regresijska analiza - km.com.hr · k- vektor n standardiziranih rezultata entiteta u kriteriju z -...
TRANSCRIPT
![Page 1: REGRESIJSKA ANALIZA - km.com.hr · k- vektor n standardiziranih rezultata entiteta u kriteriju Z - matrica reda n ·m standardiziranih rezultata entiteta u m prediktora β- vektor](https://reader030.vdocuments.us/reader030/viewer/2022040623/5d49419088c9932f1f8bd08f/html5/thumbnails/1.jpg)
REGRESIJSKA ANALIZA
SEMINAR 11
KM KIF
U razvoju regresijske analize najznačajniju ulogu su imali:
Francis Galton
(1822. – 1911.)
Karl Pearson
(1857. – 1936.)
Carl Friedrich Gauss
(1822. – 1911.)
George Udny Yule
(1871. – 1951.)
![Page 2: REGRESIJSKA ANALIZA - km.com.hr · k- vektor n standardiziranih rezultata entiteta u kriteriju Z - matrica reda n ·m standardiziranih rezultata entiteta u m prediktora β- vektor](https://reader030.vdocuments.us/reader030/viewer/2022040623/5d49419088c9932f1f8bd08f/html5/thumbnails/2.jpg)
Regresijska analiza je matematičko-statistički postupak
kojim se utvrđuje odgovarajuća funkcionalna veza (relacija)
između jedne zavisne ili kriterijske varijable i jedne ili više
nezavisnih ili prediktorskih varijabli.
Zavisna (kriterijska) varijabla je varijabla čiji se varijabilitet
objašnjava putem nezavisnih varijabli.
Nezavisne (prediktorske) varijable su varijable na temelju
kojih se objašnjava varijabilitet zavisne varijable.
REGRESIJSKA ANALIZA
SEMINAR 11
KM KIF
![Page 3: REGRESIJSKA ANALIZA - km.com.hr · k- vektor n standardiziranih rezultata entiteta u kriteriju Z - matrica reda n ·m standardiziranih rezultata entiteta u m prediktora β- vektor](https://reader030.vdocuments.us/reader030/viewer/2022040623/5d49419088c9932f1f8bd08f/html5/thumbnails/3.jpg)
utvrđivanja utjecaja jedne varijable ili skupa varijabli na
neku kriterijsku varijablu (npr. utvrđivanje utjecaja
karakteristika građe tijela na rezultat u bacanju kugle) i
utvrđivanje trenda razvoja rezultata u nekom sportu (npr.
utvrđivanje trenda razvoja najboljih rezultata u bacanju
kugle na svjetskim prvenstvima)
REGRESIJSKA ANALIZA
SEMINAR 11
KM KIF
Regresijska analiza se u kineziologiji najčešće koristi u svrhu:
![Page 4: REGRESIJSKA ANALIZA - km.com.hr · k- vektor n standardiziranih rezultata entiteta u kriteriju Z - matrica reda n ·m standardiziranih rezultata entiteta u m prediktora β- vektor](https://reader030.vdocuments.us/reader030/viewer/2022040623/5d49419088c9932f1f8bd08f/html5/thumbnails/4.jpg)
Y f X X X em ( , , ......., )1 2
zavisna (kriterijska) varijabla
odgovarajuća funkcija
nezavisne (prediktorske) varijable
greška prognoze
REGRESIJSKA ANALIZA
SEMINAR 11
KM KIF
Funkcionalna veza između prediktorskih varijabli i kriterijske
varijable definira se utvrđivanjem odgovarajuće regresijske
jednadžbe. Opći oblik regresijske jednadžbe izgleda ovako:
![Page 5: REGRESIJSKA ANALIZA - km.com.hr · k- vektor n standardiziranih rezultata entiteta u kriteriju Z - matrica reda n ·m standardiziranih rezultata entiteta u m prediktora β- vektor](https://reader030.vdocuments.us/reader030/viewer/2022040623/5d49419088c9932f1f8bd08f/html5/thumbnails/5.jpg)
Regresijske modele moguće je generalno podijeliti na temelju
dvaju kriterija i to:
prema broju nezavisnih varijabli na:
▪ jednostavne (simple) regresijske modele i
▪ višestruke (multiple) regresijske modele, te
prema odnosu između zavisne i nezavisnih varijabli na:
▪ linearne regresijske modele i
▪ nelinearne regresijske modele.
