Datorövning 4 Multipel regressionsanalys, del 3
|
|
- Andreas Henriksson
- för 7 år sedan
- Visningar:
Transkript
1 Datrövning 4 Multipel regressinsanalys, del 3 Datrövningen utförs i grupper m två persner. I denna datrövning skall ni använda Minitab för att 1. jämföra lika anpassade regressinsmdeller m h a R 2 -just. ch C p mm 2. arbeta med partiellt F-test för införande av en variabel uppdelad på indikatrvariabler 3. använda framåtvals- ch bakåtelimineringsprinciperna samt fullständig stegvis regressin för att bygga en regressinsmdell Start Starta Minitab Se till att ni kan skriva kmmandn i Sessin-fönstret. Datamaterial Ni skall använda samma datamaterial sm i Datrövning 2 ch 3, dvs det sm handlade m fastighetsvärdering. Se instruktinen till datrövning 2 för en beskrivning av datamaterialet. Ladda hem datamaterialet på nytt. Det bör vara bekant vid det här laget, men m ni inte minns får ni återvända till instruktinerna till föregående datrövningar. Observera att detta skall göras även m ni har arbetat med materialet tidigare, för att underlätta följandet av instruktinerna. Ni har annars några extra skapade variabler sm vi här endera inte skall använda eller skall lägga i andra klumner. Genmgående i analyserna skall ni frtfarande använda variabeln Ttal$ (dvs klumnen C2) sm y-variabel (respnse, berende variabel). Förklaringsvariablerna skall väljas bland övriga variabler. Vi har hittills inte brytt ss m ett antal av förklaringsvariablerna, sm är av text-typ. Det skall ni dck göra nu. Klumnen C4 innehåller en variabel sm heter height. Den anger antal plan i fastigheten, med amerikanska termer. Ge följande kmmand: MTB > tally c4 Studera utskriften i Sessin-fönstret: 1
2 Tally fr Discrete Variables: Height Height Cunt 1.5Stry 11 1Stry 14 1Stryatk 5 2Stratk 26 2Stries 16 BiLevel 6 SplitLev 3 N= 81 Kmmandt ger alltså en frekvenstabell över de lika kategrierna i den rdning de dyker upp i klumnen. Det finns alltså ingen strleksrdning i denna tabell, eftersm klumnen är av text-typ. Det går naturligtvis att gå till btten med vad de lika kategrierna egentligen innebär ch därmed skapa en strleksrdning dem emellan. Om man tittar närmare i förklaringen till variablerna ser man att kategrinamnen sm slutar med atk innebär vindsvåning (attic). Jag föreslår dck följande strleksrdning ch numeriska kder: Kategri Numerisk kd 1Stry 1 1Stryatk 1.5 BiLevel 2 SplitLev 2 1.5Stry 3 2Stries 4 2Stratk 4.5 Det är fritt fram för er att använda andra kder, m ni tycker att förslagen valts illa. Ni skall använda den numeriska kden sm en intervallskala, men man kan överhuvudtaget ifrågasätta m man skall ge en strleksrdning. Ett vettigare alternativ är att använda sig av sex indikatr-variabler (se nedan) för dessa kategrier, men det känns sm att det hela blir mycket svåröverskådligt då. 2
3 Använd menyn Data, undermenyn Cde ch alternativet Text t Numeric (sm ni använde tidigare för att göra m klumnen Garage?). Kda kategrierna enligt van ch spara i en ny klumn: C14. Km ihåg att ange kategrierna rdagrant inm citatinstecken ( ) med krrekta val av små ch str bkstav. Klla rdentligt i den nya klumnen så att ni inte har fått någn cell med astersisk (*) i. Ni har isåfall stavat fel på någt sätt i kdningen. Ge förslagsvis den nya klumnen namnet Categry. Vi hänvisar på svenska till denna variabel sm kategri i frtsättningen. Nästa klumn att ta itu med är klumn C6. Gör en tally även på denna: Tally fr Discrete Variables: Exterir Exterir Cunt Average 21 Excellnt 2 Gd 58 N= 81 Här ser ni att det finns tre lika alternativ i denna klumn. Alternativet Excellnt är i ch för sig sällsynt, men m man t ex skulle klumpa ihp detta med Gd, kan det hända att man gör en viss infrmatinsförvrängning. Här kunde det vara enklare att skapa en rdinalskala mellan alternativen eftersm ni förstår dem, men å andra sidan är det knepigare att kda med en intervallskala. Kan man verkligen vara säker på att det är lika strt avstånd mellan Average ch Gd sm det är mellan Gd ch Excellnt? För att kmma ifrån detta prblem väljer man indikatr-variabler istället enligt följande: D 1 =1 m Average, =0 annars D 2 =1 m Gd, =0 annars Det behövs ingen ytterligare variabel för Excellnt (även m man kanske trr det). Detta alternativ gäller nämligen när såväl D 1 sm D 2 är 0. Kda därför värdena i klumnen C6 två gånger. I den första kdningen sätter ni 1 på alternativet Average ch 0 på de övriga två (stava rätt på Excellnt). Observera att ni måste ange alla möjliga alternativ i varje kdning. I den andra kdningen sätter ni 1 på Gd ch 0 på de övriga. Spara lämpligen resultaten i de nya klumnerna C15 ch C16 ch ge förslagsvis dessa namnen Average ch Gd. (det finns ett snabbare sätt att göra detta, men då skapas tre indikatrvariabler, vilket kan vara nödigt). 3
