Regressionsanalys. - en fråga om balans. Kimmo Sorjonen Sektionen för Psykologi Karolinska Institutet
|
|
- Stina Gustafsson
- för 5 år sedan
- Visningar:
Transkript
1 Regressionsanalys - en fråga om balans Kimmo Sorjonen Sektionen för Psykologi Karolinska Institutet
2 Innehåll: 1. Enkel reg.analys 1.1. Data 1.2. Reg.linjen 1.3. Beta (β) 1.4. Signifikansprövning 1.5. Reg. toward mean 1.6. Reg. som ANOVA 1.7. Korr. & Förklarad var SPSS 1.9. Rekom. 2. Multipel reg.analys 2.1. Data 2.2. Formel 2.3. Kollinearitet 2.4. Reg. som ANOVA 2.5. SPSS 2.6. Individuella koeff Selektionsmetoder 2.8. Interaktion 2.9. Kurvlinjärt Dummy-variabler
3 1.1. Enkel regressionsanalys Data Värdet på en beroende variabel (kontinuerlig) prediceras utifrån värdet på en oberoende variabel. Person Terapi (X) Livsglädje (Y)
4 1.2. Enkel regressionsanalys Regressionslinjen 8 Livsglädje S e ( y yˆ) Terapi Terapi
5 1.2. Enkel regressionsanalys Regressionslinjen, Ekvation y = a + b x a =interceptet b =linjens lutning (= ökning i y när x ökar med ett)
6 1.2. Enkel regressionsanalys Regressionslinjen, Värdet på b b y x Följande formel ger en lutning på linjen som minimerar residualerna. b r xy s s y x x y Värdet på b påverkas av mätenheten. Längd (cm) Vikt (kg), b = 0,9; Längd (m) Vikt (kg), b =?
7 1.2. Enkel regressionsanalys Regressionslinjen, Värdet på a y = a + b x Alltså: a = y - b x Eftersom linjen alltid går genom punkten M x ; M y Så får vi att: a y b x
8 1.2. Enkel regressionsanalys Regressionslinjen, Exempelberäkning M x = 3,00 M y = 3,40 s x = 1,58 s y = 2,30 r xy = 0,89 2,30 b 0,89 1,30 1,58 a 3,40 1,303,00 0,50 yˆ 0,5 1, 30 x Vad innebär interceptet? Rimligt?
9 1.3. Enkel regressionsanalys Standardiserad b = β Om man standardiserar x- och y-variabeln och beräknar regressionslinjen så betecknas linjens lutning β (beta). β = hur många standardavvikelser värdet på y- variabeln ökar för en standardavvikelses ökning på x-variabeln Värdet på β påverkas inte av mätenhet. Därför indikerar den (till skillnad från b) prediktiv förmåga. Sx Vad blir interceptet? b x x S y
10 1.4. Enkel regressionsanalys Signifikansprövning av b Reg.linjen ger sällan perfekta prediktioner. Den genomsnittliga avvikelsen mellan observerade och predicerade värden är ett mått på hur pass bra (dåliga) prediktionerna är. Detta (ungefär) får man fram genom att beräkna standard error of estimate. Standard error of estimate kan i sin tur användas för att beräkna ett medelfel för regressionskoefficienten (= b): S Y X ( Y Yˆ) N 2 s b s 2 X s SS df Y X N residual 1 Kan värdet på b antas vara skilt från 0 i populationen? Detta kan testas (t-test) genom att sätta det observerade värdet på b i relation till den förväntade spridningen (s b = medelfel för regressionskoefficienten) : t b 0 s b
11 1.4. Enkel regressionsanalys Signifikansprövning av b I vårt exempel: SS residual = 4,30 S x = 1,58 S Y X SS df residual 4,30 3 1,20 s b s X s Y X N 1 1,20 1,58 4 0,38 t b s b 1,30 0,38 3,43. 05t krit.( df 3) 3,18
12 1.5. Enkel regressionsanalys Regressionseffekten b r xy s s y x Y y i1 y i2 y j2 y j1 x j x i X
13 1.5. Enkel regressionsanalys Regressionseffekten b r xy s s y x Y y i1 y i2 y j2 y j1 x j x i X
14 1.6. Enkel regressionsanalys Regressions- som variansanalys Livsglädje Total SS Regressions-SS Residual-SS Total Sum of Squares: SS Y ( Y Y ) Regressions-SS = SS som återstår när observerade värden ersätts med predicerade värden. SS ( Yˆ Y ) Y ˆ Residual-SS = SS som går förlorad när observerade värden ersätts med predicerade värden Terapi SS e SS Y ( Y Yˆ) SS Yˆ SS 2 e
15 1.6. Regressionssom variansanalys 2 ( Y Y ) Yˆ 0,50 1, 30 X 2 ( Y Yˆ) ( Yˆ Y Person Obs.X Obs.Y Var.Y Pred.Y Res.Y Reg 1 1,00 1,00 5,76 0,80 0,04 6,76 2 2,00 3,00 0,16 2,10 0,81 1,69 3 3,00 2,00 1,96 3,40 1,96 0,00 4 4,00 4,00 0,36 4,70 0,49 1,69 5 5,00 7,00 12,96 6,00 1,00 6,76 Σ 15,00 17,00 21,20 17,00 4,30 16,9 2 ) F Reg.var. Res.var Reg.df Res.df 16,90 /1 4,30 / 3 11,79 Reg.df = Antalet prediktorer (p). 05 Fkrit. ( df 1,3) 10,13 Res.df = N-p-1
16 1.7. Enkel regressionsanalys Korrelation & Förklarad varians Variabler Korr. SS(tot) SS(reg) För. var. F1 F31 0, ,316 0,960 0,001 F31 F9 0, ,221 65,039 0,144 F9 F26-0, ,384 15,749 0,014 F26 F8 0, ,356 2,794 0,005 F8 F18 0, ,044 11,069 0,014 F18 F17 0, , ,587 0,584 r 2 = förklarad varians
17 1.8. Enkel regressionsanalys SPSS-utskrift Korrelation mellan observerade och predicerade y-värden. R i kvadrat = Hur stor andel av variansen i y som kan förklaras av variansen i x. Samma sak kan fås fram genom att beräkna SS(reg) / SS(tot) (16,9 / 21,2 = 0,797)
18 1.9. Regressionsanalys Krav & Rekommendationer Krav: Variablerna skall vara på minst ordinal-nivå (egentligen intervall). Även dikotoma variabler funkar som prediktorer (men inte som BV). Krav: Man skall ha data från minst två personer fler än vad man har prediktorer. Krav: Observerade värden skall vara oberoende av varandra. Antagande: I populationen är: (1) Variansen i Y-variabeln samma för alla nivåer av X; (2) Y-värdena normalfördelade för alla nivåer av X. Rekommendation: N prediktorer; N prediktorer. Rekommendation: Outliers (kanske speciellt multivariata sådana) kan ha stor effekt på koefficienterna. Sådana borde detekteras (t.ex. dfbeta) och kanske strykas.