REGRESIJSKA ANALIZA
SEMINAR 11
KM KIF
![Page 6: REGRESIJSKA ANALIZA - km.com.hr · k- vektor n standardiziranih rezultata entiteta u kriteriju Z - matrica reda n ·m standardiziranih rezultata entiteta u m prediktora β- vektor](https://reader030.vdocuments.us/reader030/viewer/2022040623/5d49419088c9932f1f8bd08f/html5/thumbnails/6.jpg)
Y
X
Y = b0 + b1*X - polinom 1. stupnja (pravac)
Y = b0*logb1*X - logaritamska funkcija
Y = b0*b1x - eksponencijalna funkcija
Y = b0 + b1*X + b2*X2 +…+bn*Xn - polinom
n-tog stupnja
REGRESIJSKA ANALIZA
SEMINAR 11
KM KIF
Linearni i nelinearni modeli jednostavne regresijske analize:
![Page 7: REGRESIJSKA ANALIZA - km.com.hr · k- vektor n standardiziranih rezultata entiteta u kriteriju Z - matrica reda n ·m standardiziranih rezultata entiteta u m prediktora β- vektor](https://reader030.vdocuments.us/reader030/viewer/2022040623/5d49419088c9932f1f8bd08f/html5/thumbnails/7.jpg)
Y
X
REGRESIJSKA ANALIZA
SEMINAR 11
KM KIF
Y = b0 * logb1*X
Y = b0 + b1* X
Odabir modela jednostavne regresijske analize vrši se
pomoću korelacijskog dijagrama.
(Primjer: logaritamska funkcija je prikladan model)
![Page 8: REGRESIJSKA ANALIZA - km.com.hr · k- vektor n standardiziranih rezultata entiteta u kriteriju Z - matrica reda n ·m standardiziranih rezultata entiteta u m prediktora β- vektor](https://reader030.vdocuments.us/reader030/viewer/2022040623/5d49419088c9932f1f8bd08f/html5/thumbnails/8.jpg)
REGRESIJSKA ANALIZA
SEMINAR 11
KM KIF
Jednostavna linearna regresijska analiza
Jednostavnom linearnom regresijskom analizom utvrđuje se
linearna povezanost između jedne nezavisne (prediktorske) i
jedne zavisne (kriterijske) varijable pri čemu regresijska
jednadžba ima sljedeći oblik:
iii exbby 10
yi - rezultat entiteta i u kriterijskoj varijabli
b0 i b1 - regresijski koeficijenti
xi - rezultat entiteta i u prediktorskoj varijabli
ei - rezidualna vrijednost entiteta i
gdje je
i = 1,...,n
![Page 9: REGRESIJSKA ANALIZA - km.com.hr · k- vektor n standardiziranih rezultata entiteta u kriteriju Z - matrica reda n ·m standardiziranih rezultata entiteta u m prediktora β- vektor](https://reader030.vdocuments.us/reader030/viewer/2022040623/5d49419088c9932f1f8bd08f/html5/thumbnails/9.jpg)
REGRESIJSKA ANALIZA
SEMINAR 11
KM KIF
Jednostavna linearna regresijska analiza
Regresijski koeficijenti omogućavaju prognoziranje rezultata
entiteta u kriterijskoj varijabli na temelju rezultata u
prediktorskoj varijabli putem sljedeće formule:
y’i - prognozirani rezultat entiteta i u kriterijskoj varijabli
b0 i b1 - regresijski koeficijenti
xi - rezultat entiteta i u prediktorskoj varijabli
i = 1,...,n
ii xbby 10'
gdje je
![Page 10: REGRESIJSKA ANALIZA - km.com.hr · k- vektor n standardiziranih rezultata entiteta u kriteriju Z - matrica reda n ·m standardiziranih rezultata entiteta u m prediktora β- vektor](https://reader030.vdocuments.us/reader030/viewer/2022040623/5d49419088c9932f1f8bd08f/html5/thumbnails/10.jpg)
