Osnova přednášky Pokročilé metody v jednoduché lineární regresi
1. Dvě nezávislé regresní přímky
1.1. Popis modelů a označení
1.2. Test homoskedasticity náhodných odchylek
1.3. Test totožnosti dvou regresních přímek
1.4. Test rovnoběžnosti dvou regresních přímek
1.5. Příklad
2. Test adekvátnosti regresního modelu
3. Problém autokorelovaných reziduí
4. Linearizující transformace
4.1. Přehled linearizujících transformací
4.2. Příklad
4.3. Provedení regresní analýzy pomocí modulu Jednoduchá nelineární regrese
4.4. Získání odhadů parametrů modelu
x
10y ββ= pomocí Bodových grafů
1. Dvě nezávislé regresní přímky
1.1. Popis modelů a označení
Předpokládáme, že máme dva nezávislé regresní modely
ii10i xY ε+β+β= , i = 1, 2, …, n
*
i
*
i
*
1
*
0
*
i xY ε+β+β= , i = 1, 2, …, n*
Přitom platí, že
( )n1 ,, εε= Kε ~ ( )I0 2
n ,N σ , ( )*
n
*
1
*
,, εε= Kε ~ ( )I0 2
n ,N σ ,
vektory ε a ε*
jsou nezávislé.
Označíme
b1, b1
*
odhady směrnic v 1. a 2. modelu,
SE a SE
*
reziduální součty čtverců v 1. a 2. modelu,
S2
a S*2
výběrové rozptyly nezávisle proměnných veličin v 1. a 2. modelu.
1.2. Ověření předpokladu o homoskedasticitě náhodných odchylek ε a ε*
1:H 2*
2
0 =
σ
σ
proti 1:H 2*
2
0 ≠
σ
σ
Testová statistika:
2n
S
2n
S
T
*
*
E
E
0
−
−=
má rozložení F(n-2, n*
-2), pokud H0 platí.
Kritický obor: ( ) ( ) )∞−−∪−−= α−α ,2n,2nF2n,2nF,0W *
2/1
*
2/
1.3. Test totožnosti dvou regresních přímek








β
β
=





β
β
*
1
*
0
1
0
0 :H proti 







β
β
≠





β
β
*
1
*
0
1
0
1 :H
Sestavíme nový model regresní přímky, v němž hodnoty nezávisle proměnné veličiny vzniknou
sdružením hodnot xi a xi
*
a hodnoty závisle proměnné veličiny vzniknou sdružením hodnot yi a
yi
*
. Označíme *
EE
S reziduální součet čtverců v tomto sdruženém modelu.
Testová statistika:
4nn
SS
2
SSS
T
*
*
EE
*
EEEE
0
*
−+
+
−−
=
se v případě platnosti H0 řídí rozložením F(2, n+n*
- 4).
Kritický obor: ( ) )∞−+= α− ,4nn,2FW *
1
1.4. Test rovnoběžnosti dvou regresních přímek
*
110 :H β=β proti
*
111 :H β≠β
Testová statistika:
( )
( ) ( ) ( ) 







−
+
−
+
−+−
=
2**2
*
EE
**
11
0
S1n
1
S1n
1
SS
4nnbb
T
se v případě platnosti nulové
hypotézy řídí rozložením t(n + n*
- 4).
Kritický obor: ( ) ( ) )( ∞−+∪−+−∞−= α−α− ,4nnt4nnt,W *
2/1
*
2/1 .
⇒∈WTj
H0 zamítáme na hladině významnosti α.