19 1.9. Regressionsanalys Krav & Rekommendationer
20 2.1. Multipel regression Data Värdet på en beroende variabel (kontinuerlig) prediceras utifrån värdet på flera oberoende variabler. Person Terapi Medicin Livsglädje
21 2.2. Multipel regression Formel ˆ Y b b X b X... b p X p b 0 = intercept (värdet på BV när alla prediktorer = 0) b 1,b 2 osv = koefficienter för variablerna X 1,X 2 osv (förändring i BV när prediktorn ökar med ett OCH de andra prediktorerna hålls konstanta. Värdena tas fram så att summan av de kvadrerade residualerna minimeras. S e ( y yˆ) 2
22 2.3. Multipel regression Kollinearitet Om en OV kan förklaras utifrån andra OV så sägs den ha kollinearitet. Denna OV bidrar inte mycket till förklaringen av BV och dess närvaro kan innebära problem för modellen (man riskerar t.ex. att dra slutsatsen att en OV inte har effekt på BV, trots att den har det). I SPSS kan man testa för kollinearitet genom att beräkna Tolerance och Variance Inflation Factor (VIF) Tolerance = Ett (1) minus förklarad varians (R 2 ) när värdena i en OV prediceras utifrån värdena i de andra OV. Bra om det är högt (tumregel: > 0,4; Max 1) Variance Inflation Factor (VIF) = 1 / Tolerance. Bra om det är lågt, min 1.
23 2.4. Regressionssom variansanalys ^Y = 0,90 + 1,06 x Ter 0,48 x Med 2 ( Y Y ) 2 ( Y Yˆ) ( Yˆ Y 2 ) Person Terapi Medici n Livsglä dje Var.y Pred.y Res.y Reg 1 1,00 3,00 1,00 5,76 0,51 0,24 8,34 2 2,00 1,00 3,00 0,16 2,53 0,22 0,75 3 3,00 1,00 2,00 1,96 3,59 2,53 0,04 4 4,00 2,00 4,00 0,36 4,17 0,03 0,59 5 5,00 0,00 7,00 12,96 6,19 0,65 7,79 Σ 15,00 7,00 17,00 21,20 17,00 3,67 17,53 F Reg.var. Res.var Reg.df Res.df 17,53/ 2 3,67 / 2 4,77 Reg.df = Antalet prediktorer (p). 05 Fkrit. ( df 2,2) 19,00 Res.df = N-p-1
24 2.5. Multipel regression SPSS-utskrift R i kvadrat justerat för antalet prediktorer och N (=förväntad genomsnittlig R n 1 för stickprov med den Adj(R ) 1 (1 R ) aktuella storleken dragna ur samma population). Formel: n p 1 Predicerar den aktuella modellen signifikant mer än noll procent av variansen i BV? Kan någon av koefficienterna antas vara skild från noll i populationen?
25 2.6. Beräkning av individuella koefficienter Tˆ 4,35 0, 96 Med Person Terapi Medicin Livsgläd je Lˆ 5,50 1, 50 Med Prediktor=Medicin Res(Ter api) Mˆ 2,90 0, 50Ter Res(Liv sg) Lˆ 0,50 1, 30Ter Prediktor=Terapi Res(Me dicin) Res(Liv sg) 1 1,00 3,00 1,00-0,46 0,00 0,60 0,20 2 2,00 1,00 3,00-1,38-1,00-0,90 0,90 3 3,00 1,00 2,00-0,38-2,00-0,40-1,40 4 4,00 2,00 4,00 1,58 1,50 1,10-0,70 5 5,00 0,00 7,00 0,65 1,50-0,40 1,00 Σ 15,00 7,00 17,00 0,00 0,00 0,00 0,00 Res(L) = 1,059 x Res(T) Res(L) = -0,481 x Res(M)
26 2.7. Multipel regression Selektionsmetoder Enter: Alla valda OV tas med i modellen. Alla OV behandlas som om de skulle vara sist i hierarkin. Hierarkisk: OV tas med i en viss (bestämd) ordning. Effekten av en OV beräknas medan OV på högre nivå kontrolleras. Forward: Programmet väljer ut OV som förklarar mest varians, adderar sedan nästa OV o.s.v. OV tas med i modellen tills den förklarade variansen inte längre ökar signifikant. Backward: Alla OV tas med i modellen och sedan elimineras (successivt) de OV som inte bidrar signifikant till förklarad varians. Stepwise: Kombination av forward och backward.
27 2.7. Multipel regression Selektionsmetoder, Hierarkisk I SPSS kan man göra en hierarkisk regressionsanalys och be programmet räkna fram R Square Change. Tas Medicin med i modellen så ökar den förklarade variansen från 79,7% till 82,7%, men den här ökningen är inte signifikant, F(1, 2) = 0.341, p =.618.
28 2.7. Multipel regression Selektionsmetoder, Stepwise
29 2.8. Multipel regression Interaktion = Effekten av en OV på BV är beroende av nivån på en annan OV. Om man testar för interaktion så utgår man oftast ifrån att effekten av en OV på BV är en linjär funktion av nivån på en (eller flera) annan OV, alltså: b 1 = c + d x 2 b 1 = effekten av x 1 på BV c = effekten av x 1 på BV när x 2 är noll d = förändring i effekten av x 1 på BV när x 2 ökar med ett steg Och grundformeln för regression (med två OV): y = b 0 + b 1 x 1 + b 2 x 2 Om vi ersätter b 1 med uttrycket ovan får vi: y = b 0 + (c + d x 2 ) x 1 + b 2 x 2 Efter lite algebra: y = b 0 + c x 1 + b 2 x 2 + d x 1 x 2 Interaktionen kan alltså testas genom att ta med produkten av de två variablerna som en prediktor i analysen.
