Príklady otázok a diskusia o lineárnej regresii
Lineárna regresia je štatistická metóda používaná na určenie vzťahu medzi dvoma alebo viacerými premennými. Táto metóda sa široko používa v rôznych oblastiach vrátane ekonómie, obchodu, spoločenských a prírodných vied. V tomto článku sa budeme venovať lineárnej regresii, jej výpočtu a poskytneme niekoľko príkladov problémov s vysvetleniami, ktoré čitateľom pomôžu hlbšie pochopiť tento koncept.
Pochopenie lineárnej regresie
Lineárna regresia je analytická metóda používaná na modelovanie vzťahu medzi jednou alebo viacerými nezávislými premennými (prediktormi) a závislou premennou (reakciou). Jednoduchá lineárna regresia zahŕňa jednu nezávislú premennú a jednu závislú premennú, zatiaľ čo viacnásobná lineárna regresia zahŕňa viac ako jednu nezávislú premennú.
Rovnica jednoduchej lineárnej regresnej priamky je:
\[ Y = a + bX \]
Ruka:
– \( Y \) je závislá premenná.
– \( X \) je nezávislá premenná.
– \( a \) je priesečník s osou Y, čo je hodnota Y, keď X = 0.
– \( b \) je regresný koeficient, teda o koľko sa zmení Y, ak sa X zmení o jednu jednotku.
Kroky lineárnej regresie
1. Zber údajov: Najprv zhromaždite údaje, ktoré sa majú analyzovať.
2. Vykreslenie údajov: Vytvorte bodový graf, aby ste zistili, či medzi premennými existuje lineárny vzťah.
3. Vypočítajte regresný koeficient: Na určenie najlepšej priamky použite metódu najmenších štvorcov.
4. Testovanie modelu: Otestujte významnosť regresných koeficientov pomocou t-testu a určte hodnotu R-kvadrátu, aby ste zistili, ako dobre model zodpovedá údajom.
Vzorové otázky a diskusia
Príklad otázky 1: Jednoduchá lineárna regresia
Otázka:
Výskumník chce poznať vzťah medzi počtom študijných hodín (X) a výsledkami skúšok študentov (Y). Získané údaje sú nasledovné:
| Študijné hodiny (X) | Skóre skúšky (Y) |
|——————–|——————–|
| 2 | 70 |
| 3 | 75 |
| 5 | 80 |
| 7 | 85 |
| 8 | 90 |
Z týchto údajov vytvorte lineárnu regresnú rovnicu!
Diskusia:
1. Výpočet priemeru:
\[
\bar{X} = \frac{2 + 3 + 5 + 7 + 8}{5} = 5
\]
\[
\bar{Y} = \frac{70 + 75 + 80 + 85 + 90}{5} = 80
\]
2. Výpočet regresného koeficientu \( b \):
\[
b = \frac{\súčet (X_i – \bar{X})(Y_i – \bar{Y})}{\súčet (X_i – \bar{X})^2}
\]
\[
súčet (X_i – X)(Y_i – Y) = (2 – 5)(70 – 80) + (3 – 5)(75 – 80) + (5 – 5)(80 – 80) + (7 – 5)(85 – 80) + (8 – 5)(90 – 80)
\]
\[
= (-3)(-10) + (-2)(-5) + (0)(0) + (2)(5) + (3)(10) = 30 + 10 + 0 + 10 + 30 = 80
\]
\[
súčet (X_i – X)^2 = (2 – 5)^2 + (3 – 5)^2 + (5 – 5)^2 + (7 – 5)^2 + (8 – 5)^2
\]
\[
= 9 + 4 + 0 + 4 + 9 = 26
\]
\[
b = \frac{80}{26} \približne 3.08
\]
3. Výpočet priesečníka \( a \):
\[
a = \bar{Y} – b\bar{X}
\]
\[
a = 80 – 3.08 krát 5 = 80 – 15.4 = 64.6
\]
4. Regresná rovnica:
\[
Y = 64.6 + 3.08X
\]
Takže lineárna regresná rovnica pre dáta je \( Y = 64.6 + 3.08X \). To znamená, že každá ďalšia hodina štúdia by mala zvýšiť skóre testu o 3.08 bodu.
Príklad otázky 2: Modelový test a interpretácia
Otázka:
Pokračujte s rovnakými údajmi a vypočítajte hodnotu R-kvadrát (R²), aby ste zmerali, ako dobre model zodpovedá údajom. Taktiež otestujte významnosť regresného koeficientu (b).
Diskusia:
1. Vypočítajte celkový súčet štvorcov (SST), regresný súčet štvorcov (SSR) a súčet štvorcov chýb (SSE):
\[
SST = \sum (Y_i – \bar{Y})^2
\]
\[
SST = (70 – 80)^2 + (75 – 80)^2 + (80 – 80)^2 + (85 – 80)^2 + (90 – 80)^2 = 100 + 25 + 0 + 25 + 100 = 250
\]
\[
SSR = \sum (\hat{Y}_i – \bar{Y})^2
\]
Kde \( \hat{Y}_i \) je predpokladaná hodnota regresnej rovnice:
\[
\hat{Y}_i = 64.6 + 3.08X_i
\]
\[
\hat{Y} = [67.76, 70.84, 76.0, 82.16, 85.24]
\]
\[
\bar{Y} = 80
\]
\[
SSR = (67.76 – 80)^2 + (70.84 – 80)^2 + (76.0 – 80)^2 + (82.16 – 80)^2 + (85.24 – 80)^2
\]
\[
SSR = (-12.24)^2 + (-9.16)^2 + (-4.0)^2 + 2.16^2 + 5.24^2 = 149.8
\]
2. Výpočet SSE:
\[
SSE = SST – SSR = 250 – 149.8 = 100.2
\]
3. Výpočet R-kvadrátu:
\[
R^2 = \frac{SSR}{SST} = \frac{149.8}{250} \približne 0.6
\]
Hodnota R-kvadrátu 0.6 naznačuje, že tento model vysvetľuje približne 60 % variácie v údajoch. To naznačuje, že regresná priamka pomerne dobre zodpovedá údajom.
4. t-test pre významnosť koeficientu (b):
\[
t = \frac{b}{SE(b)}
\]
\[
SE(b) = \sqrt{\frac{SSE}{n-2}} / \sqrt{\suma (X_i – \bar{X})^2}
\]
\[
SE(b) = \sqrt{\frac{100.2}{5-2}} / \sqrt{26}
\]
\[
SE(b) = \sqrt{33.4} / \sqrt{26} \približne 1.13
\]
\[
t = \frac{3.08}{1.13} \približne 2.73
\]
Pri t-štatistike približne 2.73, ak použijeme spoločný prah významnosti (α = 0.05), porovnáme ho s t-tabuľkou. Napríklad pre df = 3 je kritická hodnota t približne 2.353. Potom (pozorovaná t > kritická hodnota t), čo naznačuje, že koeficient je významný.
Záver
V tomto článku sme sa venovali základom lineárnej regresie, výpočtu regresného koeficientu a priesečníka a interpretácii výsledkov pomocou príkladov. Častá prax s rôznymi súbormi údajov je nevyhnutná na zvládnutie tejto metódy. Lineárna regresia je cenným nástrojom v analýze údajov a môže poskytnúť hlboký pohľad na vzťahy medzi premennými.