1.5. Příklad: Máme k dispozici údaje o počtu rozvodů za rok, které připadají na 100 000
obyvatel, a to v českých zemích a na Slovensku v letech 1960 – 1970. Hodnoty xi udávají roky
po odečtení 1960, yi rozvodovost v českých zemích a yi
*
na Slovensku.
xi yi yi
*
0 1,34 0,58
1 1,45 0,59
2 1,47 0,58
3 1,52 0,55
4 1,48 0,54
5 1,66 0,57
6 1,77 0,64
7 1,76 0,57
8 1,89 0,67
9 2,08 0,75
10 2,19 0,76
Je zapotřebí zjistit, zda průběh rozvodovosti v letech 1960 – 1970 byl stejný v českých zemích
jako na Slovensku. Pokud se ukáže, že stejný nebyl, pak je třeba zjistit, zda aspoň vzestup
rozvodovosti byl v obou případech stejný. Testy se mají provádět na hladině významnosti 0,05.
Řešení pomocí systému STATISTICA:
Otevřeme datový soubor rozvody_CSSR.sta o třech proměnných a 22 případech. V proměnné x
jsou 2x pod sebou hodnoty 0 – 10, v proměnné y jsou pod sebou hodnoty rozvodovosti pro ČSR
a pro SSR a proměnná id obsahuje 1 pro ČSR a 0 pro SSR.
Nejprve znázorníme data s proloženými regresními přímkami.
Grafy – Bodové grafy – Proměnné x,y – OK – Kategorizovaný – Kategorie X – Zapnuto –
Změnit proměnnou – id – OK – Rozložení Přes sebe – OK.
Bodový graf z y proti x; kategorizovaný id
rozvody_CSSR.sta 4v*22c
id: SSR y = 0,5295+0,0177*x
id: ČSR y = 1,2918+0,08*x
x
y
id: SSR
id: ČSR-2 0 2 4 6 8 10 12
0,4
0,6
0,8
1,0
1,2
1,4
1,6
1,8
2,0
2,2
2,4
Z grafického znázornění dat vyplývá, že regresní přímky se zřejmě budou lišit v obou parametrech.
Dále ověříme, zda rozptyly náhodných odchylek ε a ε*
jsou shodné.
Statistiky – Vícenásobná regrese – Select cases – Zapnout filtr – zadáme id = 1 – OK –
Proměnné y, x – OK – OK – Detailní výsledky – ANOVA.
Analogicky pro 2. model zadáme id = 0.
Analýza rozptylu (rozvody_CSSR.sta)
Zhrnout podmínku: id=1
Efekt
Součet
čtverců
sv Průměr
čtverců
F p-hodn.
Regres.
Rezid.
Celk.
0,704000 1 0,704000 122,4025 0,000002
0,051764 9 0,005752
0,755764
Analýza rozptylu (rozvody_CSSR.sta)
Zhrnout podmínku: id=0
Efekt
Součet
čtverců
sv Průměr
čtverců
F p-hodn.
Regres.
Rezid.
Celk.
0,034568 1 0,034568 12,34801 0,006577
0,025195 9 0,002799
0,059764
Vypočteme testovou statistiku
0623,2
9
025195,0
9
051764,0
2n
S
2n
S
T
*
*
E
E
0 ==
−
−=
.
Kritický obor:
( ) ( ) ) ( ) ( ) )
)∞∪=
=∞∪=∞−−∪−−= α−α
;026,42484,0;0
,9,9F9,9F,0,2n,2nF2n,2nF,0W 975,0025,0
*
2/1
*
2/
Testová statistika nepatří do kritického oboru, hypotézu o homogenitě rozptylů nezamítáme na
hladině významnosti 0,05.
Nyní provedeme test totožnosti dvou regresních přímek. Testová statistika má tvar
( )
( ) ( )4nnSS
2SSS
T **
EE
*
EEEE
0
*
−++
−−
= . Reziduální součty čtverců SE a SE
*
již známe, SE = 0,051764 a SE
*
=
0,025195. Stanovíme reziduální součet čtverců SEE
*
ve sdruženém modelu.
Statistiky – Vícenásobná regrese – OK – Proměnné – Závislá y, Nezávislé x – OK – OK –
Detailní výsledky – ANOVA.
Analýza rozptylu (rozvody_CSSR.sta)
Efekt
Součet
čtverců
sv Průměr
čtverců
F p-hodn.
Regres.
Rezid.
Celk.