30 2.8. Multipel regression Interaktion, Data Terapi Medicin Livsglädje T*M Zter Zmed Zt*Zm 1,00 0,00 2,00 0,00-0,65-1,17 0,76 1,00 0,00 1,00 0,00-0,65-1,17 0,76 3,00 0,00 4,00 0,00 0,55-1,17-0,64 4,00 0,00 7,00 0,00 1,14-1,17-1,34 1,00 1,00 4,00 1,00-0,65 0,00 0,00 0,00 1,00 3,00 0,00-1,24 0,00 0,00 2,00 1,00 3,00 2,00-0,05 0,00 0,00 3,00 1,00 4,00 3,00 0,55 0,00 0,00 0,00 2,00 6,00 0,00-1,24 1,17-1,46 1,00 2,00 6,00 2,00-0,65 1,17-0,76 5,00 2,00 2,00 10,00 1,74 1,17 2,04 4,00 2,00 1,00 8,00 1,14 1,17 1,34
31 2.8. Multipel regression Interaktion, SPSS 1 OBS: Har man med en interaktionsterm i analysen så skall p- värdet för huvudeffekterna tolkas med stor försiktighet
32 2.8. Multipel regression Interaktion, Korrelation
33 2.8. Multipel regression Interaktion, SPSS 2 Glädje = 3,70 + 0,52 * Zter + 0,41 * Zmed 1,94 * Zter * Zmed Effekt av Zter: 0,52 1,94 * Zmed (Zmed < 0,27: Postiv effekt, annars negativ) Effekt av Zmed: 0,41 1,94 * Zter (Zter < 0,21: Positiv effekt, annars negativ) När terapi ökar med en SD så minskar effekten av medicin på livsglädje med 1,94. När medicin ökar med en SD så minskar effekten av terapi på livsglädje med 1,94.
34 2.8. Multipel regression Interaktion, SPSS 3 Har man med en interaktionsterm som en prediktor så står koefficienterna för de enkla prediktorerna för effekten av prediktorn när den andra prediktorn är lika med noll. I det aktuella fallet: När Zmed = 0 så associeras en ökning i Zter med 1 med en ökning i Livsglädje med 0,521.. När Zter = 0 så associeras en ökning i Zmed med 1 med en ökning i Livsglädje med 0,410.
35 2.9. Multipel regression Kurvlinjärt, Formel Yˆ b 0 b 1 X 1 b 2 X 2 1
36 2.9. Multipel regression Kurvlinjärt, Data Terapi Medicin Livsglädje Med**2 Zmed Zmed**2 1,00 0,00 2,00 0,00-1,17 1,38 1,00 0,00 1,00 0,00-1,17 1,38 3,00 0,00 4,00 0,00-1,17 1,38 4,00 0,00 3,00 0,00-1,17 1,38 1,00 1,00 5,00 1,00 0,00 0,00 0,00 1,00 6,00 1,00 0,00 0,00 2,00 1,00 6,00 1,00 0,00 0,00 3,00 1,00 7,00 1,00 0,00 0,00 0,00 2,00 3,00 4,00 1,17 1,38 1,00 2,00 3,00 4,00 1,17 1,38 5,00 2,00 2,00 4,00 1,17 1,38 4,00 2,00 3,00 4,00 1,17 1,38
37 2.9. Multipel regression Kurvlinjärt, SPSS 1
38 2.9. Multipel regression Kurvlinjärt, Korrelationer
39 2.9. Multipel regression Kurvlinjärt, SPSS 2 OBS: Har man med en exponentiell term som prediktor bör alla termer av lägre grad också vara med. Livsglädje = 6,00 + 0,11 Zmed 2,46 Zmed 2 Livsglädjen är som störst vid Zmed = 0,02 vilket motsvarar Medicin = 1,02 Vad anger interceptet?
40 2.9. Multipel regression Kurvlinjärt, Sambandets form
41 2.10. Multipel regression Kategorivariabler (Dummy-variabler) Behand. Terapi Medicin Livsglädje Beh.B Beh.C A A A A B B B B C C C C
42 2.10. Multipel regression Kategorivariabler, SPSS Om man får behandlig B så förväntas livsglädjen vara 2,31 poäng högre jämfört med om man får behandlig A (kontrollerat för effekten av mängden terapi och medicin ). Om man får behandlig C så förväntas livsglädjen vara 2,03 poäng lägre jämfört med om man får behandlig A (kontrollerat för effekten av mängden terapi och medicin ).
43 Sammanfattning: 1. Enkel reg.analys 1.1. Data 1.2. Reg.linjen 1.3. Beta (β) 1.4. Signifikansprövning 1.5. Reg. toward mean 1.6. Reg. som ANOVA 1.7. Korr. & Förklarad var SPSS 1.9. Rekom. 2. Multipel reg.analys 2.1. Data 2.2. Formel 2.3. Kollinearitet 2.4. Reg. som ANOVA 2.5. SPSS 2.6. Individuella koeff Selektionsmetoder 2.8. Interaktion 2.9. Kurvlinjärt Dummy-variabler
Regressionsanalys Enkel regressionsanalys Regressionslinjen
--9 Regreionanaly - en fråga om balan Kimmo Sorjonen Sektionen för Pykologi Karolinka Intitutet. Enkel reg.analy.. Data.. Reg.linjen.. Beta (β).. Signifikan.. Reg. om Var..6. Korr. & Förklarad var..7.
Läs merRegressionsanalys Enkel regressionsanalys Regressionslinjen
-9-6 Regreionanaly - om en mak åt en hungrande Kimmo Sorjonen Sektionen för Pykologi Karolinka Intitutet. Enkel reg.analy.. Data.. Reg.linjen.. Beta (β).. Signifikan.. Reg. om Var..6. Korr. & Förklarad
Läs merInstuderingsfrågor till avsnittet om statistik, kursen Statistik och Metod, Psykologprogrammet på KI, T8
1 Instuderingsfrågor till avsnittet om statistik, kursen Statistik och Metod, Psykologprogrammet på KI, T8 Dessa instuderingsfrågor är främst tänkta att stämma överens med innehållet i föreläsningarna,
Läs merRegressionsanalys med SPSS Kimmo Sorjonen (2010)
1 Regressionsanalys med SPSS Kimmo Sorjonen (2010) 1. Multipel regression 1.1. Variabler I det aktuella exemplet ingår följande variabler: (1) life.sat, anger i vilket utsträckning man är nöjd med livet;
Läs merLinjär regressionsanalys. Wieland Wermke
+ Linjär regressionsanalys Wieland Wermke + Regressionsanalys n Analys av samband mellan variabler (x,y) n Ökad kunskap om x (oberoende variabel) leder till ökad kunskap om y (beroende variabel) n Utifrån
Läs merKorrelation kausalitet. ˆ Y =bx +a KAPITEL 6: LINEAR REGRESSION: PREDICTION
KAPITEL 6: LINEAR REGRESSION: PREDICTION Prediktion att estimera "poäng" på en variabel (Y), kriteriet, på basis av kunskap om "poäng" på en annan variabel (X), prediktorn. Prediktion heter med ett annat
Läs merMultipel Regressionsmodellen
Multipel Regressionsmodellen Koefficienterna i multipel regression skattas från ett stickprov enligt: Multipel Regressionsmodell med k förklarande variabler: Skattad (predicerad) Värde på y y ˆ = b + b
Läs merAnvändning. Fixed & Random. Centrering. Multilevel Modeling (MLM) Var sak på sin nivå
Användning Multilevel Modeling (MLM) Var sak på sin nivå Kimmo Sorjonen Sektionen för Psykologi Karolinska Institutet Kärt barn har många namn: (1) Random coefficient models; () Mixed effect models; (3)
Läs merMultipel linjär regression. Geometrisk tolkning. Tolkning av β k MSG Staffan Nilsson, Chalmers 1
Multipel linjär regression l: Y= β 0 + β X + β 2 X 2 + + β p X p + ε Välj β 0,β,β 2,, β p så att de minimerar summan av residualkvadraterna (Y i -β 0 -β X i - -β p X pi ) 2 Geometrisk tolkning Med Y=β
Läs merAnvändning. Fixed & Random. Centrering. Multilevel Modeling (MLM) Var sak på sin nivå
Användning Multilevel Modeling (MLM) Var sak på sin nivå Kimmo Sorjonen Sektionen för Psykologi Karolinska Institutet Kärt barn har många namn: (1) Random coefficient models; (2) Mixed effect models; (3)
Läs merANOVA Faktoriell (tvåvägs)
ANOVA Faktoriell (tvåvägs) Faktoriell ANOVA (tvåvägs) Två oberoende variabel ( tvåvägs ): Nominalskala eller ordinalskala. Delar in det man undersöker (personerna?) i grupper/kategorier, dvs. betingelser.