ei
Y
X
REGRESIJSKA ANALIZA
SEMINAR 11
yi = y’i + ei
Jednostavna linearna regresijska analiza
yi
xi
(xi,, yi)
y’i
y’i
yi
y’i = b0 + b1 xi
KM KIF
(Prikaz regresijskog pravca, originalnih i prognoziranih
rezultata u kriterijskoj varijabli i rezidualnih vrijednosti)
![Page 11: REGRESIJSKA ANALIZA - km.com.hr · k- vektor n standardiziranih rezultata entiteta u kriteriju Z - matrica reda n ·m standardiziranih rezultata entiteta u m prediktora β- vektor](https://reader030.vdocuments.us/reader030/viewer/2022040623/5d49419088c9932f1f8bd08f/html5/thumbnails/11.jpg)
y’i = b0 + b1 xi
REGRESIJSKA ANALIZA
SEMINAR 11
KM KIF
Jednostavna linearna regresijska analiza
(Distribucija rezidualnih vrijednosti oko regresijskog pravca)
![Page 12: REGRESIJSKA ANALIZA - km.com.hr · k- vektor n standardiziranih rezultata entiteta u kriteriju Z - matrica reda n ·m standardiziranih rezultata entiteta u m prediktora β- vektor](https://reader030.vdocuments.us/reader030/viewer/2022040623/5d49419088c9932f1f8bd08f/html5/thumbnails/12.jpg)
REGRESIJSKA ANALIZA
SEMINAR 11
KM KIF
Jednostavna linearna regresijska analiza
Koeficijenti regresijskog pravca utvrđuju se metodom
najmanjih kvadrata.
Metoda najmanjih kvadrata temelji se na uvjetu da je suma
kvadrata rezidualnih vrijednosti minimalna
n
i
ii
n
i
i yye1
2
1
2 min)'(
ei - rezidualna vrijednost entiteta i
yi - rezultat entiteta i u kriterijskoj varijabli
y’i - prognozirani rezultat entiteta i u kriterijskoj varijabli
i = 1,...,n
gdje je
![Page 13: REGRESIJSKA ANALIZA - km.com.hr · k- vektor n standardiziranih rezultata entiteta u kriteriju Z - matrica reda n ·m standardiziranih rezultata entiteta u m prediktora β- vektor](https://reader030.vdocuments.us/reader030/viewer/2022040623/5d49419088c9932f1f8bd08f/html5/thumbnails/13.jpg)
n
i
i
n
i
i
n
i
ii
n
i
i
n
i
i
n
i
i
xxn
yxxxy
b
1
2
1
2
111
2
10
)(
Regresijski koeficijent b0 predstavlja odsječak na osi zavisne
varijable y, odnosno, vrijednost zavisne varijable y ukoliko je
vrijednost nezavisne varijable x = 0 .
REGRESIJSKA ANALIZA
SEMINAR 11
KM KIF
Jednostavna linearna regresijska analiza
yi - rezultat entiteta i u kriterijskoj varijabli
xi - rezultat entiteta i u prediktorskoj varijabli
i = 1,...,n
gdje je
![Page 14: REGRESIJSKA ANALIZA - km.com.hr · k- vektor n standardiziranih rezultata entiteta u kriteriju Z - matrica reda n ·m standardiziranih rezultata entiteta u m prediktora β- vektor](https://reader030.vdocuments.us/reader030/viewer/2022040623/5d49419088c9932f1f8bd08f/html5/thumbnails/14.jpg)
n
i
i
n
i
i
n
i
i
n
i
i
n
i
ii
xxn
yxyxn
b
1
2
1
2
1111
)(
Regresijski koeficijent b1 određuje nagib pravca, odnosno,
pokazuje koliko se u prosjeku linearno mijenja vrijednost
zavisne varijable y za jedinični porast vrijednosti nezavisne
varijable x.