0,525284 1 0,525284 1,584552 0,222602
6,630066 20 0,331503
7,155350
( )
( )
356,766
18025195,0051764,0
2025195,0051764,0630066,6
T0 =
+
−−
=
Kritický obor:
( ) ) ( ) ) )∞=∞=∞−+= α− ;5546,3,18,2F,4nn,2FW 95,0
*
1
Testová statistika patří do kritického oboru, hypotézu o totožnosti regresních přímek zamítáme
na hladině významnosti 0,05. Průběh rozvodovosti v letech 1960 – 1970 byl jiný v ČSR a SSR.
Nakonec budeme testovat hypotézu o rovnoběžnosti dvou regresních přímek.
K datovému souboru přidáme novou proměnnou id*x, která vznikne jako součin proměnných id
a x.
Statistiky – Vícenásobná regrese – OK – Proměnné – Závislá y, Nezávislé x, id, id*x – OK –
OK – Výpočet: výsledky regrese.
Výsledky regrese se závislou proměnnou : y (rozvody_CSSR.sta)
R= ,99460773 R2= ,98924454 Upravené R2= ,98745196
F(3,18)=551,86 p<,00000 Směrod. chyba odhadu : ,06539
N=22
b* Sm.chyba
z b*
b Sm.chyba
z b
t(18) p-hodn.
Abs.člen
x
id
id*x
0,529545 0,036883 14,35727 0,000000
0,098296 0,034570 0,017727 0,006234 2,84344 0,010783
0,668307 0,045731 0,762273 0,052161 14,61383 0,000000
0,366244 0,051854 0,062273 0,008817 7,06294 0,000001
Testovou statistiku najdeme na řádku id*x, ve sloupci t(18): t0 = 7,06294. Odpovídající p-hodnota je velmi
blízká 0, tedy na hladině významnosti 0,05 zamítáme hypotézu, že vzestup rozvodovosti v letech 1960 –
1970 je stejný v ČSR a SSR.
2. Test adekvátnosti regresního modelu
Hodnoty veličiny Y jsou roztříděny do r ≥ 3 skupin podle variant x[1], ..., x[r] veličiny X.
Označme ni počet pozorování v i-té skupině, i = 1, …, r, přičemž aspoň jedna skupina má více
než jedno pozorování. Budeme předpokládat, že každá skupina hodnot má normální
rozložení a že všechny skupiny mají týž rozptyl.
Všech pozorování je n.
Průměr hodnot v i-té skupině označme Mi a průměr všech hodnot označme M.
Charakter závislosti Y na X popíšeme regresní funkcí ( )p10 ,,,;xm βββ K .
Budeme testovat hypotézu, zda je tato regresní funkce vhodným modelem pro naše data.
Při testování budeme potřebovat tyto součty čtverců:
celkový součet čtverců ( )∑∑= =
−=
r
1i
n
1j
2
ijT
i
MYS ,
skupinový součet čtverců ( )∑=
−=
r
1i
2
iiA MMnS ,
regresní součet čtverců ( )∑=
−=
r
1i
2
iiiR MyˆnS .
Testová statistika:
( ) ( )
( ) ( )rn/SS
1pr/SS
F
AT
RA
−−
−−−
= se řídí rozložením F(r-p-1, n-r), jestliže H0 platí.
Kritický obor: W = <F1-α (r-p-1, n-r), ∞)
F ∈ W => na hladině významnosti α zamítáme hypotézu, že funkce ( )p10 ,,,;xm βββ K je
vhodným regresním modelem závislosti Y na X.
Těsnost závislosti Y na X vyjádřenou skupinovými průměry měří poměr determinace
T
A2
S
S
P = .
Nabývá hodnot z intervalu <0,1>. Čím je poměr determinace bližší jedné, tím je závislost
silnější, čím je bližší nule, tím je závislost slabší.
Příklad: Máme k dispozici údaje o cenách 23 náhodně vybraných domů (veličina Y –
v tisících $) a počtu jejich pokojů (veličina X) v jednom americkém městě.
počet pokojů cena
5 155,168,180
6 166,172,179,190,200
7 210,215,218,225,230,245
8 213,225,240,247,249
9 267,275,290,298
Závislost ceny domu na počtu pokojů popište regresní přímkou.