Läs merI. Grundläggande begrepp II. Deskriptiv statistik III. Statistisk inferens Parametriska Icke-parametriska
Innehåll I. Grundläggande begrepp II. Deskriptiv statistik III. Statistisk inferens Hypotesprövnig Statistiska analyser Parametriska analyser Icke-parametriska analyser Univariata analyser Univariata analyser
Läs merFöreläsning 8. NDAB02 Statistik; teori och tillämpning i biologi
Föreläsning 8 Statistik; teori och tillämpning i biologi 1 Dagens föreläsning o Enkel linjär regression (kap 17.1 17.5) o Skatta regressionslinje (kap 17.2) o Signifikant lutning? (kap 17.3, 17.5a) o Förklaringsgrad
Läs merStatistik B Regressions- och tidsserieanalys Föreläsning 1
Statistik B Regressions- och tidsserieanalys Föreläsning Kurskod: 732G7, 8 hp Lärare och examinator: Ann-Charlotte (Lotta) Hallberg Lärare och lektionsledare: Isak Hietala Labassistenter Kap 3,-3,6. Läs
Läs merGrundläggande matematisk statistik
Grundläggande matematisk statistik Linjär Regression Uwe Menzel, 2018 uwe.menzel@slu.se; uwe.menzel@matstat.de www.matstat.de Linjär Regression y i y 5 y 3 mätvärden x i, y i y 1 x 1 x 2 x 3 x 4 x 6 x
Läs merF18 MULTIPEL LINJÄR REGRESSION, FORTS. (NCT
Stat. teori gk, ht 006, JW F18 MULTIPEL LINJÄR REGRESSION, FORTS. (NCT 1.1, 13.1-13.6, 13.8-13.9) Modell för multipel linjär regression Modellantaganden: 1) x-värdena är fixa. ) Varje y i (i = 1,, n) är
Läs merInstruktioner till Inlämningsuppgiften i Statistik Kursen Statistik och Metod Psykologprogrammet (T8), Karolinska Institutet
1 Instruktioner till Inlämningsuppgiften i Statistik Kursen Statistik och Metod Psykologprogrammet (T8), Karolinska Institutet För att bli godkänd på inlämningsuppgiften krävs att man utför uppgiften om
Läs mer732G71 Statistik B. Föreläsning 4. Bertil Wegmann. November 11, IDA, Linköpings universitet
732G71 Statistik B Föreläsning 4 Bertil Wegmann IDA, Linköpings universitet November 11, 2016 Bertil Wegmann (IDA, LiU) 732G71, Statistik B November 11, 2016 1 / 34 Kap. 5.1, korrelationsmatris En korrelationsmatris
Läs merRegressions- och Tidsserieanalys - F4
Regressions- och Tidsserieanalys - F4 Modellbygge och residualanalys. Kap 5.1-5.4 (t.o.m. halva s 257), ej C-statistic s 23. Linda Wänström Linköpings universitet Wänström (Linköpings universitet) F4 1
Läs merHöftledsdysplasi hos dansk-svensk gårdshund
Höftledsdysplasi hos dansk-svensk gårdshund Sjö A Sjö B Förekomst av parasitdrabbad öring i olika sjöar Sjö C Jämföra medelvärden hos kopplade stickprov Tio elitlöpare springer samma sträcka i en för dem
Läs mer1/31 REGRESSIONSANALYS. Statistiska institutionen, Stockholms universitet
1/31 REGRESSIONSANALYS F1 Linda Wänström Statistiska institutionen, Stockholms universitet 2/31 Kap 4: Introduktion till regressionsanalys. Introduktion Regressionsanalys är en statistisk teknik för att
Läs mer1/23 REGRESSIONSANALYS. Statistiska institutionen, Stockholms universitet
1/23 REGRESSIONSANALYS F4 Linda Wänström Statistiska institutionen, Stockholms universitet 2/23 Multipel regressionsanalys Multipel regressionsanalys kan ses som en utvidgning av enkel linjär regressionsanalys.