4 Detta med att skapa indikatr-variabler är typiskt för klumner med värden i nminalskala, dvs. det finns ingen inbördes numerisk rdning mellan värdena. Om det finns ttalt k värden går det åt k-1 indikatrvariabler för att beskriva klumnen. Nästa klumn att ta itu med är klumn C7 sm anger uppvärmningstekniken i resp. fastighet. Gör en tally på denna variabel. Tally fr Discrete Variables: Fuel Fuel Cunt Electric 40 NatGas 39 Oil 1 Slar 1 N= 81 Här ser ni att det finns två fastigheter sm avviker med lje- resp. sluppvärmning. Det är förstås i princip möjligt att strleksrdna dessa fyra alternativ, så en knstruktin med indikatr-variabler är det enda vettiga. Dck känns det ng en aning nödigt att införa tre indikatr-variabler bara för att det finns två fastigheter med vardera ett individuellt värde. En stunds eftertanke stöder möjligen idén att vi skulle kunna slå ihp Electric med Slar ch NatGas med Oil. Detta är i alla fall den mest naturliga sammanslagningen med tanke på typen av energikällr. Gör därför så ch skapa en indikatrvariabel där Electric/Slar mtsvaras av värdet 0 ch NatGas/Oil av värdet 1. Spara lämpligen resultatet i klumn C17 ch ge denna namnet Fueltype (ni kan inte använda namnet Fuel eftersm det redan är upptaget.) 4
5 Slutligen skall ni återigen kda klumn C13 (Garage?) så att fastigheter utan garage får värdet 0 ch fastigheter med garage får värdet 1. Spara resultatet i klumn C18 ch ge den lämpligen namnet Garage. I Datrövning 3 undersökte vi icke-linjära samband av plynmtyp mellan ttalkstnad ch tmtyta resp. tmtkstnad. Ni brde ha kmmit fram till att tmtytan i kvadrat ch tmtpriset i kubik på någt sätt hade betydelse i mdellen. Skapa därför ckså dessa variabler: MTB > let c19=c3**2 (skapar (Average) 2 ) MTB > let c20=c1**3 (skapar (Land) 3 ) Ge lämpligen dessa klumner namnen Acr_sq resp. Land_cu. Däremt föreslås att ni utesluter beräknandet av samspelsvariabler. Multikllinearitetsdiskussinen i föregående datrövning bör ha visat att det är prblematiskt med dessa variabler i just det här datamaterialet. Ni har nu rustat er rejält med en uppsättning kandidater till förklaringsvariabler för en regressinsmdell. Jämförelse av mdeller med justerad förklaringsgrad, C-mått ch varians Ntera nu att de variabler ni har sm kandidater för att förklara ttalkstnaden i C2 finns i följande klumner C1 Land$ 5
6 C3 C5 C8 C9 C10 C11 Acreage 1stArea Rms Bedrms FullBath HalfBath C12 Fireplce (Anger antal öppna spisar) C14 Categry (sm ni skapade van) C15 Average (sm ni skapade van) C16 Gd (sm ni skapade van) C17 Fueltype (sm ni skapade van) C18 Garage (sm ni skapade van) C19 Acr_sq (sm ni skapade van) C20 Land_cu (sm ni skapade van) Det kan nu vara lämpligt att använda Minitab-kmmandt breg (Best subsets regressin) för att se vilka de bästa mdellerna är av varje mdellstrlek. MTB > breg c2 c1 c3 c5 c8-c12 c14-c20 Minitab kan ev. påpeka att det kmmer att ta lång tid, men svara bara Yes ch gå vidare. Studera utskriften i Sessin-fönstret. 1) Vilken/vilka mdell/er är den/de bästa med hänsyn till justerad förklaringsgrad? 2) Vilken/vilka mdell/er är den/de bästa med hänsyn till skattad slumpvariatin (s 2 )? 3) Vilken mdell är den bästa med hänsyn till måttet C? Terin säger ju att jämförelse av justerad förklaringsgrad skall vara ekvivalent med jämförelse av s 2. Tag hjälp av detta för att kmma fram till ett gemensamt svar på frågrna 1 ch 2. Analysera nu mer ingående de två mdeller ni kmmit fram till enligt svaret på fråga tre ch det gemensamma svaret på fråga 1 ch 2. Gör fullständiga mdellanpassningar med Minitab ch begär då specifikt följande (i dialgrutrna): Residualplttar: Histgram ch Residuals vs. Fits 6
7 VIF-värden Prgns ch 95% prgnsintervall för en fastighet med Tmtpris (Land$) =60000 dllar Tmtyta (Acreage) =1.2 acrs Bttenplanyta (1stFArea) = 2000 sqft 7 rum (Rms) 4 svrum (Bedrms) 2 badrum (Fullbath) 1 talett (Halfbath) 1 öppen spis (Fireplce) 1.5 plan (Categry) Omgiving: Average Uppvärmning: El (Fueltype) Garage (Observera att de aktuella mdellerna inte behöver ha alla dessa variabler med.) Använd gärna meny-vägen att göra detta, eftersm det är svårt att kmma ihåg hur kmmandna lyder. Residualplttar begärs under Graphs, VIF ch prgnsintervall begärs under Optins. Observera att några av variabelvärdena måste beräknas för hand innan de matas in i fältet för prgns under Optins. Bedöm de anpassade mdellerna ur följande aspekter: 1. Hur många av förklaringsvariablerna blir signifikanta? 2. Har någn av mdellerna prblem med sina residualer? 3. Har någn av mdellerna prblem med multiklinjäritet? 4. Vilken ger smalast prgnsintervall? Baserat på dessa analyser ch svar, vilken av de två mdellerna skulle ni rekmmendera? 7
8 Partiellt F-test vid indikatrvariabler Anpassa en mdell där ttalkstnaden (C2) förklaras av Land, Acreage, Average (C15) ch Gd (C16). Studera utskriften. Blir någn av variablerna icke-signifikant (på 5% nivå)? Fundera en stund över följande: När det gäller variablerna Average ch Gd, verkar det vettigt att ha med enbart en av dessa i mdellen? Använd ett partiellt F-test på 5% nivå för att avgöra m variabeln Exterir (C6) brde ingå i mdellen. Detta kan göras med hjälp av utskriften från den gjrda anpassningen m ni kmmer ihåg Datrövning 3 ch har förstått vad indikatr-variablerna representerar. Mdellbygge a) Framåtvalsprincipen Börja med att beräkna krrelatinen mellan y-variabeln (Ttalkstnad, C2) ch alla tillgängliga förklaringsvariabler: MTB > crr c2 c1 c3 c5 c8-c12 c14-c20 Välj först den förklaringsvariabel sm har högst (abslut) krrelatin med ttalkstnad. Anpassa en enkel linjär regressinsmdell där ttalkstnad förklaras av denna variabel. Blir variabeln signifikant på 5% nivå? Fixera då denna ch gå vidare för att hitta den bästa mdellen med denna variabel ch ytterligare en variabel. För att snabba upp det hela, klla föreläsningsunderlaget till detta avsnitt. Där står hur man snabbt kan kmma fram till vilken ytterligare variabel sm ev. skall läggas till. Frtsätt enligt framåtvalsprincipen till dess att inga nya variabler kan läggas till. Använd nu Minitabs inbyggda funktin för stegvis regressin: Stat Regressin Stepwise 8
