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
       7.1.7. Pastabos apie Puasono regresijos taikymą

  • Puasono regresija duomenims tinka gana retai. Dažnai ją galima pakeisti neigiama binomine regresija.
  • Primename, kad nors stebime sveikus skaičius įgyjantį dydį, prognozuojame jo vidutinę reikšmę. Vidurkis visai neturi būti sveikas skaičius.  Jeigu, taikydami Puasono regresijos prognozę šeimai, kurios abudu tėvai turi bakalaurinį išsilavinimą, gausime, kad šeimoje  bus vidutiniškai 1,7 vaiko, tai nereiškia, kad  šeimoje bus du vaikai, kurių vienas be kojos. Tai tiesiog prognozė, kad  bendras visų šeimų, kuriose tėvai turi bakalaurinį išsilavinimą, vaikų skaičius padalintas iš tokių šeimų skaičiaus bus 1,7.
  • Reikia nemaišyti tikėtinumo santykio chi kvadrato (Likelihood Ratio Chi-Square) ir Pirsono chi kvadrato (Pearson Chi-Square). Pastaroji  statistika yra deviacijos analogas ir rodo geresnį modelio tikimą, kai yra maža. Tikėtinumo santykio chi kvadrato statistika lygina tiriamą modelį su neturinčiu jokių regresorių ir rodo geresnį modelio tikimą, kai yra didelė (statistiškai reikšminga).
  • Puasono kintamasis, turintis didelį vidurkį, nedaug skiriasi nuo normaliojo, o tuo atveju jau galima taikyti paprastą tiesinę regresiją. Todėl visada rekomenduojama nusibraižyti Y dažnių diagramą arba histogramą. Jeigu ji ryškiai asimetrinė ( a) pav.), jokių kalbų apie tiesinę regresiją negali būti. Jeigu diagrama primena normaliąją kreivę ( b) pav.), galima pamąstyti ir apie tiesinės regresijos taikymą.
  • Nereikia suabsoliutinti normuotosios deviacijos ir kitų charakteristikų vaidmens. Nesunku sukonstruoti pavyzdį visai be regresorių, kada normuotoji deviacija maža, o konstanta C statistiškai reikšminga. Modelis turi būti dar ir logiškas.
  • Galima dirbtinai transformuoti duomenis, kad jie pasidarytų panašūs į puasoniškus. Tam reikia pritaikyti svorį lygų deviacijos ir laisvės laipsnių santykiui. Mums toks duomenų keitimas atrodo kiek dirbtinas ir šiuose konspektuose jis nagrinėjamas nebus.

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 2018-05-02