KORELACE A REGRESE Karel Drápela

Prezentace na téma: "KORELACE A REGRESE Karel Drápela"— Transkript prezentace:

1 KORELACE A REGRESE Karel Drápela
Prezentace byla vytvořena s podporou projektu OP VK Průřezová inovace studijních programů Lesnické a dřevařské fakulty MENDELU v Brně (LDF) s ohledem na disciplíny společného základu CZ.1.07/2.2.00/

2 VÍCEROZMĚRNÝ STATISTICKÝ SOUBOR
Vícerozměrný statistický soubor je množina C souběžných realizací určitého počtu veličin X1, X2, …, Xm. Množina C vznikne získáním hodnot znaků X1, X2, …, Xm na prvcích množiny n. C je potom množina uspořádaných m-tic hodnot x1, x2, …, xm znaků X1, X2, …, Xm. n-tý OBJEKT m-tá VELIČINA

3 STATISTICKÁ ZÁVISLOST

4 STATISTICKÁ ZÁVISLOST
pokud měříme v příliš malém intervalu, nemusí se závislost prokázat!!

5 STATISTICKÁ ZÁVISLOST
jedna proměnná je násobkem druhé – v tom případě je možné jednu proměnnou z analýzy vyloučit bez ztráty informace

6 STATISTICKÁ ZÁVISLOST
korelace – popisuje vliv změny úrovně jednoho znaku na změnu úrovně jiných znaků a platí pro kvantitativní (měřené) znaky; kontingence – popisuje závislost kvalitativních (slovních, popisných) znaků, které mají více než dvě alternativy, tzv. množných znaků (např. druh dřeviny, národnost, apod.); asociace - popisuje závislost kvalitativních (slovních, popisných) znaků, které mají pouze dvě alternativy, tzv. alternativních znaků (např. pohlaví, odpovědi typu ano/ne, …).

7 KORELACE typy podle počtu korelovaných znaků
 jednoduchá – popisuje vztah dvou znaků,  mnohonásobná – popisuje vztahy více než dvou znaků, parciální – popisuje závislost dvou znaků ve vícerozměrném statistickém souboru při vyloučení vlivu ostatních znaků na tuto závislost·   

8 KORELACE typy podle smyslu změny hodnot
kladná – se zvyšováním hodnot jednoho znaku se zvyšují i hodnoty druhého znaku záporná - se zvyšováním hodnot jednoho znaku se zmenšují hodnoty druhého znaku

9 KORELACE typy podle tvaru závislosti
přímková (lineární) – grafickým obrazem závislosti je přímka (lineární trend) křivková (nelineární) – grafickým obrazem závislosti je křivka (nelineární trend)

10 KORELAČNÍ POČET korelační analýza
zjišťuje existenci závislosti a její druhy, měří těsnost závislosti, ověřuje hypotézy o statistické významnosti závislosti;       regresní analýza zabývá se vytvořením vhodného matematického modelu závislosti, stanoví parametry tohoto modelu, ověřuje hypotézy o vhodnosti a důležitých vlastnostech modelu.

11 MÍRA KORELAČNÍ ZÁVISLOSTI

12 MÍRA LINEÁRNÍ KORELAČNÍ ZÁVISLOSTI
+ =

13 MÍRA LINEÁRNÍ KORELAČNÍ ZÁVISLOSTI
KOEFICIENT DETERMINACE KOEFICIENT KORELACE

14 KOEFICIENT DETERMINACE
vyjadřuje, jakou část celkové variability závisle proměnné (vysvětlované proměnné) objasňuje regresní model. r2 = 0.9 r2 = 0.05 r2 = 1

15 KORELAČNÍ KOEFICIENT PRO JEDNODUCHOU KORELACI
párový - zvláštní případ vícenásobného korelačního koeficientu, kdy vyjadřuje míru lineární stochastické závislosti mezi náhodnými veličinami Xi a Xj,         Pearsonův         Spearmanův (korelace pořadí)

16 KORELAČNÍ KOEFICIENT PRO VÍCENÁSOBNOU KORELACI
vícenásobný - definuje míru lineární stochastické závislosti mezi náhodnou veličinou X1 a nejlepší lineární kombinací složek X2, X3, ..., Xm náhodného vektoru X parciální - definuje míru lineární stochastické závislosti mezi náhodnými veličinami Xi a Xj při zkonstantnění dalších složek vektoru X x1 x2 x3 x4 x1 x2 x3 x4