9 Välj samtliga förklaringsvariabler i listan (Obs! Det är bara de sm har numeriska kder) till fältet för Predictrs: ch klicka sedan på Methds. Se till att alternativet Use alpha values är markerat. Markera Frward selectin ch skriv in 0.05 i fältet Alpha t enter:. Låt värdet 4 i fältet F t enter: stå kvar. Klicka på OK. Klicka på OK i den första dialgrutan ch studera sedan utskriften i Sessin-fönstret. Tlka det sm står där ch se till att ni förstår det mesta, Vid frågan längst ned, svara Yes ch frtsätt att svara Yes till dess att inga fler mdeller visas. 9
10 Stämmer den valda mdellen överens med den mdell ni km fram till manuellt van? Om inte, sök förklaring till detta i de körningar ni gjrt. b) Bakåtelimineringsprincipen Eftersm ni nu ser hur Minitabs funktin för stegvis regressin fungerar kan ni prva detta för att göra bakåteliminering. Välj då detta i dialgrutan för Stepwise Methds. Skriv in 0.05 i fältet för Alpha t remve: (ch låt analgt med van värdet 4 i fältet F t remve stå kvar). Fälj utskriften i Sessin-fönstret ch svara Yes på frågrna så länge sm nya mdeller skrivs ut. Kmmer ni fram till samma mdell med Bakåtelimineringsprincipen sm med Framåtvalsprincipen? c) Fullständig stegvis regressin Kör nu åter Stat Regressin Stepwise men markera denna gång Stepwise (frward and backward)i dialgrutan till Methds. Skriv in 0.05 i fälten för Alpha t enter: resp. Alpha t remve:. 10
11 Svara Yes på frågrna tills dess att inga nya mdeller visas. Blir den slutliga mdellen här likadan sm någn av mdellerna enligt a) eller b)? Överensstämmer någn av mdellerna enligt a)-c) med den mdell ni km fram till när ni använde breg? Om inte, vad kan vara rsakerna till detta? Generellt, hur tycker ni att de algritmiska metderna för mdellval fungerar? Vad skulle ni rekmmendera för arbetsgång när det gäller att hitta en bra mdell att förklara en variabel ch man väljer bland ganska många förklaringsvariabler? Avslutning Avsluta alla prgram ch lgga ut från systemet. 11
Datorövning 2 Multipel regressionsanalys, del 1
Datorövning 2 Multipel regressionsanalys, del 1 Datorövningen utförs i grupper om två personer. I denna datorövning skall ni använda Minitab för att 1. analysera data enligt en multipel regressionsmodell
Läs merLaboration 3: Modellval i multipel regression
Laboration 3: Modellval i multipel regression I denna datorövning skall ni använda MINITAB för att 1. jämföra olika anpassade regressionsmodeller med hjälp av den justerade förklaringsgraden 2. arbeta
Läs merFöreläsning 4. Kap 5,1-5,3
Föreläsning 4 Kap 5,1-5,3 Multikolinjäritetsproblem De förklarande variablerna kan vara oberoende (korrelerade) av varann men det är inte så vanligt. Ofta är de korrelerade, och det är helt ok men beroendet
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 merHur man skapar ett test i Test och quiz i Mondo 2.6
Hur man skapar ett test i Test ch quiz i Mnd 2.6 Snabbstart Under Test ch quiz, namnge ditt test under fältet Namn ch klicka senare på Skapa. Börja sedan med att gå igenm inställningarna, för att kmma
Läs merDatorövning 5 Exponentiella modeller och elasticitetssamband
Datorövning 5 Exponentiella modeller och elasticitetssamband Datorövningen utförs i grupper om två personer. I denna datorövning skall ni använda Minitab för att 1. anpassa och tolka analysen av en exponentiell
Läs merFöreläsning 4 Kap 3.5, 3.8 Material om index. 732G71 Statistik B
Föreläsning 4 Kap 3.5, 3.8 Material om index 732G71 Statistik B Skötsel (y) Transformationer Ett av kraven för regressionsmodellens giltighet är att residualernas varians är konstant. Vad gör vi om så
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 merÖvningar i JavaScript del 3
Övningar i JavaScript del 3 I dessa övningar tar vi upp datumbjektet Date, arrayer ch lpar. Du utgår från ett prgram där man kan klicka på små bilder ch mtsvarande stra bild visas. Detta är i princip samma
Läs merDatorövning 1 Enkel linjär regressionsanalys
Datorövning 1 Enkel linjär regressionsanalys Datorövningen utförs i grupper om två personer. I denna datorövning skall ni använda Excel och Minitab för att 1. få en visuell uppfattning om vad ett regressionssamband
Läs merFör att kunna utföra en variable data printning böhöver du följande filer:
Printa Variabel Data Variabel data printning tillåter dig att byta infrmatinen ch data i ditt dkument eller i din bild för att skapa utskrifter med unika texter ch bilder i varje kpia. Denna funktinen
Läs merBetrakta åter datamaterialet med kostnader för produktion av korrugerat papper.
