Eksempelspørsmål og diskusjon om lineær regresjon
Lineær regresjon er en statistisk metode som brukes til å bestemme forholdet mellom to eller flere variabler. Denne metoden er mye brukt innen ulike felt, inkludert økonomi, forretningsdrift, samfunnsvitenskap og naturvitenskap. I denne artikkelen vil vi diskutere lineær regresjon, hvordan man beregner den, og gi flere eksempler på problemer med forklaringer for å hjelpe leserne å forstå dette konseptet i dybden.
Forstå lineær regresjon
Lineær regresjon er en analytisk metode som brukes til å modellere forholdet mellom en eller flere uavhengige variabler (prediktorer) og en avhengig variabel (respons). Enkel lineær regresjon involverer én uavhengig variabel og én avhengig variabel, mens multippel lineær regresjon involverer mer enn én uavhengig variabel.
Ligningen for en enkel lineær regresjonslinje er:
\[Y = a + bX \]
Di mana:
– \(Y \) er den avhengige variabelen.
– \(X \) er den uavhengige variabelen.
– \(a \) er skjæringspunktet, som er verdien av Y når X = 0.
– \(b \) er regresjonskoeffisienten, det vil si hvor mye Y endres hvis X endres med én enhet.
Lineære regresjonstrinn
1. Samle inn data: Først samler du inn dataene som skal analyseres.
2. Plott data: Lag et spredningsplott for å se om det er en lineær sammenheng mellom variablene.
3. Beregn regresjonskoeffisienten: Bruk minste kvadraters metode for å bestemme den beste linjen.
4. Testing av modellen: Test signifikansen til regresjonskoeffisientene med en t-test og bestem R-kvadratverdien for å se hvor godt modellen passer til dataene.
Eksempel på hva som skjer i fremtiden
Eksempelspørsmål 1: Enkel lineær regresjon
Spørsmål:
En forsker ønsker å vite forholdet mellom antall studietimer (X) og studentenes eksamensresultater (Y). Dataene som er innhentet er som følger:
| Studietimer (X) | Eksamenspoengsum (Y) |
|——————–|——————–|
| 2 | 70 |
| 3 | 75 |
| 5 | 80 |
| 7 | 85 |
| 8 | 90 |
Lag en lineær regresjonsligning fra disse dataene!
Diskusjon:
1. Beregning av gjennomsnittet:
\[
\bar{X} = \frac{2 + 3 + 5 + 7 + 8}{5} = 5
\]
\[
\bar{Y} = \frac{70 + 75 + 80 + 85 + 90}{5} = 80
\]
2. Beregning av regresjonskoeffisienten \(b \):
\[
b = \frac{\sum(X_i – \bar{X})(Y_i – \bar{Y})}{\sum(X_i – \bar{X})^2}
\]
\[
\sum(X_i – \bar{X})(Y_i – \bar{Y}) = (2 – 5)(70 – 80) + (3 – 5)(75 – 80) + (5 – 5)(80 – 80) + (7 – 5)(85 – 80) + (8 – 5)(90 – 80)
\]
\[
= (-3)(-10) + (-2)(-5) + (0)(0) + (2)(5) + (3)(10) = 30 + 10 + 0 + 10 + 30 = 80
\]
\[
\sum(X_i – \bar{X})^2 = (2 – 5)^2 + (3 – 5)^2 + (5 – 5)^2 + (7 – 5)^2 + (8 – 5)^2
\]
\[
= 9 + 4 + 0 + 4 + 9 = 26
\]
\[
b = ∫80/26 = omtrent 3.08
\]
3. Beregning av skjæringspunktet \(a \):
\[
a = \bar{Y} – b \bar{X}
\]
\[
a = 80 – 3.08 x 5 = 80 – 15.4 = 64.6
\]
4. Regresjonsligning:
\[
Y = 64.6 + 3.08X
\]
Så den lineære regresjonsligningen for dataene er \(Y = 64.6 + 3.08X \). Dette betyr at hver ekstra studietime forventes å øke testresultatet med 3.08 poeng.
Eksempelspørsmål 2: Modelltesting og tolkning
Spørsmål:
Fortsett med de samme dataene, og beregn R-kvadratverdien (R²) for å måle hvor godt modellen passer til dataene. Test også signifikansen til regresjonskoeffisienten b.
Diskusjon:
1. Beregn total kvadratsum (SST), regresjonssum av kvadrater (SSR) og feilsum av kvadrater (SSE):
\[
SST = \sum(Y_i – \bar{Y})^2
\]
\[
SST = (70 – 80)^2 + (75 – 80)^2 + (80 – 80)^2 + (85 – 80)^2 + (90 – 80)^2 = 100 + 25 + 0 + 25 + 100 = 250
\]
\[
SSR = \sum(\hat{Y}_i – \bar{Y})^2
\]
Hvor \( \hat{Y}_i \) er den predikerte verdien av regresjonsligningen:
\[
\hat{Y}_i = 64.6 + 3.08X_i
\]
\[
\hat{Y} = [67.76, 70.84, 76.0, 82.16, 85.24]
\]
\[
Y = 80
\]
\[
SSR = (67.76 – 80)^2 + (70.84 – 80)^2 + (76.0 – 80)^2 + (82.16 – 80)^2 + (85.24 – 80)^2
\]
\[
SSR = (-12.24)^2 + (-9.16)^2 + (-4.0)^2 + 2.16^2 + 5.24^2 = 149.8
\]
2. Beregning av SSE:
\[
SSE = SST – SSR = 250 – 149.8 = 100.2
\]
3. Beregning av R-kvadrat:
\[
R^2 = \frac{SSR}{SST} = \frac{149.8}{250} \ca. 0.6
\]
En R-kvadratverdi på 0.6 indikerer at denne modellen forklarer omtrent 60 % av variasjonen i dataene. Dette indikerer at regresjonslinjen passer dataene ganske godt.
4. t-test for signifikans av koeffisienten \(b \):
\[
t = \frac{b}{SE(b)}
\]
\[
SE(b) = √SSE/n-2 / √sum(X_i – √X)^2
\]
\[
SE(b) = \sqrt{\frac{100.2}{5-2}} / \sqrt{26}
\]
\[
SE(b) = √33.4 / √26 \ca. 1.13
\]
\[
t = ∫3.08/1.13 = ca. 2.73
\]
Med en t-statistikk på omtrent 2.73, hvis vi bruker en felles terskelverdi for signifikans (α = 0.05), sammenligner vi den med t-tabellen. For eksempel, for df = 3, er den kritiske t omtrent 2.353. Da er t-observert > t-kritisk, noe som indikerer at koeffisienten er signifikant.
Konklusjon
I denne artikkelen har vi dekket det grunnleggende om lineær regresjon, hvordan man beregner regresjonskoeffisienten og skjæringspunktet, og hvordan man tolker resultatene ved hjelp av eksempelproblemer. Hyppig øvelse med ulike datasett er viktig for å bli dyktig i å bruke denne metoden. Lineær regresjon er et verdifullt verktøy i dataanalyse og kan gi dyp innsikt i forholdet mellom variabler.