17 PEARSONŮV KORELAČNÍ KOEFICIENT (r)
podmínkou je dodržení dvourozměného normálního rozdělení = normovaná kovariance

18 PEARSONŮV KORELAČNÍ KOEFICIENT (r)
KOVARIANCE: míra intenzity vztahu mezi složkami vícerozměrného souboru je mírou intenzity lineární závislosti je vždy nezáporná její limitou je součin směrodatných odchylek je symetrickou funkcí svých argumentů její velikost je závislá na měřítku argumentů  nutnost normování

19 PEARSONŮV KORELAČNÍ KOEFICIENT (r)
Základní vlastnosti Pearsonova korelačního koeficientu: je to bezrozměrná míra lineární korelace; nabývá hodnoty 0 – 1 pro kladnou korelaci, 0 – (-1) pro zápornou korelaci; hodnota 0 znamená, že mezi posuzovanými veličinami není žádný lineární vztah (může být nelineární) nebo tento vztah zůstal na základě dat, které máme k dispozici, neprokázán; hodnota 1 nebo (-1) indikuje funkční závislost; hodnota korelačního koeficientu je stejná pro závislost x1 na x2 i pro opačnou závislost x2 na x1.

20 Souvislost mezi velikosti Pearsonova korelačního koeficientu a typem závislosti

21 PEARSONŮV KORELAČNÍ KOEFICIENT (r) – výpočet v Excelu
Pearsonův R

22 SPEARMANŮV KORELAČNÍ KOEFICIENT
neparametrický korelační koeficient, vycházející nikoli z hodnot, ale z jejich pořadí. Používá se tehdy, nejsou-li závažným způsobem splněny předpoklady pro použití Pearsonova korelačního koeficientu. diference mezi pořadími hodnot X a Y v jednom řádku

23 SPEARMANŮV KORELAČNÍ KOEFICIENT
vlivné body Pearsonův R = -0,412 (započítává se účinek vlivných bodů) Spearmanův R = +0,541 (účinek vlivných bodů je značně omezen)

24 MNOHONÁSOBNÝ KORELAČNÍ KOEFICIENT
vyjadřuje sílu závislosti jedné proměnné na dvou a více jiných proměnných

25 MNOHONÁSOBNÝ KORELAČNÍ KOEFICIENT - vlastnosti
Základní vlastnosti: 0  R  1 pokud je R = 1, znamená to, že závisle proměnná x1 je přesně lineární kombinací veličin x2, ..., xm pokud je R = 0, potom jsou také všechny párové korelační koeficienty nulové s růstem počtu vysvětlujících (nezávislých) proměnných hodnota vícenásobného korelačního koeficientu neklesá, tj. platí R1(2)  R1(2,3)  ...  R1(2, ..., m)

26 MNOHONÁSOBNÝ KORELAČNÍ KOEFICIENT - výpočet
= determinant korelační matice = determinant korelační matice s vypuštěným sloupcem a řádkem odpovídajícím té proměnné, jejíž závislost na zbytku matice se vypočítává korelační koeficient 1. a 2. proměnné Korelační matice R

27 MNOHONÁSOBNÝ KORELAČNÍ KOEFICIENT

28 MNOHONÁSOBNÝ KORELAČNÍ KOEFICIENT – výpočet v Excelu


29 MNOHONÁSOBNÝ KORELAČNÍ KOEFICIENT – výpočet v Excelu

30 MNOHONÁSOBNÝ KORELAČNÍ KOEFICIENT – výpočet v Excelu
Nástroje Analýza dat Regrese 

31 PARCIÁLNÍ KORELAČNÍ KOEFICIENT
používá se k posouzení síly závislosti dvou veličin ve vícerozměrném souboru při vyloučení vlivu ostatních veličin podle počtu „vyloučených“ proměnných se stanovují řády parciálního R – v příkladu vlevo to je parciální korelace III. řádu (3 „vyloučené“ proměnné)

32 PARCIÁLNÍ KORELAČNÍ KOEFICIENT - výpočet
„Klasický“ výpočet je velmi zdlouhavý – vychází se z korelační matice, poté se počítají parciální korelace I. řádu (s jednou vyloučenou proměnnou), z nich II. řádu (dvě vyloučené proměnné), atd. až do potřebného řádu. Při využití Excelu je možné využít vzorce

33 PARCIÁLNÍ KORELAČNÍ KOEFICIENT – výpočet v Excelu

34 PARCIÁLNÍ KORELAČNÍ KOEFICIENT – výpočet v Excelu
det(R(11)) = det(R(12)) = det(R(22)) =

35 PARCIÁLNÍ KORELAČNÍ KOEFICIENT – výpočet v Excelu
Parciální korelační koeficient III. řádu pro závislost proměnných X1 a X2 (při vyloučení vlivu proměnných X3, X4 a X5) je 0.58.

