پاورپوینت رگرسیون چندگانه

فرمت فایل: ppt

تعداد اسلاید: 77 اسلاید

قابلیت ویرایش: دارد

تصویری از خود فایل رو میتونید مشاهده کنید.

قسمتی از متن این پاورپوینت که به صورت تصادفی انتخاب شده:

                   در رگرسیون هدف آن است که با استفاده از معادله رگرسیون و به کمک يك نمونه تصادفي و بعضی روشهای آماری، رفتار متغیر وابسته را با آگاهی از مقادیر و مشخصات متغیرهای مستقل، پیش بینی کنیم.

رگرسیون چندگانه و واریانس

زمانی که یک متغیر وابسته از روي یک متغیر مستقل رگرسیون می شود، این مدل، رگرسیون خطی ساده نامیده می شود.

زمانی که تعداد متغیرهاي مستقل بیش از یک مورد گردد، رگرسیون خطی چندگانه نامیده می شود.

▪متغیـرها در تحلیل رگرسیون چندگانه

Gمتغیری که پیش بینی می شود:

این متغیر در رگرسیون با حرف بزرگ Ypred نشان داده می شود. این متغیر به عنوان متغیر ملاک معروف است ولی در تحلیل بیشتر به عنوان متغیر وابسته نامیده می شود.

Gمتغیرهایی که به عنوان پیش بین بکار می رود:

با حروف بزرگ  X نشان داده می شود و در تحلیل به متغیرهای پیش بین یا متغیرهای مستقل معروف هستند.

▪تشخیص هم خطی چندگانه

GVariance Inflation Factor (VIF) :

نشان می دهد که تا چقدر واریانس ضریب رگسیون، به دلیل مشکلات هم خطی چندگانه است. VIF نباید بالاتر از 5/0 باشد.

GTolerance:

یعنی اینکه مقدار یک متغیر مستقل، بوسیله دیگر متغیرها توضیح داده شود و علت آن باشد. اگر یک متغیر توسط دیگر متغیرها توضیح داده شود، هم خطی چندگانه وجود دارد. مقدار Tolerance نباید کمتر از 0/2 باشد.

▪ارتباط رگرسیون با همبستگی

Gاگر دو متغیر همبسته باشند، دانستن نمره یک متغیر اجازه پیش بینی متغیر دیگر را می دهد.

Gهر چه همبستگی بین این دو متغیر بیشتر باشد، نمرات به خط رگرسیون نزدیک تر می شود.

Gرگرسیون چندگانه گسترش این اصل است که می توان یک متغیر را بر اساس چندین متغیر دیگر پیش بینی کرد.

▪ارتباط رگرسیون با آنالیز واریانس

Gآنچه در آنالیز واریانس و رگرسیون چند متغیره انجام می شود، جستجو برای یافتن عوامل تأثیر گذار بر اساس واریانس نمرات مشاهده شده است.

در آنالیز واریانس، بطور مستقیم عوامل را دستکاری کرده و تغییرات حاصل در متغیر وابسته را اندازه گیری می کنیم

▪شرایط استفاده از رگرسیون چندگانه

Gبین متغیرهای وابسته و مستقل رابطه خطی وجود داشته باشد.

Gمتغیر وابسته باید بر اساس مقیاس پیوسته(فاصله ای یا نسبی) اندازه‌گیری  شده باشد و دارای توزیع نرمال باشد(Kolmogorov– Smirnov test  و Shapiro–Wilk test).

متغیر مستقل یا پیش بین، باید بر اساس مقیاس نسبی، فاصله ای و یا رتبه ای اندازه گیری شده باشد.

رگرسیون چندگانه و واریانس