Multikolinjäritet: Betrakta åter datamaterialet med kostnader för produktion av korrugerat papper. Trots att COST verkade ha ett tydligt positivt samband med var och en av variablerna PAPER, MACHINE, OVERHEAD
Läs mer2016-01-15.kl.08-13. Tentaupplägg
Tentaupplägg TIPS 1: Läs igenm ALLA uppgifterna. Välj den du känner är lättast först. Det kan gärna ta 10-20 minuter. Försök skriva saker sm kan vara prblem i uppgifterna. Är det någt du abslut kmmer att
Läs merSchoolSoft 2015-05-05
SchlSft 2015-05-05 Arkivering Nytt läsår Schemasystem: TimeEdit Nedan följer en lista på vad sm bör göras i SchlSft mellan två läsår. Berende på sklans sätt att arbeta kan det finnas mindre avvikelser
Läs merMultikolinjäritet: Vi kan också beräkna parvisa korrelationskoefficienter mellan förklaringsvariabler:
Multikolinjäritet: Betrakta åter datamaterialet med kostnader för produktion av korrugerat papper. Vi plottar förklaringsvariablerna mot varandra: Graph Matrix Plot Trots att COST verkade ha ett tydligt
Läs merLaghantering i Equipe
Laghantering i Equipe för klubbar tillhörande Skånes Ridsprtförbund Eftersm distriktet autmatiskt vill betala ut lagstöd till arrangörerna är det viktigt att inrapprteringen av lagklasserna sker på ett
Läs merTentamen på Statistik och kvantitativa undersökningar STA001, 15 hp Exempeltenta 6
MÄLARDALENS HÖGSKOLA Akademin för hållbar samhälls- ch teknikutveckling Statistik Tentamen på Statistik ch kvantitativa undersökningar STA001, 15 hp Exempeltenta 6 Tillåtna hjälpmedel: Miniräknare (Frmelsamling
Läs merÖvningar i JavaScript del 7
Övningar i JavaScript del 7 I denna labratin återanvänder vi bilderna på frukter, sm vi haft i ett par tidigare labratiner. Denna gång ska vi lägga till visuella effekter då en frukt väljs. Klickar man
Läs merSchoolSoft 2015-05-05
SchlSft 2015-05-05 Arkivering Nytt läsår Schemasystem: K-Skla ch GPUntis Nedan följer en lista på vad sm bör göras i SchlSft mellan två läsår. Berende på sklans sätt att arbeta kan det finnas mindre avvikelser
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 merDesignprocessdagbok. Grupp 3; Maria Törnkvist, Ida Gustafsson, Mikael Karlsson, Jonas Lind, Hanne Flink- Sundin.
Designprcessdagbk. Grupp 3; Maria Törnkvist, Ida Gustafssn, Mikael Karlssn, Jnas Lind, Hanne Flink- Sundin. Krt intrduktin Under hela vår designprcess har vi fört dagbk över våra möten, dagbken har vi
Läs merSchoolSoft 2015-05-05
SchlSft 2015-05-05 Arkivering Nytt läsår Schemasystem: Utan schemasystem, manuellt schema i SchlSft Nedan följer en lista på vad sm bör göras i SchlSft mellan två läsår. Berende på sklans sätt att arbeta
Läs merÖvningar i JavaScript del 4
Övningar i JavaScript del 4 I dessa övningar ska du dels hantera ett frmulär ch dels arbeta med några textsträngar. 1. Dkument i övningsmappen Övningsmappen sm du laddar ner från labratinens webbsida innehåller
Läs merSchoolSoft 2015-05-05
SchlSft 2015-05-05 Arkivering Nytt läsår Schemasystem: NvaSchem (utan elever) Nedan följer en lista på vad sm bör göras i SchlSft mellan två läsår. Berende på sklans sätt att arbeta kan det finnas mindre
Läs merÖvningar i JavaScript del 2
Övningar i JavaScript del 2 Genm dessa övningar frtsätter intrduktinen av JavaScript. Vi tar nu upp if-satser ch lite mer m funktiner. Vi kmmer ckså in på tillämpningar sm att byta en bild på webbsidan
Läs merLaghantering i Equipe. Uppdaterad Uppläggning på TDB. Efter inläsning av anmälningsfilen
Laghantering i Equipe Uppdaterad 2014-09-15 Uppläggning på TDB I TDB lägger man upp lagklassen för sig men stänger den för anmälan. Ev. lägger man upp en lista där lagledarna kan anmäla sina lag genm att
Läs merÖvningar i JavaScript del 5
Övningar i JavaScript del 5 I dessa övningar ska vi ta upp några lika händelsehanterare. Dessa ska dck inte läggas in med attribut i HTML-kden, så sm vi gjrt tidigare med nclick. Istället ska vi nu lägga
Läs merÄR DITT HEM ELSÄKERT?