36 REGRESNÍ ANALÝZA Základní úlohou regresní analýzy je nalezení vhodného modelu studované závislosti. Snažíme se nahradit každou měřenou (experimentální, empirickou, zjištěnou) hodnotu závisle proměnné (vysvětlované proměnné) Y hodnotou teoretickou (modelovou, vyrovnanou, predikovanou), tj. hodnotou ležící na spojité funkci (modelu) nezávisle proměnné (vysvětlující proměnné) X (X)

37 Francis Galton (1822-1911) položil základy regresní analýzy
(vztah mezi výškou syna a výškou otce) zázračné dítě, bratranec Charlese Darwina zakladatel eugeniky (nauky o zlepšování genetického základu)

38 REGRESNÍ ANALÝZA měřené hodnoty modelové (vypočítané) hodnoty

39 REGRESNÍ MODEL y = X  +  závisle nezávisle proměnná regresní náhodná
proměnná parametry chyba y = X  + 

40 REGRESNÍ MODEL

41 REGRESNÍ MODEL - typy Regresní model předpokládá, že nezávislá proměnná (proměnné) je nenáhodná (tj. pevně určena, např. experimentátorem) a závislá proměnná je náhodná (měřená).Tento předpoklad nebývá v praxi striktně naplněn (v mnoha případech jsou obě nebo všechny veličiny náhodné, tj. měřené, potom mluvíme o tzv. korelačním modelu). Rozeznáváme: regresní modely lineární – mají lineární postavení parametrů regresní modely nelineární –mají nelineární postavení parametrů

42 REGRESNÍ MODEL - typy Příklady lineárních regresních modelů:
y = a + bx přímka y = a + bx + cx parabola y = a + (b/x) - hyperbola lineární modely jsou i některé, jejichž grafickým vyjádřením je křivka!! Příklady nelineárních regresních modelů: y = axb y = aebx Výhody – jsou schopny modelovat složité reálné děje, např. růst, včetně reálné predikce. Nevýhody – složitý výpočet

43 POSTUP REGRESNÍ ANALÝZY
Podstatou řešení regresní analýzy je: stanovit nejvhodnější tvar regresního modelu (tedy určit příslušnou rovnici, která bude popisovat závislost Y na X) stanovit jeho parametry (tj. stanovit konkrétní hodnoty parametrů ) stanovit statistickou významnost modelu (tj. zda model podstatným způsobem přispěje ke zpřesnění odhadu závisle proměnné oproti použití průměru) výsledky dané modelem interpretovat z hlediska zadání

44 STANOVENÍ VHODNÉHO TVARU MODELU
najít množinu modelů, které svými vlastnostmi vyhovují řešenému problému (např. růstové funkce) teprve mezi nimi najít podle statistických kritérií ten model, která nejlépe vyhovuje měřeným datům Je nutné věnovat velkou pozornost tomu, aby byla modelována REÁLNÁ PŘÍČINNÁ ZÁVISLOST!!

45 STANOVENÍ PARAMETRŮ MODELU METODA NEJMENŠÍCH ČTVERCŮ
reziduum

46 MNČ PRO PŘÍMKU = a + bx  Parciální derivace podle parametrů:

47 MNČ PRO PŘÍMKU Získáme soustavu normálních rovnic:

48 MNČ – obecný postup

49 MNČ – obecný postup

50 MNČ – obecný postup obecný vztah pro výpočet regresních parametrů lineárního modelu obecný vztah pro výpočet predikovaných (modelových) lineárního modelu projekční matice H

51 PŘEDPOKLADY MNČ 1) Regresní parametry  mohou teoreticky nabývat jakýchkoli hodnot. 2) Regresní model je lineární v parametrech. 3) Jednotlivé nezávislé proměnné jsou skutečně vzájemně nezávislé, tedy mezi nimi nedochází k tzv. multikolinearitě. 4) Podmíněný rozptyl D(y/x) = 2 je konstantní (tzv. podmínka homoskedasticity). 5) Náhodné chyby mají nulovou střední hodnotu E(i) = 0, mají konečný rozptyl E(i2) = 2 a jsou nekorelované.