REGRESIJSKA ANALIZA
SEMINAR 11
KM KIF
Jednostavna linearna regresijska analiza
yi - rezultat entiteta i u kriterijskoj varijabli
xi - rezultat entiteta i u prediktorskoj varijabli
i = 1,...,n
gdje je
![Page 15: REGRESIJSKA ANALIZA - km.com.hr · k- vektor n standardiziranih rezultata entiteta u kriteriju Z - matrica reda n ·m standardiziranih rezultata entiteta u m prediktora β- vektor](https://reader030.vdocuments.us/reader030/viewer/2022040623/5d49419088c9932f1f8bd08f/html5/thumbnails/15.jpg)
Regresijski koeficijenti se također mogu izračunati i
rješavanjem regresijske jednadžbe u matričnom obliku:
REGRESIJSKA ANALIZA
SEMINAR 11
KM KIF
Jednostavna linearna regresijska analiza
y - vektor n rezultata entiteta
u kriteriju
X - matrica reda n·2 rezultata
entiteta u prediktoru
b - vektor regresijskih
koeficijenata
gdje je
nnn e
e
b
b
x
x
y
y
.
.
.
1
..
..
..
1
.
.
.
1
1
0
11
y = X · b + e
e - vektor n rezidualnih
vrijednosti
![Page 16: REGRESIJSKA ANALIZA - km.com.hr · k- vektor n standardiziranih rezultata entiteta u kriteriju Z - matrica reda n ·m standardiziranih rezultata entiteta u m prediktora β- vektor](https://reader030.vdocuments.us/reader030/viewer/2022040623/5d49419088c9932f1f8bd08f/html5/thumbnails/16.jpg)
y = X b /XT
XTy = XT X b / (XT X)-1
b = (XT X)-1 XT y
e = y - y'
y' = X b
REGRESIJSKA ANALIZA
SEMINAR 11
KM KIF
Jednostavna linearna regresijska analiza
![Page 17: REGRESIJSKA ANALIZA - km.com.hr · k- vektor n standardiziranih rezultata entiteta u kriteriju Z - matrica reda n ·m standardiziranih rezultata entiteta u m prediktora β- vektor](https://reader030.vdocuments.us/reader030/viewer/2022040623/5d49419088c9932f1f8bd08f/html5/thumbnails/17.jpg)
Y
X0 1 2 3 4 5
b0
yi = b0 + b1 xi
b1
b0+b1
b1
b0+2b1
b1
b0+3b1
b1
b0+4b1
b1
b0+5b1
REGRESIJSKA ANALIZA
SEMINAR 11
KM KIF(Prikaz regresijskih koeficijenata b0 i b1)
Jednostavna linearna regresijska analiza
![Page 18: REGRESIJSKA ANALIZA - km.com.hr · k- vektor n standardiziranih rezultata entiteta u kriteriju Z - matrica reda n ·m standardiziranih rezultata entiteta u m prediktora β- vektor](https://reader030.vdocuments.us/reader030/viewer/2022040623/5d49419088c9932f1f8bd08f/html5/thumbnails/18.jpg)
Standardna pogreška prognoze (e) je drugi korijen iz
varijance rezidualnih vrijednosti, a predstavlja mjeru
reprezentativnosti regresijskog modela.
2
)'(1
2
n
yyn
i
ii
e
REGRESIJSKA ANALIZA
SEMINAR 11
KM KIF
Jednostavna linearna regresijska analiza
yi - rezultat entiteta i u kriterijskoj varijabli
y’i - prognozirani rezultat entiteta i u kriterijskoj varijabli
i = 1,...,n
gdje je
n - broj entiteta
![Page 19: REGRESIJSKA ANALIZA - km.com.hr · k- vektor n standardiziranih rezultata entiteta u kriteriju Z - matrica reda n ·m standardiziranih rezultata entiteta u m prediktora β- vektor](https://reader030.vdocuments.us/reader030/viewer/2022040623/5d49419088c9932f1f8bd08f/html5/thumbnails/19.jpg)
Kvadrat koeficijenta korelacije (r2) naziva se koeficijent
determinacije, a predstavlja proporciju varijance kriterijske
varijable koju je moguće objasniti putem prediktorske
varijable.
