Simple Linear Regression

[mylo]

έχει κανείς υπόψη κανά βιντεάκι σαν αυτό https://www.youtube.com/watch?v=ECXeUj8I6w8 στα ελληνικά όμως, ή έστω κάποιου είδους σημειώσεις? περισσότερο θέλω για το πινακάκι anova και το τη ρόλο βαράει το κάθε νούμερο εκεί...

[qsis]

Αυτό προϋποθέτει να ξέρεις κάποια στατιστική.. Για εργασία έχεις να κάνεις παλινδρόμηση;

[tr3quart1sta]

Στο Coursera εχει μερικα πολυ καλα βιντεακια για Linear Regression

 

 

[mylo]

Αυτό προϋποθέτει να ξέρεις κάποια στατιστική.. Για εργασία έχεις να κάνεις παλινδρόμηση;

ναι για εργασία είναι. κάποια πράγματα σαφώς και τα ξέρω πχ r^{2 .}   το θέμα είναι πως δεν τα έχω και πρόσφατα...

[qsis]

Στο RΛ2 κοιτά το adjusted αν έχεις πολλούς παράγοντες γιατί το σκέτο R μεγαλώνει αναπόφευκτα όσο πληθαίνουν οι παράγοντες οπότε βγάζει ασυναρτησίες και δεν ερμηνεύει στην ουσία το δείγμα όπως υποτίθεται ότι πρέπει να κάνει. Αυτό είναι συχνό λάθος που βλέπω από μη-στατιστικούς

 

Κοιτά αν είναι απλά να τρέξεις τις παλινδρόμησεις να βγάλεις κάποια συμπεράσματα από το δείγμα σου κοίτα απλά τα νούμερα που χρειάζεται και τέλος. Επίσης σε αυτό το κομμάτι της στατιστικής το SPSS είναι φοβερά εύχρηστο και κάνει τη δουλειά καλύτερα από οποιαδήποτε εναλλακτική εφαρμογή. Το excel ειδικά μου φαίνεται τρελή μανουρα, η μαγκιά βέβαια πλέον είναι να ξέρεις R, αλλά για παλινδρόμηση δεν αξίζει να μάθεις όσο υπάρχει το SPSS

 

Αν τώρα θες να τα πάρεις από την αρχή και να μπορείς να διαβάζεις τα πάντα στους πίνακες θέλει διάβασμα και χρόνο που για μια εργασία μόνο δεν αξίζει να το κάνεις και οι περισσότεροι που ξέρω που μπλέκονται με αυτά δεν εμβαθύνουν τόσο ακόμα και αν πρόκειται για πτυχιακές.

 

 

Ρωτά τι χρειάζεται να κοιτάς σε αυτά που τρέχεις και μείνε εκεί

[mylo]

2 μεταβλητές έχω μια εξαρτημένη μια ανεξάρτητη. απλά ήθελα λίγο να θυμηθώ το πινακακι anova

[qsis]

df: βαθμοί ελευθερίας

SS: sum of squares

ms: mean of squares

το F χέστο

τα residuals χέστα

signifiance F (p-value)  , είναι αυτό που συγκρίνεις με το α σου (επίπεδο σημαντικότητας) για να απορρίψεις ή να μην απορρίψεις (το δέχομαι δεν είναι τυπικά σωστό να το πεις) τον έλεγχό σου, αν είναι μεγαλύτερο από το επίπεδο σημαντικότητας δεν απορρίπτεις, διαφορετικά απορρίπτεις 

 

ο έλεγχος που κάνεις σε ένα απλό γραμμικό μοντέλο με Υ την εξαρτημένη και Χ την ανεξάρτητη του τύπου 

 

Υ= β(0) +β(1) Χ + ε    , (όπου τα 0 και 1 είναι δείκτες, αλλά δεν είμαι σε word για να τα γράψω σωστά και ε τα είπαμε χέστα) είναι ο εξής;

 

Η(0): β(1) = 0

Η(1): β(1) διάφορο του 0

 

οπότε απορρίπτεις ή δεν απορρίπτεις τη μηδενική υπόθεση και αν δεν την απορρίψεις τότε θεωρείς ότι ο παράγοντάς σου είναι σημαντικός και η ανεξάρτητη όντως επηρέαζει την εξαρτημένη

 

αυτό είναι το ζουμί, μη το πάμε by the book γιατί για να τα εφαρμόσεις όλα αυτά πρέπει να κάνεις και άλλους ελέγχους πριν για κανονικότητα, ομοσκεδαστικότητα και ανεξαρτησία των σφαλμάτων και άλλα πράγματα που δε νομίζω ότι τα θέλει ο καθηγήτης σου ούτε τα γνωρίζει ίσως.. 

 

κάνε τους ελέγχους σου και τέλος, συνέχισε στην υπόλοιπη εργασία, τα πιο αναλυτικά είναι πολλή ιστορία 

[mylo]

Ευχαριστώ πολύ φίλε μου να σε καλά! Ήσουν αναλυτικότατος. Πολύτιμη η βοήθεια σου

[qsis]

Ο παραπάνω πίνακας όμως που μου έβαλες είναι ANOVA (ανάλυση διακύμανσης) , εγώ μίλησα για το τι εξετάζεις σε απλή γραμμική παλινδρόμηση που λέει ο τίτλος του θέματός σου

 

Η ανάλυση διακύμανσης είναι άλλο πράγμα

[DrLo]

Λίγα λόγια για το Anova table από το quantitative κομμάτι του CFA L2 (μιας και το βιντεάκι μίλαγε για μετοχές)

 

http://blog.smaga.ch/cfa-level-ii-quantitative-methods-anova-table/