiện của mô hình - i có phân phối chuẩn với E( i) = 0 và D( i) = 2 (phương sai không đổi). - Các sai số không tự tương quan nhau cov( i , j) = 0 SPSS: Analyze\Regression\Linear CÁC BƯỚC PHÂN TÍCH CƠ BẢN B1. Phân tích tương quan: biến độc lập X tương quan tuyến tính với biến phụ thuộc Y và phương sai sai số không đổi. RP = 0.966 RP = 0.872 Phương sai thuần nhất Phương sai không thuần nhất Dùng các phép biến đổi số liệu CÁC BƯỚC PHÂN TÍCH CƠ BẢN B2. Kiểm định ANOVA sự phù hợp mô hình hồi quy H0: β1 = 0 Hệ số xác định R2 – giải thích sự biến thiên của biến dự báo qua hồi quy. Nhận xét: Mô hình đặt ra là phù hợp. Biến độc lập x có thể giải thích đến 93.3% sự biến thiên của biến phụ thuộc y1 CÁC BƯỚC PHÂN TÍCH CƠ BẢN B3. Ước lượng các hệ số hồi quy bằng phương pháp bình phương bé nhất, kiểm định xem các hệ số bằng 0 hay không => phương trình hồi quy tuyến tính mẫu Nhận xét: Các hệ số hồi quy đều khác 0. Phương trình đường hồi quy thu được là Y1 = 2.298 + 1.802 X CÁC BƯỚC PHÂN TÍCH CƠ BẢN B4. Khảo sát mẫu phần dư - Vẽ đồ thị scatter các điểm để khảo sát điều kiện kỳ vọng bằng 0 và phương sai không đổi. - Kiểm định .