ÄR DITT HEM ELSÄKERT? Det här frmuläret hjälper dig att kntrllera hur elsäkert ditt hem är. Gå igenm punkterna i checklistan ch markera vad sm är bra ch vad sm behöver åtgärdas. ELCENTRALEN Elcentralen,
Läs merHur viktig är studietekniken? Målet ger dig motivation VUXENUTBILDNINGEN, KRISTIANSTAD. Ma-NV-sektorn Sida 1
Hur viktig är studietekniken? För att lyckas med studierna är det viktigt att skaffa en gd studieteknik. För att befästa det sm du lär dig i sklan måste du ckså arbeta med ämnesinnehållet på egen hand
Läs merKort användarmanual för Test och quiz i Mondo 2.0
Krt användarmanual för Test ch quiz i Mnd 2.0 Denna användarmanual är en krtversin av en längre användarmanual ch innehåller de viktigaste delarna för att kmma igång med användningen av Test ch quiz. För
Läs merAnmälan av stipendier med systemet Personec F ESS
Aditr Oy 1 Anmälan av stipendier med systemet Persnec F ESS Lgga in i ESS via länken ESS-Emplyee Self Service sm finns under menyn Verktyg på Hankens persnalprtal. Internet Explrer rekmmenderas för användning
Läs merAnvändarhandbok OESpeaker 1.0
Användarhandbk OESpeaker 1.0 OESpeaker Versin 10.1 datum 2004-04-19-1 - Innehållsförteckning OESpeaker Versin 10.1 datum 2004-04-19... 1 Installatin av prgrammet... 3 På servern... 3 Uppdatering av tider
Läs merANVÄNDARMANUAL. Version 2.3.3. Euromed Networks AB. Årstaängsvägen 11, 117 43 Stockholm. Tel. 08-54 58 99 99. (Juni 2006)
ANVÄNDARMANUAL Versin 2.3.3 (Juni 2006) Eurmed Netwrks AB. Årstaängsvägen 11, 117 43 Stckhlm. Tel. 08-54 58 99 99 Innehållsförteckning FÖRORD...2 ÅTERFÖRSÄLJARE...3 DIKTERING...3 DIKTERING...4 Diktatlista...
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 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 merÖvningar i layout med CSS
Övningar i layut med CSS Med CSS strukturerar man innehållet i lika delar. Med div-taggar kan man avgränsa delar av kden för sidhuvud, navigeringslänkar, innehåll, etc. Med CSS kan man sedan ge dessa delar
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 merProgrammering F-3. -Osmo Coding
Prgrammering F-3 -Osm Cding Lärarhandledning till Osm Cding 2 Innehåll Generellt upplägg. s4 Mntera Osm Cding.. s5 Menyn i Osm Cding s6 Instruktiner i Osm Cding.... s7 Innehåll.... s8 Blckens betydelse
Läs merEn kom i gång manual till SPF:s hemsidor
En km i gång manual till SPF:s hemsidr Inlggning Meny (navigatinsträdet) Vad skall finnas på hemsidan Standarduppgifter [Startsidan, Om föreningen, Styrelsen, Kntakt, Bli medlem] Tilläggs/valfria uppgifter
Läs merINNEHÅLLSFÖRTECKNING LOGGA IN HUR FÅR MAN ETT LÄRARKONTO? SKAPA LÄRARKONTO
Manual till PORTALEN INNEHÅLLSFÖRTECKNING LOGGA IN... 1 HUR FÅR MAN ETT LÄRARKONTO?... 1 SKAPA LÄRARKONTO... 1 LOGGA IN MED GOOGLE... 2 SKAPA ELEVKONTO... 2 SKAPA FLERA ELEVKONTON SAMTIDIGT... 2 GRUPPER...
Läs merTillgänglighetsguide Lunds kommun... 1. Komma igång... 2. Översikt av Guiden... 1
Innehållsförteckning Tillgänglighetsguide Lunds kmmun... 1 Översikt av Guiden... 1 Kmma igång... 2 Sökning ch visning av tillgänglighetsinfrmatin... 2 Resultat av sökning... 3 Rapprtering av nya bjekt
Läs merARKIV DIGITAL - att släktforska i färg
ARKIV DIGITAL - att släktfrska i färg Av släktfrskare För släktfrskare Arkiv Digital har tillkmmit för att förverkliga en släktfrskares dröm m att kunna läsa arkivmaterial på sin datr, sm m han hade bken
Läs merCentrala Sacorådet i Malmö stad
Centrala Sacrådet i Malmö stad Enkät m tid för det fackliga uppdraget i samverkan Enkäten har skickats ut till alla Sacs representanter i samverkansgrupper på stadsmrådesförvaltningarna ch alla Sacs samverkansrepresentanter
Läs mer3 Styrning av programflöde. Här exekveras satserna enligt först sats1 sedan sats2 och sist sats3.