Na hladině významnosti 0,05 testujte hypotézu, že přímka je vhodným regresním modelem
pro tato data.
Těsnost závislosti vyjádřete poměrem determinace.
Znázorněte data s proloženou regresní přímkou.
Řešení v systému STATISTICA:
Otevřeme datový soubor ceny_bytu.sta se dvěma proměnnými X a Y a 23 případy:
Parametry regresní přímky získáme pomocí bodových grafů s lineárním proložením:
Bodový graf z Y proti X
ceny_bytu.sta 2v*23c
Y = 17,2885+28,5851*x
4,5 5,0 5,5 6,0 6,5 7,0 7,5 8,0 8,5 9,0 9,5
X
140
160
180
200
220
240
260
280
300
320
Y
Pro test adekvátnosti modelu použijeme modul Pokročilé lineární/nelineární modely.
Statistiky – Pokročilé lineární/nelineární modely – Obecné regresní modely – Jednorozměrná
regrese – OK – na záložce Možnosti zaškrtneme Kvalita proložení – OK – Závislá Y, Spoj.
nezáv. prom. X – OK – Více výsledků – Celkové R – ve stromové struktuře vlevo vybereme
Test kvality modelu.
Test kvality modelu (ceny_bytu.sta)
Závislá
Proměnná
SČ
Rezidua
sv
Rezidua
PČ
Rezidua
SČ
Chyba
sv
Chyba
PČ
Chyba
SČ Kvali
proložen
SV Kvali
proložen
PČ Kvali
proložen
ta
F
p
Y 4962,705 21 236,3193 3396,500 18 188,6944 1566,205 3 522,0682 2,766739 0,071737
Čitatel testové statistiky F je roven 1566,205 a je uveden ve sloupci Kvalita proložení.
Jmenovatel testové statistiky F je roven 3396,5 a je uveden ve sloupci SČ Chyba.
Hodnota testové statistiky je 2,767 a odpovídající p-hodnota je 0,0717. Na hladině významnosti
0,05 tedy nemůžeme zamítnout hypotézu, že přímka je vhodným modelem k popisu závislosti
ceny domu na počtu pokojů.
Pro výpočet poměru determinace použijeme cestu:
Statistiky – Základní statistiky/tabulky – Rozklad & jednofakt. ANOVA – OK – Proměnné Y, X
– OK – OK – Analýza rozptylu. Dostaneme tabulku
Analýza rozptylu (ceny_bytu.sta)
Označ. efekty jsou význ. na hlad. p < ,05000
Proměnná
SČ
efekt
SV
efekt
PČ
efekt
SČ
chyba
SV
chyba
PČ
chyba
F p
Y 32474,11 4 8118,527 3396,500 18 188,6944 43,02473 0,000000
V 1. sloupci je skupinový součet čtverců SA a ve 4. sloupci reziduální součet čtverců SE. Poměr
determinace počítáme podle vzorce P2
= SA/ST = SA/(SA + SE). K této tabulce tedy přidáme
novou proměnnou P2 a do jejího dlouhého jména napíšeme =v1/(v1+v4).
Analýza rozptylu (ceny_bytu.sta)
Označ. efekty jsou význ. na hlad. p < ,05000
Proměnná
SČ
efekt
SV
efekt
PČ
efekt
SČ
chyba
SV
chyba
PČ
chyba
F p P2
=v1/(v1+v4)
Y 32474,11 4 8118,527 3396,500 18 188,6944 43,02473 0,000000 0,90531245
Vidíme, že poměr determinace nabývá hodnoty 0,905.
3. Problém autokorelovaných reziduí (a jeho odstranění)
Předpokládejme, že náhodná odchylka iε je lineárně závislá na předešlé náhodné odchylce 1i−ε , tj. jde o
autokorelaci 1. řádu (v praxi nejčastější případ):
i1ii u+ρε=ε − , i = 2, …, n (ui je náhodná odchylka od modelu lineární závislosti a ρ je koeficient korelace
dvou sousedních náhodných odchylek iε , 1i−ε ).
