SPSS II: lineære modeller

Slides:



Advertisements
Lignende præsentationer
Dummyvariabler 13. oktober 2006
Advertisements

Statistik Lektion 18 Multipel Linear Regression
Statistik Lektion 17 Multipel Lineær Regression
Dagens program Informationer Opsamling Projekt 3 Regression
Anvendt Statistik Lektion 9
Anvendt Statistik Lektion 5
Variansanalyse Modelkontrol
Logistisk regression Den lineære sandsynlighedsmodel
SPSS: basale dataanalyser
Repetition: likelihood ratio test Test af hvorvidt faktorer med flere end 2 niveauer (mere end 1 parameter) kan udelades fra model: likelihood ratio test.
Grundlæggende teoretisk statistik
KM2: F171 Kvantitative metoder 2 Dummyvariabler 2. april 2007.
Variansanalyse Modelkontrol
Anvendt Statistik Lektion 8
Statistik Lektion 5 Log-lineære modeller.
Anvendt Statistik Lektion 8
Statistik II Lektion 5 Modelkontrol
Logistisk Regression Kategoriske og Kontinuerte Forklarende Variable
1 Dagens program 1.Information –Klaus’ frokost: 11:45-12:30, går 13:15. –Winston Churchill –Sidste forelæsning (19/11): Eksamen, kursus- evaluering, eksperimentelt.
Statistik II 5. Lektion Log-lineære modeller.
Statistik II Lektion 4 Generelle Lineære Modeller
Anvendt Statistik Lektion 7
Anvendt Statistik Lektion 9
Statikstik II 2. Lektion Lidt sandsynlighedsregning
Økonometri 1: F121 Økonometri 1 Heteroskedasticitet 27. oktober 2006.
Simpel Lineær Regression
Opsamling Simpel/Multipel Lineær Regression Logistisk Regression
Inge Henningsen Stat BK uge Sammenligning af regressionslinier Opsummering af regressionsanalyse (Gennemgang af udvidet version af eksamen Blok.
Multipel Lineær Regression
Statistik Lektion 15 Mere Lineær Regression
Statikstik II 2. Lektion Lidt sandsynlighedsregning
Statistik Lektion 16 Multipel Lineær Regression
Økonometri – lektion 7 Multipel Lineær Regression
Økonometri 1: Instrumentvariabelestimation1 Økonometri 1 Instrumentvariabelestimation II 7. december 2005.
Økonometri – lektion 5 Multipel Lineær Regression
Carsten Stig Poulsen1 HA 4. semester Markedsanalyse 3. gang Torsdag d. 23. april 2009.
Statistik Lektion 14 Simpel Lineær Regression
Økonometri 1: Heteroskedasticitet1 Økonometri 1 Heteroskedasticitet 22. marts 2006.
Økonometri 1: Instrumentvariabelestimation1 Økonometri 1 Instrumentvariabelestimation II 28. april 2006.
Økonometri – lektion 8 Multipel Lineær Regression
Anvendt Statistik Lektion 10  Regression med både kvantitative og kvalitative forklarende variable  Modelkontrol 1.
Økonometri – lektion 4 Multipel Lineær Regression Model Estimation Inferens.
Simpel Lineær Regression
Repetition Forårets højdepunkter…. Simpel Lineær Regression Simpel lineær regression: Mindste kvadraters metode Kovarians og Korrelation.
Grundlæggende teoretisk statistik
Økonometri 1: Heteroskedasticitet1 Økonometri 1 Heteroskedasticitet 26. oktober 2004.
Økonometri 1: Dummyvariabler1 Økonometri 1 Dummyvariabler 21. oktober 2004.
Økonometri 1: Heteroskedasticitet1 Økonometri 1 Heteroskedasticitet 31. marts 2003.
Statistik PM5 Indhold: statistiske metoder til at analysere kategoriske data Logistisk regression Loglineære modeller I dag: repetition af lineær regression.
Økonometri 1: Den simple regressionsmodel Økonometri 1 Den simple regressionsmodel 7. september 2004.
Økonometri 1: Dummyvariabler1 Økonometri 1 Dummyvariabler 12. oktober 2005.
Statikstik II 4. Lektion Generelle Lineære Modeller.
Statikstik II 3. Lektion Multipel Logistisk regression Generelle Lineære Modeller.
Statistik II 4. Lektion Logistisk regression.
Økonometri 1: Instrumentvariabelestimation1 Økonometri 1 Instrumentvariabelestimation 7. december 2004.
Økonometri 1: Dummyvariabler1 Økonometri 1 Dummyvariabler 15. marts 2006.
Økonometri – lektion 6 Multipel Lineær Regression
Økonometri 1: Heteroskedasticitet1 Økonometri 1 Heteroskedasticitet 27. marts 2003.
Statistik II Lektion 5 Modelkontrol Modelkontrol Modelsøgning Større eksempel.
Statistik PM5 Indhold: statistiske metoder til at analysere kategoriske data Logistisk regression Loglineære modeller I dag: repetition af lineær regression.
Økonometri 1: Heteroskedasticitet1 Økonometri 1 Heteroskedasticitet 29. oktober 2004.
Lineær og logistisk regression - fortsat
Logistisk regression - fortsat
Log-lineære modeller ● Analyse af symmetriske sammenhænge mellem kategoriske variable. ● Ordinal information ignoreres.
Opsamling ● Generelle lineære modeller ● Logistisk regression ● Log-lineære modeller ● Mini-projekt.
Statistik II - PM5 Fokus: Analyse af kategoriske variable ● Logistisk regression ● Log-lineære modeller Kursets opbygning: ● 1 ECTS forelæsninger ● 1 ECTS.
Logistisk regression –Odds/Odds ratio Probit model Fortolkning udfra latent variabel.
Ellen Holm, Forskningscafé
Analyse af skæve fordelinger med Mplus
Anvendt Statistik Lektion 8
Præsentationens transcript:

SPSS II: lineære modeller Lineær regression En-sidet variansanalyse Multipel regression To-sidet variansanalyse NB: har kun brug for en SPSS procedure: Analyze-general linear model-univariate

Lineær regression Finde hældning og skæring !

Estimation af hældning og skæring Analyze-general linear model-univariate: gas som dependent og temp som covariate (forklarende variabel) (NB: covariate Bruges for de variable som vi vil tilpasse en hældning for). Krydser parameter estimates af under Options ! (skæring og hældning) Sig. = p-værdi = 0 dvs. hældning meget signifikant forskellig fra nul.

Residual varians 0.741 findes i error linien under mean square

Residualer Sætter kryds ved studentized residuals under Save. Dermed gemmes residualer i en kolonne i datasættet. Residuals: estimat af “fejl” som skal være normalfordelt Ser ikke godt ud !!!

Residualer mod temp Mærkeligt mønster i residualer….

Ensidet variansanalyse: skæl og shampoo-type Treatment: kategorisk variabel (faktor)

Estimation af middelværdier Analyze-general linear model-univariate: treatment som fixed factor og flaking som dependent ! Treatmen=PyrII er referencekategorien med middelflaking 17.202 De øvrige estimater er forskelle i forhold til referencen !

Test for ens middelværdier: ingen behandlingseffekt p-værdi for test af ingen behandlingseffekt (Sig.) = 0 Estimat af residualvarians=1.430

Residualer Ser pænt ud !

Multipel regression: kombination af de to foregående modeller Forskellig hældning og skæring afhængigt af om før eller efter isolering !

Estimation af hældninger og skæringer Analyze-general linear model-univariate: temperature som covariate og insulate som factor. Vekselvirkning mellem Temperature og insulate specificeres under Model ! Insulate=2 er reference med skæring 4.724 og hældning -0.278 For insulate=1 er skæring 4.724+2.130 og hældning -0.278-0.115 Signifikant forskel både på hældning og skæring !

NB: specificer main effects før interactions i Model Residual varians 0.104 F-test for ingen interaktion er 12.893 med p-værdi 0.001.

Residuals Noget skæv men bedre end før.

To-sidet variansanalyse: puls i forhold til køn og kontrol/løber Kvinders puls generelt over mænds – men afhænger forskel af om kontrol eller runner ? (vekselvirkning) (analyze-general linear model univariate: Plots)

Estimater Runners og male er reference-kategorien med middel heartrate 103.975

Test for ingen vekselvirkning P-værdi 0.007 dvs. vekselvirkning group*gender signifikant !

Residualer