Ako koeficijent korelacije ima maksimalnu vrijednost rx,y = 1,
to znači da je cjelokupan varijabilitet varijable y moguće
pripisati utjecaju varijable x.
Koeficijent korelacije između kriterijske i prediktorske
varijable izražava veličinu njihove linearne povezanosti.
Kada je rx,y = 0 to znači da nezavisna varijabla x nema
nikakav utjecaj na varijabilitet kriterijske varijable y .
REGRESIJSKA ANALIZA
SEMINAR 11
Jednostavna linearna regresijska analiza
KM KIF
![Page 20: REGRESIJSKA ANALIZA - km.com.hr · k- vektor n standardiziranih rezultata entiteta u kriteriju Z - matrica reda n ·m standardiziranih rezultata entiteta u m prediktora β- vektor](https://reader030.vdocuments.us/reader030/viewer/2022040623/5d49419088c9932f1f8bd08f/html5/thumbnails/20.jpg)
STATISTICA 7
KM KIF
Jednostavna linearna regresijska analiza izvodi se slijedom
koraka: padajući izbornik Statistics → Multiple Regression. U
dijaloškom okviru koji se pokreće odabirom opcije Variables
potrebno je označiti zavisnu varijablu (Dependent var.) i
nezavisnu varijablu (Independent variable list). Nakon
odabira varijabli rezultatima regresijske analize se pristupa
putem opcije Summary: Regression results.
SEMINAR 11
Jednostavna linearna regresijska analiza
Zadatak - U datoteci TREND.sta utvrdite regresijsku
jednadžbu kojom je moguće prognozirati tjelesnu masu (TEZ)
testiranog ispitanika na temelju broja tjedana vježbanja
(BRM)!
![Page 21: REGRESIJSKA ANALIZA - km.com.hr · k- vektor n standardiziranih rezultata entiteta u kriteriju Z - matrica reda n ·m standardiziranih rezultata entiteta u m prediktora β- vektor](https://reader030.vdocuments.us/reader030/viewer/2022040623/5d49419088c9932f1f8bd08f/html5/thumbnails/21.jpg)
REGRESIJSKA ANALIZA
SEMINAR 11
KM KIF
Višestrukom linearnom regresijskom analizom utvrđuje se
linearna povezanost između dviju ili više nezavisnih
(prediktorskih) i jedne zavisne (kriterijske) varijable pri čemu
regresijska jednadžba ima sljedeći oblik:
yi - rezultat entiteta i u kriterijskoj varijabli
b0 ,...,bm - regresijski koeficijenti
xi1,...,xim - rezultati entiteta i u m prediktorskih varijabli
ei - rezidualna vrijednost entiteta i
gdje je
i = 1,...,n (n - broj entiteta), a m - broj prediktora
Višestruka linearna regresijska analiza
yi = b0 + b1xi1 + b2xi2 +...+ bmxim + ei
![Page 22: REGRESIJSKA ANALIZA - km.com.hr · k- vektor n standardiziranih rezultata entiteta u kriteriju Z - matrica reda n ·m standardiziranih rezultata entiteta u m prediktora β- vektor](https://reader030.vdocuments.us/reader030/viewer/2022040623/5d49419088c9932f1f8bd08f/html5/thumbnails/22.jpg)
Regresijski koeficijenti mogu se izračunati rješavanjem
regresijske jednadžbe u matričnom obliku:
REGRESIJSKA ANALIZA
SEMINAR 11
KM KIF
Višestruka linearna regresijska analiza
y = X b + e
nmnmn
m
n e
e
b
b
b
xx
xx
y
y
.
.
.
..1
.....
.....
..1
.
.