Předpoklad o existenci autokorelace 1. řádu můžeme ověřit pomocí Durbinova – Watsonova testu, který je
založen na Durbinově – Watsonově statistice: ( ) ∑∑ =
−
=
−−=
n
2i
2
1i
n
2i
2
1ii eeeD .
Tato statistika nabývá hodnot z intervalu 4,0 a má střední hodnotu 2. Nízké hodnoty statistiky D
znamenají, že sousední rezidua jsou spíše podobná, což svědčí ve prospěch kladné autokorelace. Naopak,
vysoké hodnoty statistiky D jsou způsobeny negativní autokorelací, avšak s tou se v praxi příliš často
nesetkáváme.
Pro dané α, daný počet pozorování n a daný počet p regresních parametrů – bez konstanty
(v případě regresní přímky p = 1) jsou tabelovány kritické hodnoty ( ) ( )αα UL d,d .
Testujeme-li na hladině významnosti α existenci pozitivní autokorelace, pak při ( )( )2,dD U α∈ se nezamítá H0 a při
( )( )α∈ Ld,0D se přijímá H1.
Je-li ( ) ( )α≤≤α UL dDd , pak nelze přijmout žádné rozhodnutí (říkáme, že test mlčí).
Testujeme-li na hladině významnosti α existenci negativní autokorelace, pak při ( )( )α−∈ Ud4,2D se nezamítá H0 a při
( )( )4,d4D L α−∈ se přijímá H1.
Je-li ( ) ( )α−≤≤α− LU d4Dd4 , pak nelze učinit žádné rozhodnutí.
Prokážeme-li na dané hladině významnosti α existenci autokorelace 1. řádu, měli bychom ji
eliminovat.
Nejprve odhadneme koeficient korelace ρ:
∑
∑
=
−
=
−
=ρ n
2i
2
1i
n
2i
1ii
e
ee
ˆ
.
Pak už můžeme vypočítat odhady náhodných odchylek (tj. rezidua) v autokorelaci:
1iii eˆeuˆ −ρ−= , i = 2, …, n.
Získané odhady iuˆ přičteme k predikovaným hodnotám iyˆ získaným z regresního modelu a
znovu provedeme regresní analýzu, kde roli závisle proměnné veličiny bude hrát součet ii uˆyˆ + .
Příklad:
Při analýze reziduí v příkladu o závislosti tržeb na počtu zákazníků. Jsme zjistili, že Durbinova _
Watsonova statistika nabývá hodnoty 0,702506. Kritické hodnoty pro α = 0,05, n = 20, p = 2
jsou: dL = 1,1, dU = 1,54. Protože D < dL, zamítáme na hladině významnosti 0,05 hypotézu o
nekorelovanosti reziduí ve prospěch alternativy o pozitivní autokorelaci 1. řádu.
Ukážeme si, jak odstranit autokorelovanost reziduí.
Rezidua z modelu ε+β+β+β= 2
210 xxY uložíme do proměnné Rezidua.
Získání odhadů reziduí v autokorelaci: 1iii eˆeuˆ −ρ−= , i = 2, …, n:
Statistiky – Pokročilé lineární/nelineární modely – Časové řady/predikce – Proměnné Rezidua –
ARIMA & autokorelační funkce – v Parametrech modelu ARIMA zvolíme p-Autoregresní 1 –
OK (Zahájit odhady parametrů) – Souhrn: Odhady parametrů.
Vstup: REZIDUA (Tabulka39)
Transformace: žádná
Model:(1,0,0) PČ Rezid. = ,64920
Paramet.
Param. Asympt.
SmCh
Asympt.
t( 19)
p Dolní
95% spol
Horní
95% spol
p(1) 0,599248 0,189523 3,161883 0,005134 0,202573 0,995924
Vidíme, že odhad koeficientu korelace dvou po sobě následujících reziduí je 0,6 a na hladině
0,05 je významný (p-hodnota 0,005134 < 0,05).