Läs merLinjär Regressionsanalys. Centrum för allmänmedicin Henrik Källberg
Linjär Regressionsanalys Centrum för allmänmedicin Henrik Källberg Henrik.kallberg@ki.se www.henrikkallberg.com/undervisning Linear regression(dag 1) Upplägg Dag 1 Kort repetition - Deskriptiv statistik
Läs merFöreläsning 9. NDAB01 Statistik; teori och tillämpning i biologi
Föreläsning 9 Statistik; teori och tillämpning i biologi 1 (kap. 20) Introduktion I föregående föreläsning diskuterades enkel linjär regression, där en oberoende variabel X förklarar variationen hos en
Läs mer10.1 Enkel linjär regression
Exempel: Hur mycket dragkraft behövs för att en halvledare skall lossna från sin sockel vid olika längder på halvledarens ben. De halvledare vi betraktar är av samma storlek (bortsett benlängden). 70 Scatterplot
Läs mer2. Lära sig skatta en multipel linjär regressionsmodell samt plotta variablerna. 4. Lära sig skatta en linjär regressionsmodell med interaktionstermer
Datorövning 2 Regressions- och tidsserieanalys Syfte 1. Lära sig skapa en korrelationsmatris 2. Lära sig skatta en multipel linjär regressionsmodell samt plotta variablerna mot varandra 3. Lära sig beräkna
Läs merResidualanalys. Finansiell statistik, vt-05. Normalfördelade? Normalfördelade? För modellen
Residualanalys För modellen Johan Koskinen, Statistiska institutionen, Stockholms universitet Finansiell statistik, vt-5 F7 regressionsanalys antog vi att ε, ε,..., ε är oberoende likafördelade N(,σ Då
Läs merInstruktioner till Inlämningsuppgiften i Statistik Kursen Statistik och Metod Psykologprogrammet (T8), Karolinska Institutet
1 Instruktioner till Inlämningsuppgiften i Statistik Kursen Statistik och Metod Psykologprogrammet (T8), Karolinska Institutet Uppdaterad: 130114 För att bli godkänd på inlämningsuppgiften krävs att man
Läs merSkrivning i ekonometri torsdagen den 8 februari 2007
LUNDS UNIVERSITET STATISTISKA INSTITUTIONEN MATS HAGNELL STA2:3 Skrivning i ekonometri torsdagen den 8 februari 27. Vi vill undersöka hur variationen i lön för 2 belgiska löntagare = WAGE (timlön i euro)
Läs mer732G71 Statistik B. Föreläsning 1, kap Bertil Wegmann. IDA, Linköpings universitet. Bertil Wegmann (IDA, LiU) 732G71, Statistik B 1 / 20
732G71 Statistik B Föreläsning 1, kap. 3.1-3.7 Bertil Wegmann IDA, Linköpings universitet Bertil Wegmann (IDA, LiU) 732G71, Statistik B 1 / 20 Exempel, enkel linjär regressionsanalys Ett företag vill veta
Läs merSänkningen av parasitnivåerna i blodet
4.1 Oberoende (x-axeln) Kön Kön Längd Ålder Dos Dos C max Parasitnivå i blodet Beroende (y-axeln) Längd Vikt Vikt Vikt C max Sänkningen av parasitnivåerna i blodet Sänkningen av parasitnivåerna i blodet
Läs merRegressions- och Tidsserieanalys - F1
Regressions- och Tidsserieanalys - F1 Kap 3: Enkel linjär regression Linda Wänström Linköpings universitet November 4, 2013 Wänström (Linköpings universitet) F1 November 4, 2013 1 / 25 Statistik B, 8 hp
Läs merMultipel regression och Partiella korrelationer
Multipel regression och Partiella korrelationer Joakim Westerlund Kom ihåg bakomliggande variabelproblemet: Temperatur Jackförsäljning Oljeförbrukning Bakomliggande variabelproblemet kan, som tidigare
Läs merUppgift 1. Deskripitiv statistik. Lön
Uppgift 1 Deskripitiv statistik Lön Variabeln Lön är en kvotvariabel, även om vi knappast kommer att uppleva några negativa värden. Det är sannolikt vår intressantaste variabel i undersökningen, och mot
Läs merF11. Kvantitativa prognostekniker
F11 Kvantitativa prognostekniker samt repetition av kursen Kvantitativa prognostekniker Vi har gjort flera prognoser under kursen Prognoser baseras på antagandet att historien upprepar sig Trenden följer
Läs merFöreläsning G60 Statistiska metoder
Föreläsning 3 Statistiska metoder 1 Dagens föreläsning o Samband mellan två kvantitativa variabler Matematiska samband Statistiska samband o Korrelation Svaga och starka samband När beräkna korrelation?
Läs merRegressions- och Tidsserieanalys - F1
Regressions- och Tidsserieanalys - F1 Kap 3: Enkel linjär regression Linda Wänström Linköpings universitet May 4, 2015 Wänström (Linköpings universitet) F1 May 4, 2015 1 / 25 Regressions- och tidsserieanalys,
Läs merInstruktioner till Inlämningsuppgiften i Statistik Kursen Statistik och Metod Psykologprogrammet (T8), Karolinska Institutet
1 Instruktioner till Inlämningsuppgiften i Statistik Kursen Statistik och Metod Psykologprogrammet (T8), Karolinska Institutet Uppdaterad: 120113 För att bli godkänd på inlämningsuppgiften krävs att man
Läs merPrediktera. Statistik för modellval och prediktion. Trend? - Syrehalt beroende på kovariater. Sambands- och trendanalys
Statistik för modellval och prediktion att beskriva, förklara och förutsäga Georg Lindgren Prediktera Matematisk statistik, Lunds universitet stik för modellval och prediktion p.1/28 Statistik för modellval
Läs merT-test, Korrelation och Konfidensintervall med SPSS Kimmo Sorjonen
T-test, Korrelation och Konfidensintervall med SPSS Kimmo Sorjonen 1. One-Sample T-Test 1.1 När? Denna analys kan utföras om man vill ta reda på om en populations medelvärde på en viss variabel kan antas
Läs merSambandsmått. Centralmått. Det mest frekventa värdet. Det mittersta värdet i en rangordnad fördelning. Aritmetiska medelvärdet.
PM315 HT016 Emma äck Formelsamling Centralmått Typvärde T Median Md ritmetiska medelvärdet Det mest frekventa värdet Det mittersta värdet i en rangordnad fördelning = n Spridningsmått Variationsvidd (Range)
Läs merForskningsmetod II Korrelation och regression
Forskningsmetod II Korrelation och regression Idag: Bivariat korrelation (Pearsons r) Enkel regression Multipel korrelation Multipel regression Leo Poom 018-471 17 leo.poom@psyk.uu.se Samband: Mest frekvent
Läs merInStat Exempel 4 Korrelation och Regression
InStat Exempel 4 Korrelation och Regression Vi ska analysera ett datamaterial som innehåller information om kön, längd och vikt för 2000 personer. Materialet är jämnt fördelat mellan könen (1000 män och
Läs merSpridningsdiagram (scatterplot) Fler exempel. Korrelation (forts.) Korrelation. Enkel linjär regression. Enkel linjär regression (forts.
