Regresjonsforutsetninger i STATA

Slides:



Advertisements
Liknende presentasjoner
Å forklare sosiale fenomener
Advertisements

Kapittel 4 - Regresjonsanslyse
Statistikk på 50 5 minutter
Kap 12 Korrelasjon / Regresjon
Enhalet og tohalet hypotesetest
Tolkning av resultatene fra logistisk regresjon
Eliteutdanninger i Norge?
Regresjonskritikk I Den beste modellen – men hvor god er denne modellen? God nok? Regresjonsanalysens forutsetninger – oversikt over mulige problemer 1:
Anvendt statistisk dataanalyse i samfunnsvitenskap
Om semesteroppgaven Krav til den avhengige variabelen
Anvendt statistisk dataanalyse i samfunnsvitenskap
Anvendt statistisk dataanalyse i samfunnsvitenskap
Anvendt statistisk dataanalyse i samfunnsvitenskap
Dimensjonsanalyse NTNU 2005 Ø. Arntsen
Anvendt statistisk dataanalyse i samfunnsvitenskap
1: Korrelasjon, kovarians (at variablene ’spiller sammen’)
Uni-, bi- og multivariate analyser
Simpel regresjon Plott av variablene Y mot X
SAMMENHENGER MELLOM VARIABLER
Elevundersøkelsen 2008 Resultater Sauda Vidaregåande skule.
Statistikk på 20 2 timer PSY-1002
Anvendt statistisk dataanalyse i samfunnsvitenskap
Statistiske egenskaper ved målesystemer
Anvendt statistisk dataanalyse i samfunnsvitenskap
Sammenhenger, problemstilling og forklaringer Forelesning 6/
Regresjonsanalyse Del 2
Presentasjon av data: deskriptiv statistikk
Regresjon Gjennom punktsvermer (scatter plots) kan en ofte (men ikke alltid) med rimelighet trekke en rett linje. En slik linje heter en regresjonslinje.
Økonometri 1: Den multiple regressionsmodel1 Økonometri 1 Den multiple regressionsmodel 17. februar 2006.
Regresjon Petter Mostad
 Vi ønsker å tilpasse en rett linje gjennom dataskyen  Denne linjen skal ha den beste tilpasningen (minst feil) til data.
Operasjonsanalytiske emner Prognosemodeller basert på Tidsserieanalyse Rasmus RasmussenBØK710 OPERASJONSANALYTISKE EMNER1 Del 23Forecasting 1 - Mønster.
Bolk 3 – Sammenligne gjennomsnitt i ulike grupper
Bolk 3 – Sammenligne gjennomsnitt i ulike grupper
Bolk 2 – Deskriptiv statistikk
Operasjonalisering: målenivå for variabler
Studiebarometeret 2013 Regresjonsanalyser HiST-avdelinger Utført av Norfakta på oppdrag fra HiST Basert på rådata stilt til disposisjon av NOKUT.
BØK711 Bedriftsøkonomisk analyse Forelesingsplan Uke 3 (37) BØK 711 Bedriftsøkonomisk analyse1.
Modell av problemstilling: Kausalitet- årsakssammenhenger I forrige del av leksjon 2 ble en modell av problemstillingen presentert som en måte å visualisere.
SPSS-kurs Bolk 2 – Deskriptiv statistikk. Bolk 2: Deskriptiv statistikk I denne bolken skal vi bruke SPSS til å utforske og beskrive data gjennom ulike.
Analyse av kostnader for eiendomsutvikling i Norge
Funksjoner Kapittel 2.
Skriv inn prosjekttittelen her Navn Lærerens navn Skole
Prosjekttittel Ditt navn | Lærerens navn | Skolen din
Vegvesenprosjektet Nina Larsgård.
Kurvetilpasning - filtere
Forskningsprosjekt, tittel
MET 2211 Statistikk og dataanalyse
Kapittel 13: Multippel regresjon Modelldiagnostikk
Tabeller og grafer B – Samarbeid
Figur 5.1 Måling av tilfredshet på ordinalt målenivå.
Figur 25.1 Sammenheng mellom inntekt i millioner NOK (y) og antall års utdanning (x) utover grunnskolen. I denne populasjonen er ß0 = 0.4 og ß1 =
Kapittel 14: Multippel regresjon
SIV : Ett gjennomsnitt Kapittel /12/2018 Fred Wenstøp.
Kapittel 15: Valg av metode Kapittel 16: Stokastiske variabler
Tester med SPSS prosedyrer og utskrifter
MET 8006 Statistikk Kapittel 13: Regresjon.
MET 8006 Statistikk Kapittel 13: Regresjon.
Tittel på forskningsprosjekt
SIV : Metodevalg Stokastiske variabler
Figur 17.1 Histogram for alle DNB-kundene i undersøkelsen.
MET 2211 Statistikk og dataanalyse
SIV : Regresjon Kapittel 13 17/01/2019 Fred Wenstøp.
MET 2211 Statistikk og dataanalyse
SIV : Variansanalyse Kapittel 14 17/02/2019 Fred Wenstøp.
MET 2211 Statistikk og dataanalyse
MET 2211 Statistikk og dataanalyse
Åpen økonomi aggregert etterspørsel
Kapittel 10 Inferens om gjennomsnitt
Katalase – enzymkonsentrasjon og reaksjonshastighet
Utskrift av presentasjonen:

Regresjonsforutsetninger i STATA Lineær regresjon (OLS) Logistisk regresjon SOS3003 & IDR3031, Våren 2015 Anne Tjønndal

De viktigste forutsetningene for lineær regresjonsanalyse (OLS) at regresjonskurven er en rett linje at restleddet er normalfordelt, homoskedastisk og uavhengig mellom observasjonene at sammenhengen mellom den uavhengige og den avhengige variabelen ikke er spuriøs, som vil si at restleddet i modellen er ukorrelert med de uavhengige variabelen.

De viktistre forutsetningene for logistisk regresjonsanalyse at sammenhengen mellom variablene er S-formet og kan beskrives med den logistiske funksjonen, som vil si en rett linje på logit-skalaen. at de enkelte observasjonene er uavhengige av hverandre, men har ingen forutsetninger knyttet til restleddet. at sammenhengen mellom den uavhengige og den avhengige variabelen ikke er spuriøs.

Lineær regresjon (OLS) Sammenhengen mellom variablene er lineær (acprplot, RESET, linktest) Homoskedastisitet (rvfplot, estat hettest) Normalfordet restledd (pred residuals + histogram, q-q plot) Uavhengighet (xtreg) Multikollinearitet (estat vif) Ekskludert alle irrelevante variabler Inkludert alle relevante variabler

Logistisk regresjon Multikollinearitet (collin + var1 var2 var3 var4 ++) Hosmer-Lemeshow test (S-form/logistisk regresjonskurve) Diskriminering Uavhengighet (xtreg) Ekskludert alle irrelevante variabler Inkludert alle relevante variabler

Dette var siste video i STATA-Serien….. LYKKE TIL MED SEMESETEROPPGAVEN OG EKSAMEN!