Uložíme rezidua z autokorelace: Přehled & rezidua – Přehled reziduí. Vzniklou proměnnou okopírujeme do původního
datového souboru a k tomuto datovému souboru přidáme ještě proměnnou s predikovanými hodnotami z parabolického
modelu. Do nové proměnné nazvané nove y uložíme součet reziduí a predikovaných hodnot. Pak znovu provedeme regresní
analýzu:
Výsledky regrese se závislou proměnnou : nove y (prodejna_software.sta)
R= ,96958525 R2= ,94009556 Upravené R2= ,93304798
F(2,17)=133,39 p<,00000 Směrod. chyba odhadu : ,84933
N=20
b* Sm.chyba
z b*
b Sm.chyba
z b
t(17) p-hodn.
Abs.člen
x
xkv
-20,1238 2,696857 -7,46194 0,000001
4,58359 0,453331 1,5323 0,151549 10,11091 0,000000
-3,78264 0,453331 -0,0169 0,002027 -8,34410 0,000000
Nová regresní parabola má tvar: y = -20,1238 + 1,5323x - 0,0169x2
.
Porovnáme výslednou tabulku regrese s původní tabulkou:
Výsledky regrese se závislou proměnnou : y (prodejna_software.sta)
R= ,95519276 R2= ,91239322 Upravené R2= ,90208653
F(2,17)=88,524 p<,00000 Směrod. chyba odhadu : 1,0623
N=20
b* Sm.chyba
z b*
b Sm.chyba
z b
t(17) p-hodn.
Abs.člen
x
xkv
-20,7723 3,373256 -6,15792 0,000011
4,52641 0,548220 1,5651 0,189559 8,25655 0,000000
-3,73838 0,548220 -0,0173 0,002535 -6,81912 0,000003
Získali jsme vyšší hodnotu testové statistiky F (a tedy i vyšší adjustovaný index determinace) a menší směrodatné chyby
odhadů regresních parametrů (tudíž také vyšší hodnoty testových statistik pro dílčí t-testy).
Nyní prozkoumáme chování reziduí v novém regresním modelu pomocí Durbinovy – Watsonovy statistiky:
Durbin-
Watson.d
Sériové
korelace
Odhad 1,356630 0,256281
Hodnota D-W statistiky D = 1,35663 a kritické hodnoty pro α = 0,05, n = 20, p = 2 jsou: dL = 1,1, dU = 1,54.
Protože dL ≤ D ≤ dU, nelze přijmout žádné rozhodnutí.
Pokud celý postup zopakujeme ještě jednou, dostaneme hodnotu D-W statistiky 1,6885. Nyní je D > dU, tudíž nelze
zamítnout hypotézu, že rezidua nejsou kladně korelovaná.
Parametry výsledného modelu jsou:
Výsledky regrese se závislou proměnnou : nove y2 (Tabulka12)
R= ,97136268 R2= ,94354546 Upravené R2= ,93690375
F(2,17)=142,06 p<,00000 Směrod. chyba odhadu : ,82061
N=20
b* Sm.chyba
z b*
b Sm.chyba
z b
t(17) p-hodn.
Abs.člen
x
xkv
-19,7523 2,605683 -7,58046 0,000001
4,53932 0,440084 1,5103 0,146425 10,31467 0,000000
-3,73197 0,440084 -0,0166 0,001958 -8,48013 0,000000
Regresní parabola má tedy rovnici: y = -19,7523 + 1,5103x - 0,0166x2
.
4. Linearizující transformace
Odhad parametrů regresních funkcí, které nejsou lineární z hlediska parametrů, se neprovádí
metodou nejmenších čtverců přímo, protože její použití vede k soustavě nelineárních rovnic.
V některých speciálních případech však nelineární regresní funkci můžeme vhodnou
transformací převést na lineární.
