PUH-RAPPORT - BADA - Högskolan i Borås
PUH-RAPPORT - BADA - Högskolan i Borås
PUH-RAPPORT - BADA - Högskolan i Borås
You also want an ePaper? Increase the reach of your titles
YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.
Variabeln på vänstersidan kallas beroende variabel och de på högersidan kallas<br />
oberoende variabler eller förklarande variabler. β-värdena visar hur respektive<br />
variabel påverkar variabeln Försäljningen i populationen och ε fångar de faktorer<br />
som påverkar Försäljningen i populationen men som inte finns i modellen. Ofta är<br />
vi intresserade av β-värdena men har endast tillgång till ett urval och därför kallar<br />
vi b 1<br />
en skattning av β 1<br />
, b 2<br />
en skattning av β 2<br />
och b 3<br />
en skattning av β 3<br />
.<br />
Metoden som brukas användas för att beräkna b-värdena kallas OLS (Ordinary<br />
Least Square). För att metoden skall generera korrekta skattningar av<br />
β-värdena måste flera villkor vara uppfyllda:<br />
Residualerna måste vara normalfördelade<br />
Residualerna måste ha en konstant spridning<br />
De förklarande variablerna bör inte vara korrelerade med varandra<br />
Så ett viktigt steg i regressionsanalysen är att undersöka om dessa villkor är<br />
uppfyllda. När villkor 2 inte är uppfyllt pratar man om heteroskedasticitet. När villkor<br />
3 inte är uppfyllt pratar man om multikollinearitet. Man pratar om heteroskedasticitet<br />
när spridningen av residualerna är annorlunda för låga värden på X och<br />
för höga värden på X där X är en förklarande variabel i regressionsmodellen (se<br />
Figur 1). Man pratar om multikollinearitet när ett lågt värde på X inträffar när även<br />
Y redovisar ett lågt värde, och ett högt värde på X inträffar när även Y redovisar ett<br />
högt värde och både X och Y är förklarande variabler i regressionsmodellen (se<br />
Figur 1).<br />
Figur 1. Heteroskedasticitet och multikollinearitet<br />
103
Change language