1
1
0
1
1111
![Page 23: REGRESIJSKA ANALIZA - km.com.hr · k- vektor n standardiziranih rezultata entiteta u kriteriju Z - matrica reda n ·m standardiziranih rezultata entiteta u m prediktora β- vektor](https://reader030.vdocuments.us/reader030/viewer/2022040623/5d49419088c9932f1f8bd08f/html5/thumbnails/23.jpg)
y = X b /XT
XTy = XT X b /(XT X)-1
b = (XT X)-1 XT y
e = y - y'
y' = X b
REGRESIJSKA ANALIZA
SEMINAR 11
KM KIF
Višestruka linearna regresijska analiza
y - vektor n rezultata entiteta
u kriteriju
X - matrica reda n·m+1
rezultata entiteta u m
prediktora
b - vektor regresijskih
koeficijenata
gdje je
y’ - vektor n prognoziranih
vrijednosti u kriteriju
e - vektor n rezidualnih
vrijednosti
![Page 24: REGRESIJSKA ANALIZA - km.com.hr · k- vektor n standardiziranih rezultata entiteta u kriteriju Z - matrica reda n ·m standardiziranih rezultata entiteta u m prediktora β- vektor](https://reader030.vdocuments.us/reader030/viewer/2022040623/5d49419088c9932f1f8bd08f/html5/thumbnails/24.jpg)
Regresijski koeficijent b0 predstavlja vrijednost zavisne
varijable y ukoliko je vrijednost svih nezavisnih varijabli
jednaka 0 .
REGRESIJSKA ANALIZA
SEMINAR 11
KM KIF
Regresijski koeficijenti b1,...,bm pokazuju koliko se u
prosjeku linearno mijenja vrijednost zavisne varijable y za
jedinični porast vrijednosti odgovarajuće nezavisne varijable
(x1,...,xm) uz uvjet da su vrijednosti ostalih nezavisnih
varijabli konstantne.
Višestruka linearna regresijska analiza
![Page 25: REGRESIJSKA ANALIZA - km.com.hr · k- vektor n standardiziranih rezultata entiteta u kriteriju Z - matrica reda n ·m standardiziranih rezultata entiteta u m prediktora β- vektor](https://reader030.vdocuments.us/reader030/viewer/2022040623/5d49419088c9932f1f8bd08f/html5/thumbnails/25.jpg)
REGRESIJSKA ANALIZA
SEMINAR 11
KM KIF
Ako se kriterijska i prediktorske varijable prethodno
standardiziraju regresijska jednadžba poprima sljedeći oblik:
ki - standardizirani rezultat entiteta i u kriterijskoj varijabli
β1 ,...,βm - standardizirani regresijski koeficijenti
zi1,...,zim - standardizirani rezultati entiteta i u m
prediktorskih varijabli
i - standardizirana rezidualna vrijednost entiteta i
gdje je
i = 1,...,n (n - broj entiteta), a m - broj prediktora
Višestruka linearna regresijska analiza
ki = 1zi1 + 2zi2 + ...+ mzim + i
![Page 26: REGRESIJSKA ANALIZA - km.com.hr · k- vektor n standardiziranih rezultata entiteta u kriteriju Z - matrica reda n ·m standardiziranih rezultata entiteta u m prediktora β- vektor](https://reader030.vdocuments.us/reader030/viewer/2022040623/5d49419088c9932f1f8bd08f/html5/thumbnails/26.jpg)
Standardizirani regresijski koeficijenti mogu se izračunati
rješavanjem sljedeće jednadžbe u matričnom obliku:
REGRESIJSKA ANALIZA
SEMINAR 11
KM KIF
Višestruka linearna regresijska analiza
k = Z +
nmnmn
m
n zz
zz
k
k
.
.
.
.
..
....
....
..
.
.
