Barion Pixel FELADAT | Lineáris regresszió | mateking
 

Adatelemzés 1 epizód tartalma:

Regresszió alapötlete, magyarázó változók, eredményváltozó, proxy változó, dummy változó, lineáris kétváltozós regresszió, reziduumok, reziduális szórás, korreláció, kovariancia, elaszticitás, többváltozós lineáris regressziós modell, paraméterek becslése, elaszticitás, korrelációs mátrix, kovariancia mátrix, standard lineáris modell, paraméterek intervallumbecslése, paraméterek szeparált tesztelése, t-próba, modell tesztelése, autokorreláció, nem lineáris regressziók.

A képsor tartalma
Néhány ország középfokú iskolai képzésének egy diákra jutó oktatási ráfordítása illetve az éves egy főre jutó GDP adatai láthatók az alábbi táblázatban. Adjuk meg a lineáris regressziós modellt, a reziduális szórást, határozzuk meg a modell magyarázó erejét. ország x GDP/fő (EUR) y Oktatási ráfordítás (Középfokú képzés diák/EUR) Ausztria AT 28 978 76 900 Belgium BE 30 349 61 000 Csehország CZ 15 216 33 800 Franciaország FR 26 656 57 600 Görögország GR 17 941 59 200 Hollandia NL 28 669 61 500 Lengyelország PL 10 135 30 700 Magyarország HU 13 767 33 000 Németország DE 28 232 65 300 Svájc CH 31 987 60 400 A lineáris regresszió ahol és Elsőként kiszámoljuk az átlagokat. Aztán a négyzetes eltéréseket. A lineáris regressziós modell együtthatói és A regressziós egyenes tehát Itt azt jelenti, hogy egy eurós növekedés az egy főre jutó éves GDP-ben A korrelációs együttható 1,7 eurós növekedést eredményez az egy főre jutó oktatási ráfordításban (nem egy évben, hanem a teljes tanulmánya során). most csupán technikai paraméter, elméletileg azt jelenti, hogy ha az egy főre jutó GDP nulla, akkor 14 512 eurót költenek hallgatónként oktatásra, de ez valahogy Etiópiában vagy Szomáliában ahol az egy főre jutóm GDP lényegében valóban nulla, nem így van. Ennek jelentése az, hogy az x magyarázó változó és az y eredményváltozó között elég erős pozitív lineáris kapcsolat van. A korrelációs együttható négyzete pedig ami azt jelenti, hogy a modell magyarázó ereje egész magas, 75%-os. Az x magyarázó változó 75%-ban felel az y eredményváltozó alakulásáért. Számoljuk ki a lineáris regresszió hibáját, a reziduális szórást. Ehhez az SSE eltérés-négyzetösszegre van szükségünk. ország x GDP/fő (EUR) Oktatási ráfordítás (Középfokú képzés diák/EUR) tényleges becsült Ausztria AT 28 978 76 900 63 774,6 Belgium BE 30 349 61 000 66 105,3 Csehország CZ 15 216 33 800 40 379,2 Franciaország FR 26 656 57 600 59 827,2 Görögország GR 17 941 59 200 45 011,7 Hollandia NL 28 669 61 500 63 249,3 Lengyelország PL 10 135 30 700 31 741,5 Magyarország HU 13 767 33 000 37 915,9 Németország DE 28 232 65 300 62 506,4 Svájc CH 31 987 60 400 68 889,9 A reziduális szórás pedig A teljes négyzetösszeg AZ SST=SSR+SSE összefüggés alapján pedig
 

FELADAT | Lineáris regresszió

12
Egy lépésre vagy attól, hogy a matek melléd álljon és ne eléd.
  • Sokkal jobb, mint bármelyik egyetemi előadásom.

    Dani, 20
  • Értelmes, szórakoztató, minden pénzt megér.

    Tibor, 23
  • Ez a legjobban áttekinthető, értelmezhető, használható és a legolcsóbb tanulási lehetőség.

    Eszter, 23
  • Felsőbb éves egyetemisták ajánlották, "kötelező" címszóval.
    Ricsi, 19
BelépekvagyRegisztrálok Back arrow Ugrás az
összeshez