Excel parancsfájlok felhasználása a statisztikai elemzésekben Írta ...
Excel parancsfájlok felhasználása a statisztikai elemzésekben Írta ...
Excel parancsfájlok felhasználása a statisztikai elemzésekben Írta ...
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
togonális, tehát nincs multikollinearitás, mert a magyarázó változók függetlenek egymástól. Amennyiben<br />
a sajátértékek távolodnak ettől az esettől, akkor a RED-mutató értéke növekszik.<br />
A redundancia hiánya esetén a RED-mutató értéke nulla százalék, míg maximális redundancia esetén<br />
száz százalék. Ha pl. RED(%)=30%, akkor ez azt jelenti, hogy az adott méretű és minimális redundanciájú<br />
adatállományhoz képest a hasznos tartalmat hordozó adatok aránya 70%, azaz az adatok átlagos<br />
együttmozgásának a maximálishoz viszonyított mértéke pedig 30%.<br />
A RED-mutató kifejezhető a magyarázó változók korrelációs mátrixának főátlón kívüli elemeinek négyzetes<br />
átlagaként is. Ez azt jelenti, hogy a mutató nem csak a becslőfüggvény szempontjából hasznos tartalmat<br />
hordozó adatok arányát mutatja, hanem a magyarázó változók együttmozgásának átlagos mértékét<br />
is.<br />
A redundancia kritikus értéke, ha k=1,2…16 és a sajátértékek száma 1, akkor a kritikus értékek:<br />
1<br />
R ED k,1 =<br />
*100<br />
(k −1)(k −1)<br />
120%<br />
100%<br />
80%<br />
60%<br />
40%<br />
20%<br />
0%<br />
2 3 4 5 6 7 8 9 10 11 12 13 14 15 16<br />
4.2. ábra: A RED-mutató kritikus értékei, mint 1 darab sajátérték zéró voltának szükséges feltétele.<br />
A k=a magyarázó változók száma (k=2-16)<br />
Ha:<br />
RED(%) < RED k,1(%)<br />
(zöld szám)<br />
Akkor a lineáris regressziós modell illesztése után kapott becsült paraméterek szórásnégyzeteinek az öszszege<br />
illetve átlaga biztosan véges. (zöld szám)<br />
Ha:<br />
RED(%) > RED k,1(%)<br />
(piros szám)<br />
Akkor a lineáris regressziós modell illesztése után kapott becsült paraméterek szórásnégyzeteinek az öszszege<br />
illetve átlaga nem biztos, hogy véges. Ezért a határpont kritikus értékként is értelmezhető. (piros<br />
szám)<br />
A multikollinearitás lokalizálása<br />
A korrelációs együtthatók vizsgálata<br />
A magyarázó változók (xj és xl) közötti kapcsolat is tesztelhető, az a kedvező, ha nincs szignifikáns kapcsolat<br />
a két változó között, (ld. alább az első egyenlőtlenséget, zöld szám) de ha szignifikáns a kapcsolat,<br />
(ld. alább a második egyenlőtlenséget, piros szám) még ez még nem jelenti feltétlenül azt, hogy káros a<br />
multikollinearitás mértéke.<br />
159