Spridningsdiagram (scatterplot) En scatterplot som visar par av observationer: reklamkostnader på -aeln and försäljning på -aeln ScatterplotofAdvertising Ependitures ()andsales () 4 Fler eempel Notera:
Läs merRisk Ratio, Odds Ratio, Logistisk Regression och Survival Analys med SPSS Kimmo Sorjonen, 2012
Risk Ratio, Odds Ratio, Logistisk Regression och Survival Analys med SPSS Kimmo Sorjonen, 2012 1. Risk Ratio & Odds Ratio Risk- och odds ratio beräknar sambandet mellan två dikotoma variabler. Inom forskning
Läs merSamhällsvetenskaplig metod, 7,5 hp
Samhällsvetenskaplig metod, 7,5 hp Provmoment: Individuell skriftlig tentamen kvantitativ metod, 2,0 hp Ladokkod: 11OA63 Tentamen ges för: OPUS kull H13 termin 6 TentamensKod: Tentamensdatum: Fredag 24
Läs merMetod och teori. Statistik för naturvetare Umeå universitet
Statistik för naturvetare -6-8 Metod och teori Uppgift Uppgiften är att undersöka hur hjärtfrekvensen hos en person påverkas av dennes kroppstemperatur. Detta görs genom enkel linjär regression. Låt signifikansnivån
Läs mer1. Lära sig plotta en beroende variabel mot en oberoende variabel. 2. Lära sig skatta en enkel linjär regressionsmodell
Datorövning 1 Regressions- och tidsserieanalys Syfte 1. Lära sig plotta en beroende variabel mot en oberoende variabel 2. Lära sig skatta en enkel linjär regressionsmodell 3. Lära sig beräkna en skattning
Läs merSkrivning i ekonometri lördagen den 29 mars 2008
LUNDS UNIVERSITET STATISTISKA INSTITUTIONEN MATS HAGNELL STAB, Ekonometri Skrivning i ekonometri lördagen den 9 mars 8.Vi vill undersöka hur variationen i antal arbetande timmar för gifta kvinnor i Michigan
Läs merRegressions- och Tidsserieanalys - F3
Regressions- och Tidsserieanalys - F3 Multipel regressionsanalys kap 4.8-4.10 Linda Wänström Linköpings universitet November 6, 2013 Wänström (Linköpings universitet) F3 November 6, 2013 1 / 22 Interaktion
Läs merF16 MULTIPEL LINJÄR REGRESSION (NCT , 13.9) Anpassning av linjär funktion till givna data
Stat. teori gk, ht 006, JW F16 MULTIPEL LINJÄR REGRESSION (NCT 13.1-13.3, 13.9) Anpassning av linjär funktion till givna data Data med en beroende variabel (y) och K stycken (potentiellt) förklarande variabler
Läs merSTOCKHOLMS UNIVERSITET HT 2008 Statistiska institutionen Linda Wänström. Omtentamen i Regressionsanalys
STOCKHOLMS UNIVERSITET HT 2008 Statistiska institutionen Linda Wänström Omtentamen i Regressionsanalys 2009-01-08 Skrivtid: 9.00-14.00 Godkända hjälpmedel: Miniräknare utan lagrade formler. Tentamen består
Läs merIdentifikationsnummer:... Tentamen: Statistik & Metod (2PS020), Psykologprogrammet, Termin 8 Datum:
Identifikationsnummer:... Tentamen: Statistik & Metod (2PS020), Psykologprogrammet, Termin 8 Datum: 120203 Ovanstående nummer är ditt identifikationsnummer! Skriv in detta nummer på varje blad i tentan
Läs merKapitel 4: SAMBANDET MELLAN VARIABLER: REGRESSIONSLINJEN
Kapitel 4: SAMBANDET MELLAN VARIABLER: REGRESSIONSLINJEN Spridningsdiagrammen nedan representerar samma korrelationskoefficient, r = 0,8. 80 80 60 60 40 40 20 20 0 0 20 40 0 0 20 40 Det finns dock två
Läs merFöreläsning 2. Kap 3,7-3,8 4,1-4,6 5,2 5,3
Föreläsning Kap 3,7-3,8 4,1-4,6 5, 5,3 1 Kap 3,7 och 3,8 Hur bra är modellen som vi har anpassat? Vi bedömer modellen med hjälp av ett antal kriterier: visuell bedömning, om möjligt F-test, signifikanstest
Läs merBild 1. Bild 2 Sammanfattning Statistik I. Bild 3 Hypotesprövning. Medicinsk statistik II
Bild 1 Medicinsk statistik II Läkarprogrammet T5 HT 2014 Anna Jöud Arbets- och miljömedicin, Lunds universitet ERC Syd, Skånes Universitetssjukhus anna.joud@med.lu.se Bild 2 Sammanfattning Statistik I
Läs merDel A: Schema för ifyllande av svar nns på sista sidan
Del A: Schema för ifyllande av svar nns på sista sidan 1 1 Nedladdningstiden (i sekunder) för en bestämd l registrerades 16 gånger vid var och en av tre olika tidpunkter på dygnet. ANOVA-analys av dessa
Läs merSkrivning i ekonometri lördagen den 25 augusti 2007
LUNDS UNIVERSITET STATISTISKA INSTITUTIONEN MATS HAGNELL STA10:3 Skrivning i ekonometri lördagen den 5 augusti 007 1. Vi vill undersöka hur variationen i ölförsäljningen i ett bryggeri i en stad i USA
Läs merTentamen för kursen. Linjära statistiska modeller. 17 februari
STOCKHOLMS UNIVERSITET MATEMATISK STATISTIK Tentamen för kursen Linjära statistiska modeller 17 februari 2010 9 14 Examinator: Anders Björkström, tel. 16 45 54, bjorks@math.su.se Återlämning: Rum 312,
Läs merTENTAMEN I REGRESSIONSANALYS OCH TIDSSERIEANALYS
STOCKHOLMS UNIVERSITET Statistiska institutionen Marcus Berg VT2014 TENTAMEN I REGRESSIONSANALYS OCH TIDSSERIEANALYS Fredag 23 maj 2014 kl. 12-17 Skrivtid: 5 timmar Godkända hjälpmedel: Kalkylator utan
Läs merF7 Polynomregression och Dummyvariabler
F7 Polnomregression och Dummvariabler Antag att man börjar med enkel linjär regression. Kap Polnomregression Emellanåt upptäcker man samband som är kvadratiska, kubiska osv. Allmänt: polnom av k:te ordningen
Läs merTentamen för kursen. Linjära statistiska modeller. 22 augusti
STOCKHOLMS UNIVERSITET MATEMATISK STATISTIK Tentamen för kursen Linjära statistiska modeller 22 augusti 2008 9 14 Examinator: Anders Björkström, tel. 16 45 54, bjorks@math.su.se Återlämning: Rum 312, hus
Läs merFinansiell Statistik (GN, 7,5 hp,, HT 2008) Föreläsning 7. Multipel regression. (LLL Kap 15) Multipel Regressionsmodellen
Finansiell Statistik (GN, 7,5 hp,, HT 8) Föreläsning 7 Multipel regression (LLL Kap 5) Department of Statistics (Gebrenegus Ghilagaber, PhD, Associate Professor) Financial Statistics (Basic-level course,
Läs mera) Bedöm om villkoren för enkel linjär regression tycks vara uppfyllda! b) Pröva om regressionkoefficienten kan anses vara 1!
