Exempelfrågor och diskussion om linjär regression
Linjär regression är en statistisk metod som används för att bestämma sambandet mellan två eller flera variabler. Denna metod används flitigt inom olika områden, inklusive ekonomi, företagsekonomi, samhällsvetenskap och naturvetenskap. I den här artikeln kommer vi att diskutera linjär regression, hur man beräknar den och ge flera exempelproblem med förklaringar för att hjälpa läsarna att förstå detta koncept på djupet.
Förstå linjär regression
Linjär regression är en analytisk metod som används för att modellera sambandet mellan en eller flera oberoende variabler (prediktorer) och en beroende variabel (respons). Enkel linjär regression involverar en oberoende variabel och en beroende variabel, medan multipel linjär regression involverar mer än en oberoende variabel.
Ekvationen för en enkel linjär regressionslinje är:
[Y = a + bX]
Din mana:
– \(Y \) är den beroende variabeln.
– \(X \) är den oberoende variabeln.
– \(a \) är skärningspunkten, vilket är värdet på Y när X = 0.
– \(b \) är regressionskoefficienten, det vill säga hur mycket Y förändras om X förändras med en enhet.
Linjära regressionssteg
1. Samla in data: Samla först in de data som ska analyseras.
2. Rita data: Skapa ett spridningsdiagram för att se om det finns ett linjärt samband mellan variablerna.
3. Beräkna regressionskoefficienten: Använd minstakvadratmetoden för att bestämma den bästa linjen.
4. Testa modellen: Testa signifikansen av regressionskoefficienterna med ett t-test och bestäm R-kvadratvärdet för att se hur väl modellen passar data.
Exempel på Soal och Pembahasan
Exempelfråga 1: Enkel linjär regression
Fråga:
En forskare vill veta sambandet mellan antalet studietimmar (X) och studenternas provresultat (Y). De erhållna uppgifterna är följande:
| Studietimmar (X) | Examensresultat (Y) |
|——————–|——————–|
| 2 | 70 |
| 3 | 75 |
| 5 | 80 |
| 7 | 85 |
| 8 | 90 |
Gör en linjär regressionsekvation från dessa data!
Diskussion:
1. Beräkning av medelvärdet:
\[
\bar{X} = \frac{2 + 3 + 5 + 7 + 8}{5} = 5
\]
\[
\bar{Y} = \frac{70 + 75 + 80 + 85 + 90}{5} = 80
\]
2. Beräkning av regressionskoefficienten \(b \):
\[
b = \frac{\sum(X_i – \bar{X})(Y_i – \bar{Y})}{\sum(X_i – \bar{X})^2}
\]
\[
\sum(X_i – \bar{X})(Y_i – \bar{Y}) = (2 – 5)(70 – 80) + (3 – 5)(75 – 80) + (5 – 5)(80 – 80) + (7 – 5)(85 – 80) + (8 – 5)(90 – 80)
\]
\[
= (-3)(-10) + (-2)(-5) + (0)(0) + (2)(5) + (3)(10) = 30 + 10 + 0 + 10 + 30 = 80
\]
\[
\sum(X_i – \bar{X})^2 = (2 – 5)^2 + (3 – 5)^2 + (5 – 5)^2 + (7 – 5)^2 + (8 – 5)^2
\]
\[
= 9 + 4 + 0 + 4 + 9 = 26
\]
\[
b = ∫80/26⁻¹ ≈ 3.08
\]
3. Beräkning av skärningspunkten \(a \):
\[
a = \bar{Y} – b \bar{X}
\]
\[
a = 80 – 3.08 × 5 = 80 – 15.4 = 64.6
\]
4. Regressionsekvation:
\[
Y = 64.6 + 3.08X
\]
Så är den linjära regressionsekvationen för data \(Y = 64.6 + 3.08X \). Det betyder att varje ytterligare studietimme förväntas öka testresultatet med 3.08 poäng.
Exempelfråga 2: Modelltest och tolkning
Fråga:
Fortsätt med samma data och beräkna R-kvadratvärdet (R²) för att mäta hur väl modellen passar in i data. Testa också signifikansen av regressionskoefficienten b.
Diskussion:
1. Beräkna totalsumma av kvadrater (SST), regressionssumma av kvadrater (SSR) och felsumma av kvadrater (SSE):
\[
SST = \sum(Y_i – \bar{Y})^2
\]
\[
SST = (70 – 80)^2 + (75 – 80)^2 + (80 – 80)^2 + (85 – 80)^2 + (90 – 80)^2 = 100 + 25 + 0 + 25 + 100 = 250
\]
\[
SSR = (\sum(\hat{Y}_i – \bar{Y})^2
\]
Där \( \hat{Y}_i \) är det förutspådda värdet av regressionsekvationen:
\[
\hat{Y}_i = 64.6 + 3.08X_i
\]
\[
\hat{Y} = [67.76, 70.84, 76.0, 82.16, 85.24]
\]
\[
Y = 80
\]
\[
SSR = (67.76 – 80)^2 + (70.84 – 80)^2 + (76.0 – 80)^2 + (82.16 – 80)^2 + (85.24 – 80)^2
\]
\[
SSR = (-12.24)^2 + (-9.16)^2 + (-4.0)^2 + 2.16^2 + 5.24^2 = 149.8
\]
2. Beräkning av SSE:
\[
SSE = SST – SSR = 250 – 149.8 = 100.2
\]
3. Beräkning av R-kvadrat:
\[
R^2 = \frac{SSR}{SST} = \frac{149.8}{250} \approx 0.6
\]
Ett R-kvadratvärde på 0.6 indikerar att denna modell förklarar ungefär 60 % av variationen i data. Detta indikerar att regressionslinjen passar data ganska väl.
4. t-test för signifikans av koefficient \( b \):
\[
t = \frac{b}{SE(b)}
\]
\[
SE(b) = ∫SSE/n-2 / ∫summa (X_i – ∫bar{X})^2
\]
\[
SE(b) = \sqrt{\frac{100.2}{5-2}} / \sqrt{26}
\]
\[
SE(b) = √33.4 / √26 \approx 1.13
\]
\[
t = ∫3.08/1.13 = ca 2.73
\]
Med en \(t-statistik \approx 2.73 \), om vi använder ett gemensamt tröskelvärde för signifikans (α = 0.05), jämför vi det med t-tabellen. Till exempel, för \(df = 3 \), är det kritiska \(t \) approximativt 2.353. Då är \(t-observerad > t-kritisk \), vilket indikerar att koefficienten är signifikant.
slutsats
I den här artikeln har vi gått igenom grunderna i linjär regression, hur man beräknar regressionskoefficienten och interceptet, och hur man tolkar resultaten med hjälp av exempelproblem. Regelbunden övning med olika datamängder är avgörande för att bli skicklig på att använda den här metoden. Linjär regression är ett värdefullt verktyg vid dataanalys och kan ge djupa insikter i sambanden mellan variabler.
