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.
X T ⎡ 1<br />
⎢<br />
⎢<br />
x<br />
⎢x<br />
X= ⎢<br />
⎢ .<br />
⎢ .<br />
⎢<br />
⎢⎣<br />
x k<br />
⎡<br />
⎢<br />
⎢<br />
⎢<br />
⎢<br />
=<br />
⎢<br />
⎢<br />
⎢<br />
⎢<br />
⎢<br />
⎢<br />
⎢⎣<br />
11<br />
21<br />
∑<br />
1<br />
∑<br />
i=<br />
1<br />
n<br />
i=<br />
1<br />
ki<br />
x<br />
x<br />
x<br />
1<br />
12<br />
22<br />
k2<br />
∑<br />
∑<br />
i=<br />
1<br />
∑<br />
i=<br />
1<br />
n<br />
i=<br />
1<br />
n<br />
ki<br />
...<br />
...<br />
...<br />
1i<br />
1 ⎤ ⎡1<br />
x<br />
⎥ ⎢<br />
1n<br />
⎥ ⎢<br />
1<br />
x ⎥ ⎢ 2n<br />
.<br />
⎥ ⎢<br />
⎥ ⎢.<br />
⎥ ⎢.<br />
⎥ ⎢<br />
x kn ⎥⎦<br />
⎢⎣<br />
1<br />
∑<br />
∑<br />
i=<br />
1<br />
∑<br />
i=<br />
2<br />
n<br />
(X T X) -1 az előző mátrix inverze a bevont változók esetében.<br />
(X T X)*(X T X) -1 =E, ahol E az egységmátrix.<br />
n<br />
n<br />
.<br />
.<br />
.<br />
x<br />
x<br />
1i<br />
n<br />
x<br />
x<br />
x<br />
1i<br />
2<br />
1i<br />
x<br />
i=<br />
1<br />
n<br />
n<br />
x<br />
x<br />
x<br />
1i<br />
ki<br />
2i<br />
x<br />
x<br />
2i<br />
2i<br />
x<br />
x<br />
x<br />
11<br />
12<br />
1n<br />
...<br />
...<br />
...<br />
x<br />
x<br />
x<br />
21<br />
22<br />
2n<br />
∑<br />
i=<br />
k<br />
n<br />
∑<br />
i=<br />
1<br />
n<br />
n<br />
∑<br />
i=<br />
1<br />
...<br />
...<br />
...<br />
x<br />
x<br />
x<br />
⎤<br />
x ki ⎥<br />
⎥<br />
x ⎥<br />
1ix<br />
ki ⎥<br />
⎥<br />
⎥<br />
⎥<br />
⎥<br />
⎥<br />
2<br />
x ⎥ ki<br />
⎥⎦<br />
A fentiekben felsorolt mátrixok közül több önmagában is fontos információkat hordoz a regresszióval<br />
kapcsolatban, néhány kiszámítása pedig a további vizsgálatok miatt szükséges. Didaktikai okokból mindegyik<br />
mátrixok bemutatását szükségesnek tartottuk.<br />
4.1.3 A Maradék munkalap<br />
A Maradék munkalapon az aktuális modell empirikus maradékaiból képzett oszlopvektorok találhatóak<br />
meg, valamint lehetőség van becslés, előrejelzés elvégzésére is. A munkalapon található oszlopvektorok<br />
az alábbiak:<br />
- y: a vizsgált eredményváltozó értékeinek vektora;<br />
- ˆy : az eredményváltozó értékeinek becsült vektora, a bevont magyarázóváltozókkal történt pontbecslés;<br />
2<br />
- ˆy : az eredményváltozó becsült értékeinek négyzete;<br />
- e: empirikus reziduum( e = y− yˆ)<br />
;<br />
- et-p: az empirikus maradék p-vel (p=1,2,…,12) késleltetett értéke (p nagyságát az Autokorreláció<br />
munkalapon lehet megadni, jellemzően p = 1);<br />
- e 2 : a maradék négyzete.<br />
Előrejelzést (idősorok esetén), illetve pontbecslést (keresztmetszeti adatbázisok esetén) készíthetünk a H<br />
oszloptól kezdődően, a sárga mezőkbe a magyarázóváltozók kívánt értékeit kell beírni. Technikai okokból<br />
valamennyi (bevont és be nem vont) változóhoz meg kell adni értékeket, ezekből csak azokat fogja a<br />
program figyelembe venni, amelyek bevont változókhoz tartoznak. Egyszerre maximum 20 becslés, illetve<br />
előrejelzés hajtható végre. A helyesen kitöltött magyarázó változó értékekhez tartozó becsült eredményváltozó<br />
érték a H oszlopban olvasható le.<br />
4.1.4 A Multikollinearitás munkalap<br />
A Multikollinearitás munkalap a magyarázó változók összefüggésének problémáját vizsgálja. A<br />
multikollinearitás témaköre hatalmas irodalommal rendelkezik, a téma egyik legfrissebb és legátfogóbb<br />
k1<br />
k2<br />
kn<br />
⎤<br />
⎥<br />
⎥<br />
⎥<br />
⎥ =<br />
⎥<br />
⎥<br />
⎥<br />
⎥⎦<br />
156