Excel parancsfájlok felhasználása a statisztikai elemzésekben Írta ...
Excel parancsfájlok felhasználása a statisztikai elemzésekben Írta ...
Excel parancsfájlok felhasználása a statisztikai elemzésekben Írta ...
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