3 Styrning av prgramflöde Ett prgram består av ett antal satser. När prgrammet körs exekveras satserna i den rdning sm de står. ; ; ; Här exekveras satserna enligt först sedan ch sist. Ofta måste man i
Läs merDATORÖVNING 5: SANNOLIKHETSFÖRDELNINGAR FÖR
DATORÖVNING 5: SANNOLIKHETSFÖRDELNINGAR FÖR STICKPROVSMEDELVÄRDEN I denna datorövning ska du använda Minitab för att slumpmässigt dra ett mindre antal observationer från ett större antal, och studera hur
Läs merEn kom i gång manual till SPF:s hemsidor
En km i gång manual till SPF:s hemsidr Inlggning Meny (navigatinsträdet) Vad skall finnas på hemsidan Standarduppgifter [Startsidan, Om föreningen, Styrelsen, Kntakt, Bli medlem] Tilläggs/valfria uppgifter
Läs mer4.4. Sammanställning Psykiatriråd nummer 3
.. Sammanställning Psykiatriråd nummer Bakgrundsfrågr Bakgrundsfrågrna i enkäten består av frågrna 1a - 1e. Dessa syftar till att ge en bild av ledamöterna i Psykiatrirådet avseende utbildning, ålder,
Läs merCisco WebEx: Standardprogramfix den [[DATE]]
ÄMNE: Cisc WebEx: Standardprgramfix tillämpas den [[DATE]] för [[WEBEXURL]] Cisc WebEx: Standardprgramfix den [[DATE]] Cisc WebEx skickar ut det här meddelandet till utvalda affärskntakter på https://[[webexurl]]
Läs merGuide för hur bildar man en kaninhoppningsklubb ansluten till SKHRF. Även innehållande kunskap om hur man håller möten
Guide för hur bildar man en kaninhppningsklubb ansluten till SKHRF Även innehållande kunskap m hur man håller möten 1 2012-12-27 Hur man bildar en kaninhppningsklubb ch sedan ansluter den till förbundet
Läs merIntegritetspolicy Bokförlaget Nona
Integritetsplicy Bkförlaget Nna 1. Inledning På Bkförlaget Nna AB (Bkförlaget Nna) värnar vi m din persnliga integritet. Den 25 maj 2018 trädde dataskyddsförrdningen i kraft vilket innebär att dina rättigheter
Läs merAtt intervjua elever om hållbar utveckling
Ämnesövergripande Grundskla åk 7-9 Mdul: Hållbar utveckling Del 3: Sklan ch eleverna mttagare av kunskap ch deltagare i förändring Att intervjua elever m hållbar utveckling Claes Malmberg, Högsklan i Halmstad
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 merTävlingsdatabasen (TDB)
Tävlingsdatabasen (TDB) Anvisningar för distrikt ch klubbar sm arbetar med tävlingsdatabasen (TDB) Prpsitinen Viktiga datum ch tidpunkter är när tävlingen öppnas för internetanmälan, när ev. efteranmälning
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 mer732G71 Statistik B. Föreläsning 3. Bertil Wegmann. November 4, IDA, Linköpings universitet
732G71 Statistik B Föreläsning 3 Bertil Wegmann IDA, Linköpings universitet November 4, 2015 Bertil Wegmann (IDA, LiU) 732G71, Statistik B November 4, 2015 1 / 22 Kap. 4.8, interaktionsvariabler Ibland
Läs merLABORATION 3 - Regressionsanalys
Institutionen för teknikvetenskap och matematik S0001M Matematisk statistik LABORATION 3 - Regressionsanalys I denna laboration ska du lösa ett antal uppgifter i regressionsanalys med hjälp av statistik-programmet
Läs merDATORÖVNING 3: MER OM STATISTISK INFERENS.
DATORÖVNING 3: MER OM STATISTISK INFERENS. START Logga in och starta Minitab. STATISTISK INFERENS MED DATORNS HJÄLP Vi fortsätter att arbeta med datamaterialet från datorävning 2: HUS.xls. Som vi sett
Läs mer*****************************************************************************
Statistik, 2p ANVISNINGAR Datorlaboration 1 Deskriptiv statistik med hjälp av MS Excel Detta häfte innehåller kortfattade anvisningar om hur ni använder Excel under denna laboration. Be om hjälp när/om
Läs merGEOSECMA for ArcGIS GSD datastruktur och import i en SDE geodatabas
GEOSECMA fr ArcGIS GSD datastruktur ch imprt i en SDE gedatabas ÖVERSIKT Det här dkumentet ger imprtinstruktiner ch en rekmmenderad struktur för Gegrafiska Sverige Data (GSD) i en SDE gedatabas sm ska
Läs merKvalitetsredovisning och verksamhetsplan för fritidshemmet Duvhöken, Sammilsdalskolan f-6
Kvalitetsredvisning ch verksamhetsplan för fritidshemmet Duvhöken, Sammilsdalsklan f-6 Kvalitetsredvisning 2012/2013 Varje huvudman inm sklväsendet ska på huvudmannanivå systematiskt ch kntinuerligt planera,
Läs merHandledning för konstruktion av tabeller och diagram med Excel
Handledning för konstruktion av tabeller och diagram med Excel 26 APRIL 2013 Inledning Excel är inte konstruerat för att i första hand utföra statistiska beräkningar, men en hel del sådant kan ändå göras.