LUNDS UNIVERSITET STATISTISKA INSTITUTIONEN MATS HAGNELL STA1:3 Skrivning i ekonometri tisdagen den 1 juni 4 1. Vi vill undersöka hur variationen i brottsligheten i USA:s delstater år 196 = R (i antal
Läs merFACIT!!! (bara facit,
STOCKHOLMS UNIVERSITET Psykologiska institutionen Psykologi III, VT 2012. Fristående kurs FACIT!!! (bara facit, inga tolkningar) Skrivning i Psykologi III metod, fristående kurs: Metod och Statistik avsnitt
Läs merMVE051/MSG Föreläsning 14
MVE051/MSG810 2016 Föreläsning 14 Petter Mostad Chalmers December 14, 2016 Beroende och oberoende variabler Hittills i kursen har vi tittat på modeller där alla observationer representeras av stokastiska
Läs merOBS! Vi har nya rutiner.
KOD: Kurskod: PM2315 Kursnamn: Psykologprogrammet, kurs 15, Metoder för psykologisk forskning (15 hp) Ansvarig lärare: Jan Johansson Hanse Tentamensdatum: 14 januari 2012 Tillåtna hjälpmedel: miniräknare
Läs merKapitel 12: TEST GÄLLANDE EN GRUPP KOEFFICIENTER - ANOVA
Kapitel 12: TEST GÄLLANDE EN GRUPP KOEFFICIENTER - ANOVA 12.1 ANOVA I EN MULTIPEL REGRESSION Exempel: Tjänar man mer som egenföretagare? Nedan visas ett utdrag ur ett dataset som innehåller information
Läs merInnehåll: 3.4 Parametriskt eller ej 3.5 Life Table 3.6 Kaplan Meier 4. Cox Regression 4.1 Hazard Function 4.2 Estimering (PL)
Innehåll: 1. Risk & Odds 1.1 Risk Ratio 1.2 Odds Ratio 2. Logistisk Regression 2.1 Ln Odds 2.2 SPSS Output 2.3 Estimering (ML) 2.4 Multipel 3. Survival Analys 3.1 vs. Logistisk 3.2 Censurerade data 3.3
Läs merExaminationsuppgifter del 2
UMEÅ UNIVERSITET Institutionen för Matematik och Matematisk statistisk Statistik för ingenjörer, poäng, Anders Lundquist 7-- Examinationsuppgifter del Redovisas muntligt den / (Ö-vik) samt / (Lycksele).
Läs merRegressions- och Tidsserieanalys - F3
Regressions- och Tidsserieanalys - F3 Multipel regressionsanalys kap 4.8-4.10 Linda Wänström Linköpings universitet 7 maj Wänström (Linköpings universitet) F3 7 maj 1 / 26 Lite som vi inte hann med när
Läs merFöreläsning 9. NDAB02 Statistik; teori och tillämpning i biologi
Föreläsning 9 Statistik; teori och tillämpning i biologi 1 (kap. 20) Introduktion I föregående föreläsning diskuterades enkel linjär regression, där en oberoende variabel X förklarar variationen hos en
Läs merKapitel 15: INTERAKTIONER, STANDARDISERADE SKALOR OCH ICKE-LINJÄRA EFFEKTER
Kapitel 15: INTERAKTIONER, STANDARDISERADE SKALOR OCH ICKE-LINJÄRA EFFEKTER När vi mäter en effekt i data så vill vi ofta se om denna skiljer sig mellan olika delgrupper. Vi kanske testar effekten av ett
Läs merSkrivning i ekonometri lördagen den 15 januari 2005
LUNDS UNIVERSITET STATISTISKA INSTITUTIONEN MATS HAGNELL STA102:3 Skrivning i ekonometri lördagen den 15 januari 5 1. Vi vill undersöka hur variationen i försäljningspris = price för hus i en liten stad
Läs merInstruktioner till Inlämningsuppgift 1 och Datorövning 1
STOCKHOLMS UNIVERSITET HT 2005 Statistiska institutionen 2005-10-14 MC Instruktioner till Inlämningsuppgift 1 och Datorövning 1 Kurs i Ekonometri, 5 poäng. Uppgiften ingår i examinationen för kursen och
Läs merEn rät linje ett enkelt samband. En rät linje + slumpbrus. Observationspar (X i,y i ) MSG Staffan Nilsson, Chalmers 1.
