Regresní analýza v „prostorové“ analýze
Petr Voda

Představit strukturu hodiny – cca 45 teorie, půlhodina praktické ukázky, na závěr diskuze

Regrese - připomenutí
}K čemu je regrese dobrá?
}Co „dělá“?
}Co potřebujeme k jejímu provedení?

Regrese - připomenutí
}Nástroj k analýze vlivu více nezávisle proměnných na jednu závisle proměnné
}Vstupní podmínky:
}Normalita závisle proměnné
}Předpoklad lineárního vztahu
}Nepřítomnost multikolinearity
}Nezávislost případů
}Odhad parametrů regresní přímky
}Konstanta
}Nestandardizované koeficienty
}rezidua

Specifika v prostorové analýze
}Nezávislost pozorování
}Často narušeno
}V blízkých lokalitách často podobné hodnoty
}Normalita závisle proměnné
}Velmi důležitá zejména pro hodnoty inferenční statistiky
}V analýze zahrnující všechny případy není nutná taková přísnost
}Rozdělení by se ale normálnímu mělo alespoň přibližovat
}Multikolinearita
}Častý problém
}Nestacionarita
}V různých místech mohou být vztahy mezi proměnnými různé
}Nelinearita vztahů

Základ: „jednoduchá regrese“
}Závisle proměnná: podpora kandidáta
}Nezávisle proměnné: indikátory konfliktních linií
}Použití váhy
}
}Příklad: podpora Částečka
}Np:
}vlastníci/pracující: podíl osvč, nezaměstnanost
}Město/venkov: velikost obce
}Církev/stát: katolíci
}
}První analýza – kolinearita VŠ x počet obyvatel

Tabulka – počet obyv
B
beta
konstanta
21.28
katolíci
0.09
0.17
nezaměstanost
-0.87
-0.48
podnikatelé
-0.19
-0.04
Počet obyv
0,000074
0.18
R2
28.9
N
45
*výsledky váženy podílem obcí na počtu hlasů

Tabulka – počet obyv
B
beta
konstanta
9.7
katolíci
0.11
0.21
nezaměstanost
-0.81
-0.45
podnikatelé
0.15
0.03
Log Počet obyv
2.49
0.33
R2
33.4
N
45
*výsledky váženy podílem obcí na počtu hlasů

Tabulka – počet obyv
B
beta
konstanta
13.5
katolíci
0.18
0.33
nezaměstanost
-0.66
-0.37
podnikatelé
0.37
0.07
2000 - 5000
-1.35
-0.13
Nad 5000
3.655
0.42
R2
38.1
N
45
*výsledky váženy podílem obcí na počtu hlasů

Další postup
}Uložení reziduí
}Zobrazení v mapě
}Identifikace dalších možných vlivů (specifický region,  lokální téma, změna kandidátů, změna v
konkurenční straně, …)

Přidání proměnné „sousedství“
}Ukázka na příkladu Čunka
}
B
Beta
B
Beta
konstanta
16,74
15,05
nezaměstnanost
2,36
0,44
0,62
0,12
katolíci
-0,48
-0,30
0,46
0,29
podnikatelé
2,54
0,16
1,88
0,12
obec2000
1,77
0,06
-1,35
-0,04
nad 5000
-5,64
-0,22
-4,13
-0,16
sousedství
23,12
0,86
0,38
0,79

Bez sousedství



Se sousedstvím



Přidání interakce
}Interakce = proměnná x proměnná
}Jak se mění EFEKT jedné proměnné při změně hodnoty druhé proměnné o jednotku
}Např. efekt nezaměstnanosti je větší na periferii než v centru

Další možnosti
}Prostorově vážená regrese
}Přidává informaci o nestacionaritě vztahů
}Spíše explorativní charakter
}Často obtižné najít ve výsledcích nějaký smysl
}Víceúrovňové modelování
}Závisle proměnnou ovlivňují proměnné z různých úrovní
}Volební chování jedince je ovlivněno jeho vlasnostmi a vlastnostmi prostředí
}Různé vlastnosti voliče v různém prostředí vedou k různým volbám
}Obvyklý problém: nedostatek dat

}



}