Např. máme exponenciální regresní funkci x
10y ββ= . Provedeme logaritmickou transformaci
ln y = ln β0 + x ln β1 , čímž získáme regresní funkci lineární v parametrech. Parametry
ln β0 a ln β1 odhadneme metodou nejmenších čtverců a odlogaritmováním získáme odhady
původních regresních koeficientů β0, β1.
4.1. Přehled linearizujících transformací
Funkce Linearizující transformace
x
10y ββ= ln y = ln β0 + x ln β1
1
xy 0
β
β= ln y = ln β0 + β1 ln x
1
x
y 0
β
β
= ln y = ln β0 - β1 ln x
x
1
y
10 β+β
= x
y
1
10 β+β=
x
x
y
10 β+β
= x
y
x
10 β+β=
4.2. Příklad: Hotelová společnost vlastnící 12 hotelů analyzuje vztah mezi celkovými
měsíčními tržbami (veličina Y) a tržbami vyprodukovanými stravovacími úseky (veličina X).
č. h. 1 2 3 4 5 6 7 8 9 10 11 12
x 2,0 1,2 14,8 8,3 8,4 3,0 4,8 15,6 16,1 11,5 14,2 14,0
y 12,0 8,0 76,4 17,0 21,3 10,0 12,5 97,3 88,0 25,0 38,6 47,3
Popište tuto závislost exponenciální regresní funkcí x
10y ββ= . Najděte odhady parametrů β0, β1 a
vypočtěte predikovanou hodnotu celkových měsíčních tržeb pro x = 10.
Řešení: Provedeme logaritmickou transformaci ln y = ln β0 + x ln β1. Metodou nejmenších
čtverců získáme odhady ln b0 = 1,8559, ln b1 = 0,1504.
Odlogaritmováním dostaneme b0 = 6,3973, b1 = 1,1623. Predikovaná hodnota y pro x = 10 je
6,3973.1,162310
= 28,7859.
Řešení v systému STATISTICA:
Otevřeme datový soubor hotely.sta se dvěma proměnnými a 12 případy.
Přidáme novou proměnnou ln y. Do jejího Dlouhého jména napíšeme =log(y).
Pak provedeme regresní analýzu se závisle proměnnou ln y a nezávisle proměnnou X:
Výsledky regrese se závislou proměnnou : ln y (hotely.sta)
R= ,95851605 R2= ,91875303 Upravené R2= ,91062833
F(1,10)=113,08 p<,00000 Směrod. chyba odhadu : ,26364
N=12
Beta Sm.chyba
beta
B Sm.chyba
B
t(10) Úroveň p
Abs.člen
X
1,855881 0,154338 12,02480 0,000000
0,958516 0,090137 0,150428 0,014146 10,63398 0,000001
K výsledné tabulce přidáme novou proměnnou b, do jejíhož Dlouhého jména napíšeme =exp(B).
Výsledky regrese se závislou proměnnou : ln y (hotely.sta)
R= ,95851605 R2= ,91875303 Upravené R2= ,91062833
F(1,10)=113,08 p<,00000 Směrod. chyba odhadu : ,26364
N=12
Beta Sm.chyba
beta
B Sm.chyba
B
t(10) Úroveň p b
=exp(B)
Abs.člen
X
1,855881 0,154338 12,02480 0,000000 6,397333
0,958516 0,090137 0,150428 0,014146 10,63398 0,000001 1,162332
Model má tedy tvar: y = 6,397333.1,162332x
.
Získání predikované hodnoty pro x = 10:
Vrátíme se do Výsledky – vícenásobná regrese – na záložce Rezidua/předpoklady/předpovědi
vybereme Předpověď závisle proměnné – X = 10 – OK. K výsledné tabulce přidáme proměnnou
predikce a do jejího Dlouhého jména napíšeme =exp(v3).
Předpovězené hodnoty (hotely.sta)
proměnné: ln y
Proměnná
b-váha Hodnota b-váha
* Hodnot
predikce
=exp(v3)
X
Abs. člen
Předpověď
-95,0%LS
+95,0%LS
0,150428 10,00000 1,504281 4,500918
1,855881 6,397333
3,360163 28,79387
3,189835 24,28441
3,530490 34,14071
Vidíme, že predikovaná hodnota je 28,79.