11
1
1111
![Page 27: REGRESIJSKA ANALIZA - km.com.hr · k- vektor n standardiziranih rezultata entiteta u kriteriju Z - matrica reda n ·m standardiziranih rezultata entiteta u m prediktora β- vektor](https://reader030.vdocuments.us/reader030/viewer/2022040623/5d49419088c9932f1f8bd08f/html5/thumbnails/27.jpg)
ZTkn-1 = ZTZn-1
k = Z / ZTn-1
mr
r
.
.
1
1..
....
....
.1
1
21
112
m
m
r
r
rr
REGRESIJSKA ANALIZA
SEMINAR 11
KM KIF
r = R
= R-1 r
/ R-1
Višestruka linearna regresijska analiza
k - vektor n standardiziranih
rezultata entiteta u kriteriju
Z - matrica reda n·m
standardiziranih rezultata
entiteta u m prediktora
β - vektor standardiziranih
regresijskih koeficijenata
gdje je
r - vektor korelacija m
prediktora s kriterijem
R - matrica međusobnih
korelacija m prediktora
![Page 28: REGRESIJSKA ANALIZA - km.com.hr · k- vektor n standardiziranih rezultata entiteta u kriteriju Z - matrica reda n ·m standardiziranih rezultata entiteta u m prediktora β- vektor](https://reader030.vdocuments.us/reader030/viewer/2022040623/5d49419088c9932f1f8bd08f/html5/thumbnails/28.jpg)
REGRESIJSKA ANALIZA
SEMINAR 11
KM KIF
Višestruka linearna regresijska analiza
Standardizirani regresijski koeficijenti β1,...,βm su relativni
koeficijenti utjecaja, a predstavljaju veličinu promjene
zavisne varijable izraženu u dijelovima standardne devijacije
za jedinični porast standardizirane vrijednosti odgovarajuće
nezavisne varijable (z1,...,zm) uz uvjet da su vrijednosti
preostalih nezavisnih varijabli konstantne.
![Page 29: REGRESIJSKA ANALIZA - km.com.hr · k- vektor n standardiziranih rezultata entiteta u kriteriju Z - matrica reda n ·m standardiziranih rezultata entiteta u m prediktora β- vektor](https://reader030.vdocuments.us/reader030/viewer/2022040623/5d49419088c9932f1f8bd08f/html5/thumbnails/29.jpg)
Statistička značajnost svakog pojedinog regresijskog
koeficijenta se testira putem Studentove t-distribucije.
REGRESIJSKA ANALIZA
SEMINAR 11
KM KIF
Višestruka linearna regresijska analiza
H0: bj = 0 - Uz pogrešku p ne možemo tvrditi da je utjecaj
prediktora j na kriterijsku varijablu statistički značajan.
H1: bj 0 - Utjecaj prediktora j na kriterijsku varijablu je
statistički značajan uz pogrešku p.
Pri tome je za svaki regresijski koeficijent moguće postaviti
sljedeću alternativnu (H1), odnosno nultu (H0) hipotezu:
![Page 30: REGRESIJSKA ANALIZA - km.com.hr · k- vektor n standardiziranih rezultata entiteta u kriteriju Z - matrica reda n ·m standardiziranih rezultata entiteta u m prediktora β- vektor](https://reader030.vdocuments.us/reader030/viewer/2022040623/5d49419088c9932f1f8bd08f/html5/thumbnails/30.jpg)
Standardna pogreška prognoze (e) je drugi korijen iz
varijance rezidualnih vrijednosti, a predstavlja mjeru
reprezentativnosti regresijskog modela.
)1(
)'(1
2
mn
yyn
i
ii
e
REGRESIJSKA ANALIZA
SEMINAR 11
KM KIF
yi - rezultat entiteta i u kriterijskoj varijabli
y’i - prognozirani rezultat entiteta i u kriterijskoj varijabli
i = 1,...,n
gdje je
n - broj entiteta, m - broj prediktorskih varijabli
Višestruka linearna regresijska analiza
![Page 31: REGRESIJSKA ANALIZA - km.com.hr · k- vektor n standardiziranih rezultata entiteta u kriteriju Z - matrica reda n ·m standardiziranih rezultata entiteta u m prediktora β- vektor](https://reader030.vdocuments.us/reader030/viewer/2022040623/5d49419088c9932f1f8bd08f/html5/thumbnails/31.jpg)
Koeficijent multiple korelacije () je korelacija između
kriterijske varijable i varijable prognoziranih rezultata, a
izražava veličinu linearne povezanosti skupa prediktorskih
varijabli s kriterijem.