52 MULTIKOLINEARITA Vektory matice X musí být skutečně navzájem nezávislé (jejich párové R musí být nulové nebo statisticky nevýznamné). Pokud tomu tak není, dochází k multikolinearitě, která způsobuje početní i statistické problémy.

53 MULTIKOLINEARITA – proč je „nebezpečná“
Početní problémy: způsobuje špatnou podmíněnost matice XT X, (determinant této matice je nula nebo číslo blízké nule) potíže při invertaci matice (regresní model není jednoznačně řešitelný (singularita matice)). Statistické problémy: nelze odděleně sledovat skutečný vliv jednotlivých vysvětlujících vstupních proměnných na vysvětlovanou (závislou) proměnnou nespolehlivé určení parametrů regresního modelu (interval spolehlivosti parametrů je tak velký, že odhad parametrů ztrácí smysl) nestabilita odhadů regresních parametrů (např. malá změna hodnot závisle proměnné znamená zásadní změnu parametrů)

54 MULTIKOLINEARITA – příčiny
přeurčenost regresního modelu („zbytečně“ mnoho nezávislých proměnných) skutečně existující závislost mezi „nezávislými“ proměnnými povaha modelu (např. polynom) nevhodné rozmístění experimentálních bodů (např. malá variabilita hodnot nezávisle proměnné)

55 MULTIKOLINEARITA – vliv variability nezávisle proměnné

56 MULTIKOLINEARITA – vliv variability nezávisle proměnné

57 MULTIKOLINEARITA - testování
VIF – variance inflation factor – diagonální prvky inverzní matice ke korelační matici nezávisle proměnných (diag(R-1)) korelační matice R inverzní matice R-1 =INVERZE(B2..F6) Ctrl+Shift+Enter kriticky vysoké hodnoty VIF VIF > 10  kritická multikolinearita

58 MULTIKOLINEARITA - řešení
K odstranění (nebo zmenšení nepříznivého vlivu) multikolinearity může vést: snížení počtu nezávisle proměnných použití jiného modelu použití jiné metody výpočtu (obvykle metody regrese hlavních komponent – PCR)

59 HOMOSKEDASTICITA x HETEROSKEDASTICITA
Homoskedasticita znamená, že hodnoty závisle proměnné y mají pro všechny hodnoty nezávisle proměnné X konstantní rozptyl (variabilitu, proměnlivost). homoskedasticita heteroskedasticita

60 HOMOSKEDASTICITA - princip
měřené hodnoty nejpravděpodobnější hodnota veličiny Y (modelová)

61 HOMOSKEDASTICITA - testování
Test trendu reziduí Testujeme významnost Spearmanova korelačního koeficientu s

62 HOMOSKEDASTICITA - testování
Vycházíme z předpokladu, že rozptyl naměřené hodnoty yi je určitou funkcí proměnné xi  (např. exponenciální funkcí) Cookův - Weisbergův test Pokud v datech není heteroskedasticita, potom platí, že Sf  2(1)

63 HOMOSKEDASTICITA – řešení
Nejobvyklejším způsobem je použití metody vážených nejmenších čtverců, kdy se podmínka sumy reziduí násobí vhodně zvolenými váhami V běžných případech je možné jako váhy volit hodnoty 1/yi nebo 1/yi2 .

64 INTERVALY SPOLEHLIVOSTI V KORELAČNÍ A REGRESNÍ ANALÝZE
IS korelačního koeficientu (koeficientu determinace) IS regresních parametrů IS modelových hodnot (modelu) IS predikovaných hodnot (pás spolehlivosti)

65 INTERVAL SPOLEHLIVOSTI R (IS)
IS vymezuje interval možných hodnot korelačního koeficientu základního souboru  (s pravděpodobností 1 - ) Protože rozdělení výběrových korelačních koeficientů není normální, musíme použít Fisherovu transformaci která má přibližně normální rozdělení se střední hodnotou E(Z) = Z() a rozptylem D(Z) = 1/(n-3).

