2011.11.22  Introduktion til dagen  Afleveringen  Lineær Regression  Multipel Lineær Regression  Evaluering.

Slides:

Advertisements

Lignende præsentationer

Statistik Lektion 18 Multipel Linear Regression

Advertisements

Statistik Lektion 17 Multipel Lineær Regression

Dagens program Informationer Opsamling Projekt 3 Regression

Akademi Merkonomer Statistik Aften 3

Anvendt Statistik Lektion 9

Økonometri 1: Inferens i den lineære regressionsmodel1 Økonometri 1 FunktioneI form i den lineære regressionsmodel 19. oktober 2004.

Variansanalyse Modelkontrol

Akademi Merkonomer Statistik Aften 6

KM2: F171 Kvantitative metoder 2 Dummyvariabler 2. april 2007.

Økonometri 1: Instrumentvariabelestimation1 Økonometri 1 Instrumentvariabelestimation 14. april 2003.

Økonometri 1: Instrumentvariabelestimation1 Økonometri 1 Instrumentvariabelestimation 26. november 2004.

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

Økonometri 1: Dummy variable

Statistik II 5. Lektion Log-lineære modeller.

Statistik II Lektion 4 Generelle Lineære Modeller

Fejl  Afleveringen  Stikprøvestørrelse  Type I-II Fejl  Styrkefunktionen.

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

Multipel Lineær Regression

Statistik Lektion 15 Mere Lineær Regression

KM2: F261 Kvantitative metoder 2 Instrumentvariabel estimation 16. maj 2007.

Økonometri – lektion 7 Multipel Lineær Regression

Økonometri – lektion 5 Multipel Lineær Regression

 Gennemgang af aflevering  Poisson Fordelingen  Kontinuerte Fordelinger ◦ Intro til kontinuerte fordelinger ◦ Normalfordelingen.

Økonometri 1: F91 Økonometri 1 Prediktion. Dummyvariabler 9. oktober 2006.

Carsten Stig Poulsen1 HA 4. semester Markedsanalyse 3. gang Torsdag d. 23. april 2009.

Økonometri 1: Heteroskedasticitet1 Økonometri 1 Heteroskedasticitet 22. marts 2006.

KM2: F191 Kvantitative metoder 2 Heteroskedasticitet 16. april 2007.

Økonometri 1: Inferens i den lineære regressionsmodel1 Økonometri 1 Inferens i den lineære regressionsmodel 3. marts 2006.

Økonometri 1: Instrumentvariabelestimation1 Økonometri 1 Instrumentvariabelestimation II 28. april 2006.

Økonometri – lektion 8 Multipel Lineær Regression

KM2: F251 Kvantitative metoder 2 Instrumentvariabel estimation 14. maj 2007.

Økonometri 1: Dummy variable1 Økonometri 1 Dummy variable 24. marts 2003.

Simpel Lineær Regression

Økonometri – lektion 4 Multipel Lineær Regression Model Estimation Inferens.

F21: Instrumentvariabelestimation III1 Økonometri 1 Instrumentvariabelestimation III 8. december 2006.

Økonometri 1: Flere emner i den multiple regressionsmodel1 Økonometri 1 Flere emner i den multiple regressionsmodel 13. marts 2003.

Økonometri 1: F51 Økonometri 1 Den multiple regressionsmodel 22. september 2006.

Økonometri 1: Instrumentvariabelestimation1 Økonometri 1 Instrumentvariabelestimation 24. april 2003.

Økonometri 1 Avancerede Paneldata Metoder II Introduktion til Instrumentvariabler 27. november 2006.

KM2: F201 Kvantitative metoder 2 Heteroskedasticitet 18. april 2007.

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: Inferens i den lineære regressionsmodel1 Økonometri 1 FunktioneI form i den lineære regressionsmodel 11. oktober 2005.

Inge Henningsen Stat BK uge

Økonometri 1: Instrumentvariabelestimation1 Økonometri 1 Instrumentvariabelestimation 30. november 2004.

Kvantitativ metode del 1 Gymnasielærer-kursus forår 2007 Aalborg Universitet Sammenhænge ml. variabler, styrke og signifikans Tirsdag den 20. marts, kl.

Økonometri 1: Heteroskedasticitet1 Økonometri 1 Heteroskedasticitet 24. marts 2006.

Statikstik II 4. Lektion Generelle Lineære Modeller.

Økonometri 1: Instrumentvariabelestimation1 Økonometri 1 Instrumentvariabelestimation 7. december 2004.

Økonometri 1: Dummyvariabler1 Økonometri 1 Dummyvariabler 15. marts 2006.

Log lineære modeller for kontingenstabeller Kontingenstabeller Test for uafhængighed af inddelingskriterier Sammenligning med logistisk regression Odds.

Økonometri – lektion 6 Multipel Lineær Regression

Økonometri 1: Heteroskedasticitet1 Økonometri 1 Heteroskedasticitet 27. marts 2003.

Økonometri 1: Heteroskedasticitet1 Økonometri 1 Heteroskedasticitet 29. oktober 2004.

Økonometri 1: Instrumentvariabelestimation1 Økonometri 1 Instrumentvariabelestimation I 2. December 2005.

Lineær og logistisk regression - fortsat

Økonometri 1: F131 Økonometri 1 Heteroskedasticitet 30. oktober 2006.

Ellen Holm, Forskningscafé

Analyse af skæve fordelinger med Mplus

Anvendt Statistik af Kenneth Hansen

Anvendt Statistik Lektion 8

Positive sider som far 1:____________________________ 2:____________________________ 3:____________________________ 4:____________________________ 5:____________________________.

Præsentationens transcript:

 Introduktion til dagen  Afleveringen  Lineær Regression  Multipel Lineær Regression  Evaluering

Excell koder:DK =middel() and =varians()

r=0,833 ser ud som en positiv tendens, der kan testes. Excel:DK p=TFORDELING(t;n-1;2)

Forklaringsgrad. Er modellen signifikant ? Parameter værdier Teststørrelser (er par=0)

Method of least squares.:

Da forklaringsgraden øges med antallet af parametre er der indført en R-Adjusted, der straffer for øget antal parametre. Brug R-Adjusted i udskrifterne !

Rejsebureau, Kolonner.: - Antal modtagneopkald -Antal annoncer sidste uge - Antal modtagne opkald forrige uge - Antal bestilte rejser følgende uge Excell->Data->Datanalyse->Korrelation Excell->Data->Datanalyse->Regression OpkaldAnnoncerForrigeBestilte Opkald1 Annoncer0, Forrige0, , Bestilte0, , ,