Koeficijent multiple korelacije se kreće u intervalu od 0 do 1
pri čemu 0 označava nikakavu, a 1 potpunu zavisnost
kriterijske varijable o skupu prediktorskih varijabli.
REGRESIJSKA ANALIZA
SEMINAR 11
KM KIF
Kvadrat koeficijenta korelacije (ρ2) naziva se koeficijent
multiple determinacije, a predstavlja proporciju varijance
kriterijske varijable koju je moguće objasniti putem skupa
prediktorskih varijabli.
Višestruka linearna regresijska analiza
![Page 32: REGRESIJSKA ANALIZA - km.com.hr · k- vektor n standardiziranih rezultata entiteta u kriteriju Z - matrica reda n ·m standardiziranih rezultata entiteta u m prediktora β- vektor](https://reader030.vdocuments.us/reader030/viewer/2022040623/5d49419088c9932f1f8bd08f/html5/thumbnails/32.jpg)
Statistička značajnost koeficijenta multiple korelacije () se
testira putem Snedecorove F-distribucije.
REGRESIJSKA ANALIZA
SEMINAR 11
KM KIF
Višestruka linearna regresijska analiza
H0: ρ = 0 - Uz pogrešku p ne možemo tvrditi da je
povezanost između skupa prediktora i kriterijske varijable
statistički značajna.
H1: ρ 0 - Povezanost između skupa prediktora i kriterijske
varijable je statistički značajna uz pogrešku p.
Pri tome je moguće postaviti sljedeću alternativnu (H1),
odnosno nultu (H0) hipotezu:
![Page 33: REGRESIJSKA ANALIZA - km.com.hr · k- vektor n standardiziranih rezultata entiteta u kriteriju Z - matrica reda n ·m standardiziranih rezultata entiteta u m prediktora β- vektor](https://reader030.vdocuments.us/reader030/viewer/2022040623/5d49419088c9932f1f8bd08f/html5/thumbnails/33.jpg)
STATISTICA 7
KM KIF
Višestruka linearna regresijska analiza izvodi se slijedom
koraka: padajući izbornik Statistics → Multiple Regression. U
dijaloškom okviru koji se pokreće odabirom opcije Variables
potrebno je označiti zavisnu varijablu (Dependent var.) i dvije
ili više nezavisnih varijabli (Independent variable list). Nakon
odabira varijabli rezultatima regresijske analize pristupa se
putem opcije Summary: Regression results.
SEMINAR 11
Višestruka linearna regresijska analiza
Zadatak - U datoteci KOSARKA.sta utvrdite regresijsku
jednadžbu kojom je moguće prognozirati uspješnost ekipe
(K2) na temelju skupa situacijskih parametara (v1-v12)!
![Page 34: REGRESIJSKA ANALIZA - km.com.hr · k- vektor n standardiziranih rezultata entiteta u kriteriju Z - matrica reda n ·m standardiziranih rezultata entiteta u m prediktora β- vektor](https://reader030.vdocuments.us/reader030/viewer/2022040623/5d49419088c9932f1f8bd08f/html5/thumbnails/34.jpg)
Literatura za pripremanje kolokvija
Dizdar, D. (2006). Kvantitativne metode. Zagreb: Kineziološki
fakultet, str. 182-213.
Mejovšek, M. (2003). Uvod u metode znanstvenog istraživanja u
društvenim i humanističkim znanostima. Jastrebarsko: Naklada
Slap, str. 182-200.
Petz, B. (2002). Osnovne statističke metode za nematematičare.
Jastrebarsko: str. Naklada Slap, 237-247.
KM KIF
SEMINAR 11
REGRESIJSKA ANALIZA