En rät linje ett enkelt samband Y β 1 Lutning (slope) β 0 Skärning (intercept) 1 Y= β 0 + β 1 X X En rät linje + slumpbrus Y Y= β 0 + β 1 X + brus brus ~ N(0,σ) X Observationspar (X i,y i ) Y Ökar/minskar
Läs merEn scatterplot gjordes, och linjär regression utfördes därefter med följande hypoteser:
1 Uppgiftsbeskrivning Syftet med denna laboration var att utifrån uppmätt data avgöra: (i) Om något samband finnes mellan kroppstemperatur och hjärtfrekvens. (ii) Om någon signifikant skillnad i sockerhalt
Läs merFöreläsning 12: Regression
Föreläsning 12: Regression Matematisk statistik David Bolin Chalmers University of Technology Maj 15, 2014 Binomialfördelningen Låt X Bin(n, p). Vi observerar x och vill ha information om p. p = x/n är
Läs merSAMBANDS- MODELLER, 15HP. Lärare: Ann-Charlotte Hallberg Tommy Schyman
1 SAMBANDS- MODELLER, 15HP Lärare: Ann-Charlotte Hallberg Tommy Schyman 2 Kursplan Kursplanen är det styrande dokumentet i en kurs. Planen är fastställd av fakulteten och måste följas. Kursplanen visas
Läs merEnvägs variansanalys (ANOVA) för test av olika väntevärde i flera grupper
Envägs variansanalys (ANOVA) för test av olika väntevärde i flera grupper Tobias Abenius February 21, 2012 Envägs variansanalys (ANOVA) I envägs variansanalys utnyttjas att
Läs merEnkel linjär regression. Enkel linjär regression. Enkel linjär regression
Enkel linjär regression Exempel.7 i boken (sida 31). Hur mycket dragkraft behövs för att en halvledare skall lossna från sin sockel vid olika längder på halvledarens ben och höjder på sockeln. De halvledare
Läs merStokastiska signaler. Mediesignaler
Stokastiska signaler Mediesignaler Stokastiska variabler En slumpvariabel är en funktion eller en regel som tilldelar ett nummer till varje resultatet av ett experiment Symbol som representerar resultatet
Läs merSTATISTISK ANALYS AV KOMPLEXA DATA
STATISTISK ANALYS AV KOMPLEXA DATA LONGITUDINELLA DATA Linda Wänström Linköpings universitet 12 December Linda Wänström (Linköpings universitet) LONGITUDINELLA DATA 12 December 1 / 12 Explorativ Faktoranalys
Läs merTillämpad statistik (A5), HT15 Föreläsning 10: Multipel linjär regression 1
Tillämpad statistik (A5), HT15 Föreläsning 10: Multipel linjär regression 1 Ronnie Pingel Statistiska institutionen Senast uppdaterad: 2015-11-19 Motivering Vi motiverade enkel linjär regression som ett
Läs merFÖRELÄSNINGSMATERIAL. diff SE. SE x x. Grundläggande statistik 2: KORRELATION OCH HYPOTESTESTNING. Påbyggnadskurs T1. Odontologisk profylaktik
Grundläggande statistik Påbyggnadskurs T1 Odontologisk profylaktik FÖRELÄSNINGSMATERIAL : KORRELATION OCH HYPOTESTESTNING t diff SE x 1 diff SE x x 1 x. Analytisk statistik Regression & Korrelation Oberoende
Läs merVariansanalys med SPSS Kimmo Sorjonen (2012-01-19)
1 Variansanalys med SPSS Kimmo Sorjonen (2012-01-19) 1. Envägs ANOVA för oberoende mätningar 1.1 Variabler Data simulerar det som använts i följande undersökning (se Appendix A): Petty, R. E., & Cacioppo,
Läs merGör uppgift 6.10 i arbetsmaterialet (ingår på övningen 16 maj). För 10 torskar har vi värden på variablerna Längd (cm) och Ålder (år).
Matematikcentrum Matematisk statistik MASB11: BIOSTATISTISK GRUNDKURS DATORLABORATION 4, 21 MAJ 2018 REGRESSION OCH FORTSÄTTNING PÅ MINIPROJEKT II Syfte Syftet med dagens laboration är att du ska bekanta
Läs merFinansiell statistik. Multipel regression. 4 maj 2011
Finansiell statistik Föreläsning 4 Multipel regression Jörgen Säve-Söderbergh 4 maj 2011 Samband mellan variabler Vi människor misstänker ofta att det finns många variabler som påverkar den variabel vi
Läs merForskningsmetod II Korrelation och regression
Forskningsmetod II Korrelation och regression Idag: 1. Korrelation (Pearsons r). Regression 3. Multipel korrelation 4. Multipel regression Leo Poom 018-471 17 leo.poom@psyk.uu.se 1. Korrelation (bivariat)
Läs merRäkneövning 3 Variansanalys
Räkneövning 3 Variansanalys Uppgift 1 Fyra sorter av majshybrider har utvecklats för att bli resistenta mot en svampinfektion. Nu vill man också studera deras produktionsegenskaper. Varje hybrid planteras
Läs merIdentifikationsnummer:... Tentamen: Statistik & Metod (2PS020), Psykologprogrammet, Termin 8 Datum:
Identifikationsnummer:... Tentamen: Statistik & Metod (2PS020), Psykologprogrammet, Termin 8 Datum: 110319 Ovanstående nummer är ditt identifikationsnummer! Skriv in detta nummer på varje blad i tentan
Läs merMatematisk statistik, Föreläsning 5
Matematisk statistik, Föreläsning 5 Ove Edlund LTU 2011-12-09 Ove Edlund (LTU) Matematisk statistik, Föreläsning 5 2011-12-09 1 / 25 Laboration 4 Jobba i grupper med storlek 2 Ove Edlund (LTU) Matematisk
Läs merRegressions- och Tidsserieanalys - F7
Regressions- och Tidsserieanalys - F7 Tidsserieregression, kap 6.1-6.4 Linda Wänström Linköpings universitet November 25 Wänström (Linköpings universitet) F7 November 25 1 / 28 Tidsserieregressionsanalys
Läs merMatematikcentrum 1(4) Matematisk Statistik Lunds Universitet MASB11 HT10. Laboration. Regressionsanalys (Sambandsanalys)
Matematikcentrum 1(4) Matematisk Statistik Lunds Universitet MASB11 HT10 Laboration Regressionsanalys (Sambandsanalys) Grupp A: 2010-11-24, 13.15 15.00 Grupp B: 2010-11-24, 15.15 17.00 Grupp C: 2010-11-25,
Läs merLektionsanteckningar 11-12: Normalfördelningen
Lektionsanteckningar 11-12: Normalfördelningen När utfallsrummet för en slumpvariabel kan anta vilket värde som helst i ett givet intervall är variabeln kontinuerlig. Det är väsentligt att utfallsrummet
Läs merRegressionsanalys av lägenhetspriser i Spånga
Regressionsanalys av lägenhetspriser i Spånga Mahamed Saeid Ali Kandidatuppsats i matematisk statistik Bachelor Thesis in Mathematical Statistics Kandidatuppsats 2016:11 Matematisk statistik Juni 2016
Läs merLaboration 2 multipel linjär regression
Laboration 2 multipel linjär regression I denna datorövning skall ni 1. analysera data enligt en multipel regressionsmodell, dvs. inkludera flera förklarande variabler i en regressionsmodell 2. studera
Läs merFör Godkänt krävs minst 12 poäng i kvalitativ metodik och minst 12 poäng i statistiska metoder. Tentamen består av totalt 11 huvudfrågor.
KOD: Kurskod: PM2315 Kursnamn: Metoder för psykologisk forskning (15 hp) Provmoment: Delkurs I: Kvalitativa och statistiska metoder Ansvarig lärare: Petra oström / Emma äck Tentamensdatum: 2016-04-18 Plats:
Läs merStatistiska samband: regression och korrelation
Statistiska samband: regression och korrelation Vi ska nu gå igenom något som kallas regressionsanalys och som innebär att man identifierar sambandet mellan en beroende variabel (x) och en oberoende variabel
Läs merBeskrivning av litteraturen Kursen i Vetenskapsteori, Psykologprogrammet, T5
1 Beskrivning av litteraturen Kursen i Vetenskapsteori, Psykologprogrammet, T5 Chalmers bok Johanssons bok Ladymans bok Chalmers: Vad är vetenskap egentligen? Innehåll Boken beskriver, och problematiserar,
Läs mer