Läs merLUNDS UNIVERSITET STATISTISKA INSTITUTIONEN MATS HAGNELL. Skrivning i ekonometri onsdagen den 1 juni 2011
LUNDS UNIVERSITET STATISTISKA INSTITUTIONEN MATS HAGNELL STAB2 Skrivning i ekonometri onsdagen den 1 juni 211 1. Vi vill undersöka hur variationen i försäljningspriset för ett hus (i en liten stad i USA
Läs merProgrammering Åk Blockly Games
Prgrammering Åk 7-9 -Blckly Games Innehåll Blckprgrammering s4 Blckly Games.. s5 Pussel.. s7 Labyrint.... s8 Fågel... s9 Sköldpadda. s10 Film s11 Dammhandledare.. s12 Damm.... s13 2 Lärarhandledning till
Läs merFacit till Extra övningsuppgifter
LINKÖPINGS UNIVERSITET Institutionen för datavetenskap Statistik, ANd 732G71 STATISTIK B, 8hp Civilekonomprogrammet, t3, Ht 09 Extra övningsuppgifter Facit till Extra övningsuppgifter 1. Modellen är en
Läs merFakta. Naturvetenskap i Bumper Cars. NaturligtVis. Fysiklabbar på Powerland. Bumper Cars. http://naturligtvis.novia.fi
Fysiklabbar på Pwerland Bumper Cars Bumper Cars är en str bilbana sm passar både stra ch små förare. Bilarna är försedda med bilbälten ch kan köras ensam eller parvis. Lättare kllisiner är tillåtna, men
Läs merAnvändarhandbok Come&Go 2G 3.1
HAS Systemförvaltning 1(11) T (department acrnym name) Fr infrmatin (department acrnym name) Användarhandbk Cme&G 2G 3.1 Cme&G 2G 3.1 är en prgramvara vars primära uppgift är att samla in faktiskt arbetad/utförd
Läs merMed den här serviceinformationen presenteras den nya Paltronic 50 Version 5.4 för er.
Prdukt: sida: 1/11 Med den här serviceinfrmatinen presenteras den nya Paltrnic 50 Versin 5.4 för er. Versin 5.4 är den första fficiella versin av 5.x generatinen ch ersätter de två föregående betaversinerna
Läs merShoreTel Communicator Överblick
ShreTel Cmmunicatr Överblick ShreTel Cmmunicatr är det enklaste sättet att kmmunicera effektivt med dina kllegr ch affärspartners. Oavsett m du är nrmal användare, telefnist eller samtalsagent i ett Cntact
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 merDATORÖVNING 2: TABELLER OCH STANDARD-
DATORÖVNING 2: TABELLER OCH STANDARD- VÄGNING. I den här datorövningen använder vi Excel för att konstruera pivottabeller, som vi sedan använder för att beräkna standardvägda medeltal. Vi skapar också
Läs merKvalitetsredovisning Läsåret 2010/2011
Vuxenutbildningsavdelningen S SID 1 (13) 2011-04-20 Kvalitetsredvisning Läsåret 2010/2011 Anrdnare ABF Stckhlm Vux Inledning ABF Stckhlm har sedan 2003 genmfört vuxenutbildning på grundläggande - ch gymnasial
Läs merDatorlaboration 1 Deskriptiv statistik med hjälp av MS Excel
ANVISNINGAR Datorlaboration 1 Deskriptiv statistik med hjälp av MS Excel Detta häfte innehåller kortfattade anvisningar om hur ni använder Excel under denna laboration. Be om hjälp när/om ni tycker att
Läs merAnvändarmanual för registrering av resultat från Markörbaserad journalgranskning
Sveriges kmmuner ch landsting Användarmanual för registrering av resultat från Markörbaserad jurnalgranskning Smatisk slutenvård, sjukhusövergripande ch klinikvisa resultat DEL 1 INLOGGNING Versin 2016-06-06
Läs merYRKESHÖGSKOLEUTBILDNING Medicinsk sekreterare Kristinehamn. Vårdadministratör - ett bristyrke
YRKESHÖGSKOLEUTBILDNING Medicinsk sekreterare Kristinehamn Vårdadministratör - ett bristyrke Examensarbete 35 päng Författare: Anna Nilssn Handledare: Dris Karlssn Våren 2015 SAMMANFATTNING I detta examensarbete
Läs merAnslutning av mikroproduktion
2015-05-06 Trllhättan Anslutning av mikrprduktin Detta gäller när man vill ansluta mikrprduktin till Trllhättan Energi Elnät ch att prducera till egen förbrukning. Följande krav förutsätter att prduktinsanläggningen
Läs merGrundläggande matematisk statistik
Density Grundläggande matematisk statistik Icke-parametriska test Uwe Menzel, 018 www.matstat.de Icke-parametriska metder Parametriska metder Fördelningen för ppulatinen sm stickprvet tgs ifrån är känd
Läs merDatorlaboration 1 Deskriptiv statistik med hjälp av MS Excel vers. 2010
v. 2015-01-07 ANVISNINGAR Datorlaboration 1 Deskriptiv statistik med hjälp av MS Excel vers. 2010 Detta häfte innehåller kortfattade anvisningar om hur ni använder Excel under denna laboration. Be om hjälp
Läs merBaraTrav Inställningar Version 1.3.4
BaraTrav Inställningar Versin 1.3.4 I prgraminställningar styr du hur du vill att BaraTrav skall fungera Bilden van visar de inställningar sm gäller vid installatin. Du kmmer åt prgraminställningar på
Läs merInstruktioner för mappning av individer till NY-läge
PM 01-0-5 Genmförandekmmittén för nya Plismyndigheten Ju 01:16 ORG-1 Instruktiner NY-läge Instruktiner för mappning av individer till NY-läge Intrduktin Inm ramen för prjekt ORG-1 har ett förslag till
Läs merCAMPINGHANDBOKEN för campinggästen
CAMPINGHANDBOKEN för campinggästen Versin 4.2 ANVÄNDARMANUAL VIKTIG INFORMATION FÖR DITT EL-UTTAG Campingplatsnummer: Persnlig kd: Internet bkning: https://www.webel-nline.se Telefn Sverige 075-44 88 000
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 merGuideline Sportident-systemet
Guideline Sprtident-systemet Basenheter BSF7-8, Masterstatiner BSM7, SI-Cnfig versin 1.4.2, 2007-01-31-1 - Innehållsförteckning Basenheter BSF7-8, Masterstatiner BSM7, SI-Cnfig versin 1.4.2, 2007-01-31
Läs merMOTORVÄRMAR HANDBOKEN manual för användare
MOTORVÄRMAR HANDBOKEN manual för användare Versin 4.3 ANVÄNDARMANUAL VIKTIG INFORMATION FÖR DIN PARKERINGSPLATS Platsnummer: Persnlig kd: 1234 *(OBS - se undantag) https://www.webel-nline.se Telefn Sverige
Läs merYH och internationalisering
YH ch internatinalisering Myndigheten för yrkeshögsklan ISBN-nr: 978-91-87073-25-0 Dnr: MYH 2015/140 Omslagsbild: Bildarkivet 1 (10) Datum: 2014-12-16 Dnr: MYH 2015/140 Rapprt Yrkeshögsklan ch internatinalisering
Läs merANVÄNDARMANUAL TEST OCH QUIZ för Mondo 2.0 Version 1
ANVÄNDARMANUAL TEST OCH QUIZ för Mnd 2.0 Versin 1 Stckhlms universitet Avdelningen för IT ch media Oktber 2008 Innehållsförteckning Dkument Sida Test ch Quiz: En översikt 3 Sex nödvändiga steg för att
Läs merInnvatiner alla är vi kreativa Anna Frm-Lindqvist Köpmangatan 10 931 31 Skellefteå 070-218 19 56 0910-520 08 anna@euniqem.cm www.euniqem.cm Vad kräver framtiden? Försörjningsbördan för våra barn Den glbala
Läs merRegressions- och Tidsserieanalys - F5
Regressions- och Tidsserieanalys - F5 Linda Wänström Linköpings universitet November 20 Wänström (Linköpings universitet) F5 November 20 1 / 24 Modellbygge - vilka oberoende variabler ska vara med i modellen?