Vytvoříme ještě dvourozměrný tečkový diagram s proloženou exponenciálou. Na záložce Rezidua/předpoklady/předpovědi
vybereme reziduální analýza – Uložit – Uložit rezidua & předpovědi – vybereme X, Y – OK.
Ve vzniklé tabulce odstraníme proměnné č. 5 až 10 a proměnnou rezidua přejmenujeme na Predikce. Do Dlouhého jména
této proměnné napíšeme =exp(v3).
Tento datový soubor uspořádáme podle velikosti hodnot proměnné X: Data - Setřídit – Proměnná X – OK.
hotely.sta
1
Y
2
X
3
Předpovědi
4
Predikce
1
1
3
4
5
6
7
8
9
10
11
12
8 1,2 2,04 7,66
12 2 2,16 8,64
10 3 2,31 10,05
12,5 4,8 2,58 13,17
17 8,3 3,10 22,30
21,3 8,4 3,12 22,63
25 11,5 3,59 36,08
47,3 14 3,96 52,56
38,6 14,2 3,99 54,16
76,4 14,8 4,08 59,28
97,3 15,6 4,20 66,86
88 16,1 4,28 72,08
Vytvoření grafu:
Grafy – Bodové grafy – zaškrtneme Vícenásobný – Proměnné X: X, Y: Y, Predikce – OK. Ve vytvořeném grafu pak
vypneme zobrazování značek pro Predikce a naopak zapneme Spojnici.
Bodový graf z více proměnných proti X
Tabulka4 4v*12c
Y
Predikce
0 2 4 6 8 10 12 14 16 18
X
0
10
20
30
40
50
60
70
80
90
100
110
4.3. Provedení regresní analýzy pomocí modulu Jednoduchá nelineární regrese
Pro data z předešlého příkladu najdeme odhady parametrů modelu
x
10y ββ= pomocí modulu
Jednoduchá nelineární regrese.
Statistiky – Pokročilé lineární/nelineární odhady – Jednoduchá nelineární regrese – Proměnné X,
Y – OK – OK – zaškrtneme LN(X) – OK – Proměnné – Závislé LN-V1, Nezávislé X – OK.
Dostaneme stejnou tabulku jako předešlým postupem a výsledné hodnoty odhadů regresních
parametrů získáme exponenciální transformací.
4.4. Získání odhadů parametrů modelu
x
10y ββ= pomocí Bodových grafů
Grafy – Bodové grafy – Proměnné X, Y – OK – na záložce Detaily zaškrtneme Proložení
Exponenciální – OK.
Bodový graf z Y proti X
hotely.sta 3v*12c
Y = 6,3973*exp(0,1504*x)
0 2 4 6 8 10 12 14 16 18
X
0
10
20
30
40
50
60
70
80
90
100
110
Y
V záhlaví grafu je uvedena regresní rovnice y = 6,3973*exp(0,1504*x), tedy
b0 = 6,3973, b1 = e0,1504
= 1,1623.
Kritické hodnoty Durbinova-Watsonova testu pro autokorelaci 1. řádu pro α = 0,05, rozsah výběru n a počet regresorů p
(bez konstant)
p=1 p=2 p=3 p=4 p=5
n dL dU dL dU dL dU dL dU dL dU
15 1,08 1,36 0,95 1,54 0,82 1,75 0,69 1,97 0,56 2,21
20 1,20 1,41 1,10 1,54 1,00 1,68 0,90 1,83 0,79 1,99
30 1,35 1,49 1,28 1,57 1,21 1,65 1,14 1,74 1,07 1,83
40 1,44 1,54 1,39 1,60 1,34 1,66 1,29 1,72 1,23 1,79
60 1,55 1,62 1,51 1,65 1,48 1,69 1,44 1,73 1,41 1,77
80 1,61 1,66 1,59 1,69 1,56 1,72 1,53 1,74 1,51 1,77
100 1,65 1,69 1,63 1,72 1,61 1,74 1,59 1,76 1,57 1,78