MET 2211 Statistikk og dataanalyse Forelesning 31.10.2003 Kapittel 14: Multippel regresjon
Eksempel: vanningsanlegg ? 18.01.2019 MET 2211 - Fred Wenstøp
Minste kvadraters metode b = SPXY/SSX= a = ym – bxm = 18.01.2019 MET 2211 - Fred Wenstøp
Variansanalyse SSY = SSR + SSM R2=SSM/SSY 18.01.2019 MET 2211 - Fred Wenstøp
Den enkle lineære regresjonsmodell y = a + bx +e e-ene er uavhengige og normalfordelte a og b og se estimeres ved hjelp av minste kvadraters metode 18.01.2019 MET 2211 - Fred Wenstøp
Test på lineær sammenheng Den lineære regresjonsmodell y = a + bx +e Ingen sammenheng mellom x og y H0: b = 0 Under H0 er t studentfordelt med n = n-2 frihetsgrader 18.01.2019 MET 2211 - Fred Wenstøp
SPSS-utskrift Modell 1: avling = a + b ´ nedbor + e 18.01.2019 MET 2211 - Fred Wenstøp
Prediksjon Konfidensintervall for regresjonslinjen i x0 Prediksjonsintervall for en ny observasjon 18.01.2019 MET 2211 - Fred Wenstøp
To forklaringsvariabler Modell 2: avling = a + b1´nedbor + b1´temperatur + e 18.01.2019 MET 2211 - Fred Wenstøp
Tre forklaringsvariabler 18.01.2019 MET 2211 - Fred Wenstøp
Forutsetninger for den generelle lineære regresjonsmodell Linearitet: y er en lineær funksjon av hver av forklaringsvariablene. Partial plots. Normalfordelte residualer e. Normal Probability Plots. Kolmogorov-Smirnov. Uavhengige residualer. Durbin Watson Homoskedastisitet. Plott ZRESID-verdiene. Ikke perfekt multikolinearitet: Variance Inflation factor Ikke eksterne variabler: Forklaringsvariablene må være ukorrelert med eksterne variabler 18.01.2019 MET 2211 - Fred Wenstøp