Läs merEldy Användarhandbo Table of Contents
Eldy Användarhandb Table f Cntents Table f Cntents... 2 1. Systemkrav:... 3 2. Hur du installerar Eldy på din PC... 3 2.1 INSTALLATION SCREENSHOTS... 4 2.2 Installatin... 4 3. Börja använda ELDY... 5 4.
Läs merRevisionsrapport 2010 Genomförd på uppdrag av revisorerna i Jönköpings kommun. Jönköpings kommun Granskning av användaradministrationen
Revisinsrapprt 2010 Genmförd på uppdrag av revisrerna i Jönköpings kmmun Jönköpings kmmun Granskning av användaradministratinen Innehåll 1. Bakgrund ch syfte... 3 2. Metd ch avgränsning... 3 3. Begreppsförklaringar...
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 merI det här avsnittet får ni en liten repetition av det vi gick igenom senast plus påbyggnad
KURSMATERIAL FEM ÖVERSIKT AVSNITT Budsystem & Upplägg Termer Värdera sin hand ch pänggränser Öppningsbud Svar på 1 trick i färg Öppningshandens andra bud Frtsatt budgivning Inkliv/Upplysningsdubbling 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 mer4.5. Sammanställning Psykiatriråd nummer 4
4.5. Sammanställning Psykiatriråd nummer 4 Bakgrundsfrågr Bakgrundsfrågrna i enkäten består av frågrna a - e. Dessa syftar till att ge en bild av ledamöterna i Psykiatrirådet avseende utbildning, ålder,
Läs merElectrolux Vision ADMIN
Installera ch knfigurera webbapplikatiner R-CARD M5 Installera Electrlux Visin ADMIN Översikt ch tips Electrlux Visin ADMIN är ett verktyg för att administrera användare, infrmatin ch bkningar i ett fastighetssystem.
Läs merGeocaching- Klarar er klass att hitta den 5:e cachen?
Gecaching- Klarar er klass att hitta den 5:e cachen? Sklprgram att utföra på egen hand eller tillsammans med handledare från Aerseum. Lärarhandledning ch förberedelse På de nästföljande sidrna finns ett
Läs merSkolverkets bedömning är att vi idag har stort behov av:
Sklverkets bedömning är att vi idag har strt behv av: Fler lärare med kmpetens i svenska sm andraspråk. Fler mdersmålslärare ch studiehandledare på mdersmål. Fler vuxna i sklan med mdersmålskmpetens. Kmpetensutveckling
Läs merVerksamhetsrapport. efter kvalitetsgranskning av skolans arbete för att säkerställa studiero vid Botkyrka Friskola i Botkyrka kommun
Bilaga 1 efter kvalitetsgranskning av sklans arbete för att säkerställa studier vid Btkyrka Friskla i Btkyrka kmmun 1 (13) Innehåll Inledning Bakgrund ch syfte Bakgrundsuppgifter m Btkyrka Friskla Resultat
Läs merSlutrapport Uppdragsutbildning ITM
Slutrapprt Uppdragsutbildning ITM Upprättad av: Martina Granhlm, ADV Dkumentansvarig: Datum: Larsa Nicklassn, ADV 2013-04-226 Slutrapprt Uppdragsutbildning ITM 1 Bakgrund 3 1.1 Prblemfrmulering 3 1.2 Prjektets
Läs merLathund för Sundbybergs IK orienteringssektionen Att arbeta med hemsidan
Lathund för Sundbybergs IK rienteringssektinen Att arbeta med hemsidan Webbadress för hemsidan http://www.idrttnline.se/sundbyberg/sundbybergsik-rientering Inlggning sker genm att klicka på hänglåssymblen
Läs merAtt bli en kompetent kravställare av kompetens och öka anställningsbarhet hos medarbetarna
Att bli en kmpetent kravställare av kmpetens ch öka anställningsbarhet hs medarbetarna Hur kan vi i praktiken agera för att underlätta att strategi ch perativ förmåga ska kunna gå hand i hand inm ramen
Läs mer