Svečias
Titulinis Mokymai Mokymų medžiaga Metodologiniai paketai Taikomoji regresija
Apie mokymus
Mokomieji duomenys
E. mokymai
TAIKOMOJI REGRESINĖ ANALIZĖ SOCIALINIUOSE TYRIMUOSE
TAIKOMOJI REGRESINĖ ANALIZĖ SOCIALINIUOSE TYRIMUOSE

Pavyzdinis metodologinis mokomasis studijų paketas

TAIKOMOJI REGRESINĖ ANALIZĖ SOCIALINIUOSE TYRIMUOSE

Autorus Prof. habil. dr. Vydas Čekanavičius

Ankstesnis dokumentas Turinys  Literatūros sąrašas Duomenų šaltiniai Sekantis dokumentas

3. TIESINĖS REGRESIJOS ALTERNATYVOS
3.3. Atsparioji regresija
     3.3.1. Modelio paskirtis

Eiliniam žmogui (ne statistikui) terminas atsparioji regresija primena Lietuvos ekonomikos būklę opozicijos kalbose – vyksta regresas ir sustabdyti jį niekaip neišeina. Susidūrusiam su statistika, atrodo, kaip tik priešingai – tai  kažkokia regresijų regresija. Tvirta, kaip tankas.

Iš tikrųjų, situacija kiek kitokia. Visų pirma, atsparioji (robastinė, angl. robust) regresija atspari tik išskirtims. Stebėjimams suteikiami svoriai, į kuriuos atsižvelgiama, skaičiuojant koeficientų įverčius. Jeigu vienas stebėjimas labai išsiskiria iš kitų, tai jo svoris būna artimas nuliui. Kitaip tariant, išskirtys nedaro didelės įtakos koeficientų įverčiams.
Matematiškai žiūrint, viskas gražu. O idėjiškai? Gerai, jeigu tokia išskirtis buvo atsitiktinė, o jeigu  – ne? Įsivaizduokime ekonomistą, sudariusį Lietuvos ekonomikos vystymosi modelį ir samprotaujantį: „Viskas modelyje gerai, tik per 2009 m krizę rodikliai labai suprastėjo. Tai aš tų metų duomenis išmečiau.“ Visi didžiai piktintųsi tokiu ekonomistu ir aiškintų, kad jo modeliu tikėti negalima. O dabar, tarkime, kad  ekonomistas pareiškia: „Modelyje buvo išskirčių. Todėl modeliuodami, taikėme atspariąją regresiją“. Klausytojai žavėtųsi ekonomisto erudicija (Vienok, specialistas!) . O modelis, tai praktiškai tas pats.

Atsparioji regresija –  tai optimistinis požiūris į duomenis. Ignoruokime išskirtis, ir gal jos gyvenime nepasitaikys. Kartais toks požiūris pasiteisina.
Įtikinti klausytojus sprendimo protingumu yra tyrėjo uždavinys. Jis pats turi tikėti, kad išskirtys duomenyse  yra grynas atsitiktinumas. Pavyzdžiui, tyrėjas turi informaciją apie modelius Estijos, Latvijos, Lenkijos duomenims ir yra tikras, kad analogiškas modelis (gal su kiek kitais koeficientų įverčiais) turi būti teisingas ir Lietuvai.

Atsparioji regresija nukenksmina išskirtis duomenyse.
Tinka tik tada, kai išskirtys atsitiktinės – nežinome kodėl jos atsirado.
Nėra jokios garantijos, kad taip gautas modelis tiksliau aprašo realius reiškinius.

Taikydami atspariąją regresiją, gausime ANOVA statistikos reikšmę ir jos p  reikšmę, patikrinsime t kriterijumi koeficientų statistinį reikšmingumą, rasime keoficientų įverčius ir jų 95 % pasikliautinuosius intervalus. Šie statistiniai rodikliai interpretuojami visiškai taip pat, kaip it tiesinėje regresijoje. Atspariojoje regresijoje nėra determinacijos koeficiento R2 analogo. Tai bene svarbiausia kliūtis visuotinam jos išplitimui.  Kol kas atsparioji regresija nėra realizuota SPSS programoje.

 

NAUJIEMS VARTOTOJAMS
NAUJIENOS
Naujienlaiškis

Nr.1  2009 07-11
Nr.2  2009 12-2010 02
Nr.3  2010 03-05
Nr.4  2010 06-08
Nr.5  2010 09-11
Nr.6  2010 12-2011 02
Nr.7 2011 03-05
Nr.8 2011 06-08
 
© KTU Politikos ir viešojo administravimo institutas
Atnaujinta 2015-06-18