Inge Henningsen Stat BK uge 2 2009 Sammenligning af regressionslinier Opsummering af regressionsanalyse (Gennemgang af udvidet version af eksamen Blok.

Slides:



Advertisements
Lignende præsentationer
Dummyvariabler 13. oktober 2006
Advertisements

Dagens program Kursusevaluering Information Spørgsmål om eksamen
Anvendt Statistik Lektion 9
Variansanalyse Modelkontrol
Grundlæggende teoretisk statistik
KM2: F171 Kvantitative metoder 2 Dummyvariabler 2. april 2007.
Variansanalyse Modelkontrol
Case.
Statistik 1 – Lektion 5 By, energi & miljø, forår 2010 v. Morten Skou Nicolaisen.
Anvendt Statistik Lektion 8
Statistik Lektion 5 Log-lineære modeller.
Anvendt Statistik Lektion 8
Logistisk Regression Kategoriske og Kontinuerte Forklarende Variable
Økonometri 1: Dummy variable
Learning Objectives 5 Steps of a Significance Test Assumptions
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.
Statistisk inferens Dagens program Grupper, opgave 1
Statistik II Lektion 4 Generelle Lineære Modeller
Anvendt Statistik Lektion 7
Anvendt Statistik Lektion 9
Statikstik II 2. Lektion Lidt sandsynlighedsregning
Simpel Lineær Regression
Opsamling Simpel/Multipel Lineær Regression Logistisk Regression
Multipel Lineær Regression
Statistik Lektion 15 Mere Lineær Regression
Statikstik II 2. Lektion Lidt sandsynlighedsregning
Statistik Lektion 16 Multipel Lineær Regression
Økonometri 1: Den multiple regressionsmodel1 Økonometri 1 Den multiple regressionsmodel 21. september 2004.
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 – lektion 8 Multipel Lineær Regression
Anvendt Statistik Lektion 10  Regression med både kvantitative og kvalitative forklarende variable  Modelkontrol 1.
Økonometri 1: Dummy variable1 Økonometri 1 Dummy variable 24. marts 2003.
Simpel Lineær Regression
Økonometri – lektion 4 Multipel Lineær Regression Model Estimation Inferens.
KM2: F61 Kvantitative metoder 2 Den simple regressionsmodel 21. februar 2007.
Simpel Lineær Regression
Kvantitative metoder 2: Den multiple regressionsmodel1 Kvantitative metoder 2 Den multiple regressionsmodel 26. februar 2007.
Økonometri 1: Inferens i den multiple regressionsmodel1 Økonometri 1 Inferens i den multiple regressionsmodel 10. marts 2003.
Repetition Forårets højdepunkter…. Simpel Lineær Regression Simpel lineær regression: Mindste kvadraters metode Kovarians og Korrelation.
Økonometri 1: F41 Økonometri 1 Den multiple regressionsmodel 18. september 2006.
Økonometri 1: F51 Økonometri 1 Den multiple regressionsmodel 22. september 2006.
Grundlæggende teoretisk statistik
KM2: F201 Kvantitative metoder 2 Heteroskedasticitet 18. april 2007.
Økonometri 1: Den multiple regressionsmodel1 Økonometri 1 Den multiple regressionsmodel 15. februar 2006.
Økonometri 1: Dummyvariabler1 Økonometri 1 Dummyvariabler 21. oktober 2004.
Økonometri 1: Heteroskedasticitet1 Økonometri 1 Heteroskedasticitet 31. marts 2003.
Økonometri 1: Den simple regressionsmodel Økonometri 1 Den simple regressionsmodel 7. september 2004.
Kvantitative metoder 2: Den multiple regressionsmodel1 Kvantitative metoder 2 Den multiple regressionsmodel 28. februar 2007.
Inge Henningsen Stat BK uge
Økonometri 1: F2 Økonometri 1 Den simple regressionsmodel 11. september 2006.
Økonometri 1: Dummyvariabler1 Økonometri 1 Dummyvariabler 12. oktober 2005.
Variansanalyse på normalfordelte observationer af Jens Friis.
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.
Inge Henningsen Stat BK uge Konfidensinterval og hypotesetest for to normalfordelte stikprøver.
Økonometri – lektion 6 Multipel Lineær Regression
Økonometri 1: Den multiple regressionsmodel1 Økonometri 1 Den multiple regressionsmodel 17. september 2004.
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.
Ellen Holm, Forskningscafé
Den multiple regressionsmodel 21. september 2005
Anvendt Statistik af Kenneth Hansen
Anvendt Statistik Lektion 8
Niveau 3: Regressionsanalyse: Tværsnitsundersøgelser
Præsentationens transcript:

Inge Henningsen Stat BK uge Sammenligning af regressionslinier Opsummering af regressionsanalyse (Gennemgang af udvidet version af eksamen Blok 2 opgave 3)

Inge Henningsen Stat BK uge

Observationsplot

Inge Henningsen Stat BK uge

Regression og variansanalyse I ensidet variansanalyse (one-way ANOVA) undersøges indflydelsen af en kategorisk variabel (faktor, gruppevariabel) på vore observationers middelværdi I regressionsanalyse undersøges hvordan en kontinuert baggrundsvariabel (regressionsvariabel) påvirker observationernes middelværdi I ensidet variansanalyse har vi brug for en middelværdiparameter for hver gruppe I simpel lineær regressionsanalyse har vi brug for to middelværdiparametre. En der beskriver regressionslinjens hældning og en der angiver interceptet Hypotesen om ens gruppemiddelværdier i ensidet variansanalyse svarer til hypotesen om, at regressionslinjen har hældning 0 Hypotesen om ens middelværdier kan testes med et F-test (side 327). Hypotesen om at hældningen er 0 kan testes med et t-test (side 361, 363, 364)

Inge Henningsen Stat BK uge

Multipel regression Den multiple regressionsmodel (kapitel 13.4) med p-1 baggrundsvariable svarer til en flersidet variansanalyse med p-1 faktorer. Udgangsmodellen (kapitel ) er den additive model, hvor vi kun betragter hovedvirkningerne af de p-1 baggrundsvariable F-testet (side 369) tester hypotesen om, at alle de p-1 hældninger har værdien 0 Test for interaktioner er vanskeligt og diskuteres ikke.

Inge Henningsen Stat BK uge Sammenligning af regressionslinier (1 faktor + regression ) Hvis vi har r grupper og en kontinuert variabel kan vi specificere modellen y ij =μ+α i +β i x ij +ε ij i=1,…,r, j=1,…., n i, x ij er værdien af bagrundsvariablen for den ij’te observation. Denne model svarer til tosidet variansanalyse med interaktion (Vi tillader forskellige hældninger for hver gruppe). Modellen y ij =μ+α i +βx ij +ε ij svarer til en tosidet variansanalyse uden interaktion – der er kun hovedeffekter (alle hældninger er ens) Modellen y ij =μ+α+βx ij +ε ij er regressionsmodellen, hvor der ikke er nogen virkning af gruppe (alle regressionslinjerne er ens)

Inge Henningsen Stat BK uge

Eksamen 2007 opg 3

Inge Henningsen Stat BK uge

Flere spørgsmål til Eksamen 2007 opg 3 1.Angiv et 95% prædiktionsinterval for Y 1 time efter at personen røg den sidste cigaret 2.Hos en ny person observerer man 1 time efter at personen røg den sidste cigaret et CO-niveau i lungerne på 30. Kan man antage at regressionslinjen i a) beskriver middelværdien for denne persons CO-niveau? 3.Undersøg om linjens hældning kan antages at have værdien I en større kontrolgruppe var CO-niveauet faldet med 15 tre timer efter at personerne havde røget den sidste cigaret. Gruppen er så stor at de 15 kan antages at være et kendt tal. Svarer resultaterne i vores forsøg til dette resultat? 5.Vi er interesseret i den reciprokke værdi af hældningen, θ=1/β 1. Angiv et estimat og et 95% konfidensinterval for θ. 6.Kan det antages, at regressionslinjen skærer y-aksen i 52?