66 INTERVAL SPOLEHLIVOSTI R
polovina IS Postup výpočtu IS R: horní a dolní hranice IS ve Fisherově transformaci Fisherova transformace R Z(R) v Excelu funkce FISHER(R) statistické tabulky horní a dolní hranice IS ve Fisherově transformaci horní a dolní hranice IS korelačního koeficientu retransformace Z(R) na korelační koeficient v Excelu funkce FISHERINV(Z(R)) statistické tabulky

67 INTERVAL SPOLEHLIVOSTI R
Fisherova proměnná R = FISHER( ) = 1.864 IS Fisherovy proměnné: IS korelačního koeficientu: =FISHERINV(1.2107) = =FISHERINV(2.5174) =

68 INTERVAL SPOLEHLIVOSTI REGRESNÍCH PARAMETRŮ
vyjadřuje interval na číselné ose, ve kterém se s pravděpodobností 1 -  vyskytuje neznámý parametr  základního souboru Pokud IS obsahuje nulu – tedy dolní hranice je záporná a horní kladná - je daný parametr statisticky nevýznamný. Směrodatné odchylky pro přímku:

69 IS REGRESNÍCH PARAMETRŮ - příklad
průběh přímky pro dolní hranici IS (1,21) průběh přímky pro hodní hranici IS (1,91)

70 IS REGRESNÍCH PARAMETRŮ - příklad

71 INTERVAL SPOLEHLIVOSTI MODELOVÝCH HODNOT
JEDNA HODNOTA REGRESNÍHO MODELU (tyto hodnoty platí jen pro jeden konkrétní výběr, ze kterého byly vypočítány) plocha, ve které se s pravděpodobností 1 -  nacházejí všechny možné modely vypočítané z jakéhokoliv výběru pocházejícího z daného základního souboru IS jedné modelové hodnoty horní hranice IS dolní hranice IS

72 IS MODELOVÝCH HODNOT Pro model přímky: směr.odchylka reziduí
modelová hodnota polovina IS modelu přímky

73 IS Y HODNOT – PÁS SPOLEHLIVOSTI
udává rozpětí, ve kterém se budou v základním souboru nacházet hodnoty závisle (vysvětlované) proměnné se zvolenou pravděpodobností 1 - 

74 IS MODELU A PÁS SPOLEHLIVOSTI - příklad

75 IS MODELU - příklad

76 TESTY VÝZNAMNOSTI V REGRESNÍ ANALÝZE – proč musíme testovat?
skutečný regresní model platný pro základní soubor (neznáme ho !!!) – statisticky nevýznamný Statistický test významnosti modelu určí, zda na základě dat získaných z výběru můžeme „uvěřit“, že model je významný i v základním souboru Regresní model získaný na základě výběru („nešťastný“ výběr dat) – vede k závěru, že model je statisticky významný

77 TESTY VÝZNAMNOSTI V KORELAČNÍ A REGRESNÍ ANALÝZE
test významnosti korelačního koeficientu test významnosti modelu jako celku test významnosti jednotlivých regresních parametrů test shody lineárních regresních modelů a mnoho dalších …..

78 TEST VÝZNAMNOSTI R Test významnosti odpovídá na otázku, zda je korelace mezi výběrovými proměnnými (R) natolik silná, abychom mohli tuto korelaci považovat za prokázanou i pro základní soubor (). KH n – počet hodnot výběru Pro párový R: t,n-2 t,n-m Pro násobný R: m – počet proměnných k – počet „vyloučených“ proměnných t,n-k-2 Pro parciální R:

79 TEST VÝZNAMNOSTI REGRESNÍHO MODELU – co testujeme
Y = b0 + b1x1 + b2x2 + b3x3 + … + bmxm Testujeme JEDNOTLIVÉ PARAMETRY (jestliže je daný parametr nevýznamný, příslušná proměnná xj nijak nepřispívá ke zpřesnění odhadu závisle proměnné a je v modelu zbytečná). Testujeme MODEL JAKO CELEK (zda příslušná kombinace nezávisle proměnných statisticky významně zpřesní odhad závisle proměnné oproti použití jejího průměru)

80 TEST VÝZNAMNOSTI REGRESNÍHO MODELU JAKO CELKU
Test významnosti korelačního koeficientu Pomocí analýzy rozptylu Testové kritérium F se porovná s kritickou hodnotou F;m-1;n-m.

81 TEST VÝZNAMNOSTI REGRESNÍCH PARAMETRŮ
H0: j = 0, tj. j-tý regresní parametr je nevýznamný pro j = 0 Pokud platí, že t> t2;n-m, potom je j-tý regresní parametr statisticky významný a příslušná proměnná musí zůstat v modelu.

