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

7. PUASONO REGRESINĖ ANALIZĖ
7.1. Puasono regresijos modelis
       7.1.4. Modelio tinkamumas

Modelio tinkamumą duomenims parodančių charakteristikų nėra labai daug:

  1. Deviacija. Deviacija yra vadinamas skaitinis rodiklis, kuris parodo kiek tiriamas modelis skiriasi nuo pilnai duomenis  aprašančio (bet labai sudėtingo ir todėl naudoti netinkamo) modelio. Dar reikia atsižvelgti į imties didumą ir regresorių skaičių (juos nusako vadinamieji laisvės laipsniai, angl. degrees of freedom, df).Modelis pakankamai geras, jeigu deviacija, padalinta iš savo laisvės laipsnių, nedaug skiriasi nuo vieneto. Intervalas 0,9 – 1,1 visai priimtinas, reikšmė mažesnė už 0,7 (didesnė už 1,3) jau rodo blogą modelio tikimą.
  2. Pirsono chi kvadrato statistika (Pearson Chi – Square) yra kiek rečiau taikomas deviacijos analogas. Matuoja, ar su modeliu gautųjų ir tikrųjų Y reikšmių skirtumai yra maži (statistiškai nereikšmingi). Gerai, kai taip. Tariama, kad modelis pakankamai geras, jeigu chi kvadrato statistika, padalinta iš savo laisvės laipsnių, nedaug skiriasi nuo vieneto (bent jau patenka į intervalą 0,8 – 1, 2).
  3. Tikėtinumo santykio Chi kvadrato statistika (angl. Likelihood Ratio Chi-Square). Parodo, ar modelyje yra su priklausomu kintamuoju susijusių regresorių. Jeigu statistikos p reikšmė didesnė už 0,05, tai regresijos modelio tinkamumas labai abejotinas. Formaliai žiūrint, didelė p reikšmė reiškia, kad bandome Y elgesį prognozuoti pagal su juo visiškai nesusijusius kintamuosius. Pavyzdžiui, vidutinį vaikų skaičių lietuviškoje šeimoje pagal Afrikos dramblių tankį Kenijos savanoje. (Matyt, jie ten žiemojančius  gandrus trypia).
  4. Informaciniai indeksai (informaciniai kriterijai). Tai sąlyginiai rodikliai, įgalinantys „iš akies“ palyginti du modelius. Geresnis tas modelis, kurio informacinis indeksas mažesnis. Bene plačiausiai naudojamas Akaikės informacijos kriterijus AIC.  
  5. Voldo testai. Padeda nuspręsti ar kintamasis šalintinas iš modelio. Jeigu p reikšmė < 0,05, tai kintamasis yra statistiškai reikšmingas ir jį modelyje paliekame. Jeigu p  ≥ 0,05, tai kintamasis yra statistiškai nereikšmingas ir modelyje jis paliekamas tik ypatingais atvejais. Dažniausiai modelio konstanta  C paliekama net ir tada, kai ji statistiškai nereikšminga.

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