03.05.2013 Views

Excel parancsfájlok felhasználása a statisztikai elemzésekben Írta ...

Excel parancsfájlok felhasználása a statisztikai elemzésekben Írta ...

Excel parancsfájlok felhasználása a statisztikai elemzésekben Írta ...

SHOW MORE
SHOW LESS

You also want an ePaper? Increase the reach of your titles

YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.

A formátum tehát követi az <strong>Excel</strong> adatelemző menüpontja által használtat, azzal a különbséggel, hogy az<br />

egyes cellák most <strong>Excel</strong> függvényeket tartalmaznak, így az adatok megváltozásának hatása azonnal nyomon<br />

követhető az alaperedményeken. Szintén eltérés a beépített funkcióhoz képest, hogy az eredeti adatok<br />

meghagyása mellett is kihagyhatunk, illetve újra bevonhatunk változókat a paraméterek soraiban található<br />

jelölőnégyzetek segítségével.<br />

A varianciaanalízis tábla segítségével a modell globális próbáját végezhetjük el. A hipotézisrendszerről<br />

való döntés – didaktikai okokból – két módon is elvégezhető: tetszőlegesen beállítható szignifikanciaszinthez<br />

tartozó kritikus érték, valamint p-érték alapján is.<br />

A gyors parciális tesztelés lehetőséget biztosít a backward eliminációs módszer alkalmazására. A módszer<br />

lényege, hogy az első lépésben olyan regressziós függvényt határozunk meg, amely az összes megfigyelt<br />

magyarázó változót tartalmazza, majd az így meghatározott regresszió függvényből kihagyjuk lépésenként<br />

azokat a változókat, amelyek nem járulnak hozzá szignifikánsan a reziduális négyzetösszeg<br />

csökkentéséhez. A változók szelektálásához a p-értékeket használjuk: ha a p-érték magasabb, mint amit<br />

megengedtünk (pl. 0,05), akkor elfogadjuk azt a nullhipotézist, hogy a regressziós paraméter nem különbözik<br />

szignifikánsan a nullától. Amennyiben több változó p-értéke is a kívántnál magasabb, úgy a legmagasabb<br />

értékkel rendelkező változót hagyjuk ki. Az eliminációt addig folytatjuk, míg valamennyi bevont<br />

paraméter szignifikáns nem lesz.<br />

A változók szelektálását természetesen elvégezhetjük a multikollinearitás, vagy a homoszkedaszticitás<br />

parciális tesztjei, vagy szakmai ismeretek alapján is.<br />

A felhasznált képletek:<br />

154<br />

R=a korrelációs mátrix F , amely négyzetes és mérete (k+1)*(k+1), az első sor és oszlop az eredményváltozó,<br />

a többi sor és oszlop pedig a magyarázó változó korrelációs együtthatóit tartalmazza, a mátrix<br />

szimmetrikus, a mátrix az egyszerű, kétváltozós korrelációs együtthatókból áll, számításukat a mátrix<br />

alatt tüntettük fel, a diagonális elemek (adott változó önmagával számított korrelációja) 1-gyel egyenlők.<br />

⎡ 1<br />

⎢<br />

r<br />

⎢ 1y<br />

R = ⎢r2y ⎢<br />

⎢ <br />

⎢<br />

⎣rky ry1 1<br />

r21 <br />

rk1 ry2 r12 1<br />

<br />

rk2 <br />

<br />

<br />

<br />

<br />

ryk⎤<br />

r<br />

⎥<br />

1k ⎥<br />

r2k⎥<br />

⎥<br />

⎥<br />

1 ⎥<br />

⎦<br />

Az y és xj közötti lineáris korrelációs együttható jele ryj, az xi és xl közöttié pedig rjl.<br />

∑( xj − x)( yi − y)<br />

ryj<br />

=<br />

nσ<br />

σ<br />

R = a többszörös korrelációs együttható:<br />

r<br />

jl<br />

=<br />

X Y<br />

( x − x)( x − x)<br />

∑ j l<br />

nσσ<br />

xj xl<br />

1<br />

R = 1− q<br />

Ahol qyy a korrelációs mátrix inverzéből (R -1 =Q) nyerhető:<br />

154 A Mátrix munkalapon található.<br />

yy<br />

150

Hooray! Your file is uploaded and ready to be published.

Saved successfully!

Ooh no, something went wrong!