82 HODNOCENÍ MODELU Z HLEDISKA VÝSLEDKŮ TESTŮ VÝZNAMNOSTI

83 TEST SHODY REGRESNÍCH MODELŮ
Porovnává se: empirický model (modely) s teoretickým dva nebo více empirických modelů mezi sebou H0: Porovnávané modely jsou shodné (tj. shodují se ve směrnici i v úseku).

84 TEST SHODY REGRESNÍCH MODELŮ
A B C D

85 TEST SHODY REGRESNÍCH MODELŮ
SHODA EMPIRICKÉHO A TEORETICKÉHO MODELU: H0: Empirický model y’ = a + bx pochází ze základního souboru, jehož model y’ =  + x je shodný s teoretickým modelem y’0 = 0 +0x, tj. platí  = 0,  =0.

86 TEST SHODY REGRESNÍCH MODELŮ
SHODA DVOU EMPIRICKÝCH MODELŮ: H0: j,1 = j,2, tj. regresní koeficienty obou modelů jsou v základním souboru shodné Vycházíme z testování shody regresních parametrů dvou lineárních modelů y1 = X11 + 1 a y2 = X22 + 2 Při tomto testu využijeme tzv. složeného modelu, tj. oba porovnávané výběry sloučíme do jednoho a také pro něj stanovíme parametry stejného modelu jako pro oba dílčí výběry

87 TEST SHODY REGRESNÍCH MODELŮ
n celkový počet prvků obou výběrů, tj. n1 + n2 RSCs reziduální součet čtverců složeného modelu RSC1 reziduální součet čtverců prvního modelu RSC2 reziduální součet čtverců druhého modelu

88 HODNOCENÍ KVALITY REGRESNÍHO MODELU
střední kvadratická chyba predikce (MEP) ei2 čtverec reziduí modelu Hii i-tý diagonální prvek projekční matice H Akaikovo informační kritérium (AIC) RSC reziduální součet čtverců m počet parametrů Čím je AIC (MEP) menší, tím je model vhodnější.

89 REGRESNÍ DIAGNOSTIKA – stačí vždy jen testování modelu a parametrů?

90 REGRESNÍ DIAGNOSTIKA – stačí vždy jen testování modelu a parametrů?

91 REGRESNÍ DIAGNOSTIKA Zkoumá regresní triplet
data (kvalitu dat pro navržený model) model (kvalitu modelu pro daná data) metoda odhadu (splnění předpokladů metody MNČ)

92 REGRESNÍ DIAGNOSTIKA – analýza reziduí
Používá se grafická analýza reziduí - tři typy grafů:

93 REGRESNÍ DIAGNOSTIKA – analýza reziduí
„mrak“ bodů – graf nesignalizuje žádný problém

94 REGRESNÍ DIAGNOSTIKA – analýza reziduí
„klín“ bodů – indikace heteroskedasticity (nekonstantního rozptylu)

95 REGRESNÍ DIAGNOSTIKA – analýza reziduí
indikace chybného modelu

96 REGRESNÍ DIAGNOSTIKA – vlivné body
Vlivné body (data, jejichž zařazení do modelu průběh modelu podstatně ovlivní): hrubé chyby - jsou způsobeny chybou měření nebo pozorování, body s vysokým vlivem (tzv. „zlaté body“) jsou speciálně vybrané body, které byly přesně změřeny a zpravidla zlepšují predikční schopnosti modelu; zdánlivě vlivné body - jsou způsobeny nevhodným modelem;

97 REGRESNÍ DIAGNOSTIKA – vlivné body
odlehlé body extrémy v pořádku i-tý diagonální prvek projekční matice H

98 REGRESNÍ DIAGNOSTIKA – kvalita modelu
Graf reziduí Parciální regresní grafy vyjadřuje závislost mezi vysvětlovanou proměnnou (tedy vektorem y) a jednou vysvětlující proměnnou xj při statisticky neměnném vlivu ostatních vysvětlujících proměnných, které tvoří matici X(j) (vynechaná j-tá proměnná). Je to tedy určitá grafická obdoba parciálního korelačního koeficientu u korelačních modelů.

