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
3.4. Medianos regresija
     3.4.1. Modelio paskirtis

Medianos regresijos idėja – modeliuoti ne vidutinę reikšmę, o medianos reikšmę. Todėl nereikia tikėtis, kad parametrų įverčiai bus labai panašūs į gautuosius, taikant tiesinę regresiją.

Priminsime, kad tiesinės regresijos modelis siejamas su reikšmių vidurkiu. Net ir prognozuojama vidutinė priklausomo kintamoje reikšmė. Tik tas ne visada pabrėžiama. Tarkime, kad regresijos modelį naudojame  gydymo trukmės prognozei. Įstatę konkretaus ligonio tyrimų rezultatus į modelį, mes iš tikro prognozuojame, kiek vidutiniškai laiko gyja ligoniai su tokiais tyrimų rezultatais. Tokią interpretaciją  (pvz., vidutiniškai gydymas užtrunka 3 savaites) ligonis  be vargo supranta. 

Medianos regresijos interpretacija – žymiai bjauresnė. Išklausęs litaniją – jeigu visus galimus pagijimo laikus išrikiuosime nuo trumpiausio iki ilgiausio, tai viduryje bus 3 savaitės,  –  ligonis nuspręs, kad „kažko čia tas gydytojas išsisukinėja“. Laikas testamentui, nuoširdžiai asmeninei dovanai,  kito gydytojo paieškoms, ar pan.

Kada taikoma medianos regresija? Dažniausiai ji rekomenduojama, kai nepatenkinta normalumo prielaida. Heteroskedastiškumas jai didelės įtakos neturi.
Mediana nejautri išskirtims. Atrodytų, kad ir medianos regresija turėtų būti nejautri išskirtims. Bet taip nėra. Mat regresijos koeficientai optimizuojami, parenkant juos absoliutiniu didumu kuo arčiau medianos, o ne tiesiog ignoruojant labai dideles reikšmes.

Medianos regresija naudotina, kai negalioja normalumo prielaida.                   
Gautieji modelio parametrų įverčiai nesutampa su gautais, taikant tiesinę regresiją.
Interpretacija nesutampa su tiesinės regresijos interpretacija.                                            
Jeigu duomenyse yra didelių išskirčių, medianos regresija netinka.

Statistinių rodiklių medianos regresijoje yra labai nedaug. Pseudo R2 tėra gana netikęs determinacijos koeficiento analogas. Visas tyrimas susiveda į parametrų įverčius ir jų pasikliauti-nius intervalus. Norint, galima  standartinių paklaidų skaičiavimui pritaikyti saviranką.

Medianos regresija tėra atskiras (populiariausias) kvantilių regresijos atvejis. Galima sudaryti modelį respondentams, kuriems įgyjamos 10% didžiausių priklausomo kintamojo reikšmių ir t.t.

Kvantilių regresija dar vadinama mažiausio absoliutinio didumo (angl. LAV), minimalaus absoliutaus nuokrypio (angl. MAD) arba L1 – normos modeliu.
Kol kas medianos (kvantilių) regresija nėra realizuota SPSS programoje. Todėl aptariame tik STATA paketą.

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