99 REGRESNÍ DIAGNOSTIKA – kvalita modelu
Zajímá nás, zda všechny proměnné x1-3 jsou v modelu oprávněně. Postup je ukázán pro proměnnou x1. y x1 x2 x3 X y x1 x2 x3 X(1) x1=f(X(1)) regrese v1 rezidua u1 y=f(X(1)) regrese Proměnná x1 do modelu patří u1 u1 v1 Proměnná x1 do modelu nepatří v1

100 REGRESNÍ DIAGNOSTIKA – kvalita modelu
pokud body parciálního regresního grafu leží na přímce s nulovým úsekem (absolutním členem), potom existuje skutečná lineární závislost mezi y a xj směrnice přímky proložené body parciálního regresního grafu číselně odpovídá příslušnému regresnímu koeficientu bj původního (posuzovaného) regresního modelu korelační koeficient mezi uj a vj odpovídá parciálnímu korelačnímu koeficientu rezidua regresní přímky mezi uj a vj odpovídají reziduím původního modelu

101 REGRESNÍ DIAGNOSTIKA – podmínky MNČ
multikolinearita – VIF heteroskedasticita – testy heteroskedasticity (např. Cook Weinsberg) autokorelace reziduí – test významnosti autokorelačního koeficientu normalita reziduí – testy normality

102 REGRESNÍ MODEL - typy Příklady lineárních regresních modelů:
y = a + bx přímka y = a + bx + cx parabola y = a + (b/x) - hyperbola lineární modely jsou i některé, jejichž grafickým vyjádřením je křivka!! Příklady nelineárních regresních modelů: y = axb y = aebx Výhody – jsou schopny modelovat složité reálné děje, např. růst, včetně reálné predikce. Nevýhody – složitý výpočet

103 NELINEÁRNÍ REGRESNÍ MODELY
Platí podmínka, že 1. parciální derivace regresního modelu podle parametrů je alespoň pro jeden parametr jeho funkcí.

104 NELINEÁRNÍ REGRESNÍ MODELY
Regresní modely se dělí na: neseparabilní – všechny parametry jsou v nelineárním postavení separabilní – část parametrů je lineárních, část nelineárních linearizovatelné – vhodnou transformací je lze převést na lineární model

105 NELINEÁRNÍ REGRESNÍ MODELY
pro lineární model: pro nelineární model: účelová (minimalizační) funkce jednoznačné řešení

106 NELINEÁRNÍ REGRESNÍ MODELY
1. odhad parametrů 1. aproximace 2. odhad parametrů (první vypočítaný) 2. aproximace 3. odhad parametrů (druhý vypočítaný)

107 NELINEÁRNÍ REGRESNÍ MODELY
lokální min. (zde není optimální řešení) sedlový bod globální minimum (optimální řešení)

108 NELINEÁRNÍ REGRESNÍ MODELY
Metody odhadů parametrů nederivační metody přímého hledání (např. krokové hledání minima, Rosenbrockova metoda) simplexové metody (postupné vytváření adaptivních polyedrů – simplexů a jejich „překlápění“ směrem k minimu) metody využívající náhodných čísel derivační (tendence k lokálním minimům, závislost na prvních odhadech, vhodné k jemnému nalezení minima jako pokračování nederivačních metod) Gauss-Newton Levenberg-Marquart dog-leg

109 HODNOCENÍ NELINEÁRNÍHO REGRESNÍHO MODELU
1.  Kvalita nalezených odhadů parametrů a) podle intervalů spolehlivosti (čím menší interval spolehlivosti, tím lépe) b) podle rozptylů parametrů, kde by pro kvalitní odhad mělo platit

110 HODNOCENÍ NELINEÁRNÍHO REGRESNÍHO MODELU
2. Kvalita dosažené těsnosti proložení 1.    a) podle reziduálního rozptylu b) podle regresního rabatu, což je v procentech vyjádřený koeficient determinace (čím více se blíží 100 %, tím lepší proložení) 3. Vhodnost navrženého modelu Akaikovo informační kritérium(AIC) - (čím je AIC menší, tím vhodnější je model).

111 HODNOCENÍ NELINEÁRNÍHO REGRESNÍHO MODELU
4. Predikční schopnost modelu střední kvadratická chyba predikce (MEP) - čím je MEP menší, tím je predikční schopnost modelu lepší 5. Kvalita experimentálních dat a) na základě analýzy reziduí b)  na základě analýzy vlivných bodů (podle Jackknife reziduí, Cookovy vzdálenosti, diagonální prvky projekční matice a věrohodnostní vzdálenost).