MMS_07_Regresni_funkce.doc-im2-fim-uhk-home.docVIP

7. Regresní analyza a její vyu?ití. Regresní funkce, lineární regresní model pro k?vysvětlujících proměnnych, hodnocení kvality modelu, induktivní úsudky o vyznamu proměnnych v?modelu. Zdroj: p?edná?ky RNDr. Skalská, Statistika v?hospodá?ství (Seger, Hindls, Hronová) /mdstat/scripts/mmcze/start.html Regresní modely DATA(STATISTICKY MODEL = SYSTEMATICKá SLO?KA + = NAHODILé CHYBY Regrese – nalezení parametr? funkce, které vztah vyjád?í; cíl nalézt závislost, nalézt model Korelace – síla vztahu mezi proměnnymi; mě?í tzv. koef. korelace r (r=0 pak x a y nekorelované, r 0 nep?ímá korelace, r 0 p?ímá korelace,r = 1 nebo r = -1 pak p?ímá nebo nep?ímá lineární závislost) Typy závislosti: funk?ní y = f(x) statistická y = f(x) + ( není jednozna?ná Funk?ní vyjád?ení statistické závislosti. = model, kterym se odhaduje pr?měrná (o?ekávaná) změna y p?i změněném x. P?íklad: x =po?et firemních prodejen; y = celkové tr?by firmy Hledáme parametry modelu – regresní analyza se zabyvá jednostrannymi závislostmi Jednoduchy lineární regresní model. Popula?ní: Y = (0 + (1 * X + ( Nenáhodná ?ást modelu, p?ímka (o?ekávaná – pr?měrná hodnota Y pro dané X): E (Y / X) = (0 + (1 * X E(Y/X) – pr?měr Y pro dané X E(Y) pro zjednodu?ení Skute?ná popula?ní hodnota Y je pro ur?ity prvek rovna: Pr?měrné hodnotě Y pro dané X (= p?ímka) + náhodné chybě (. P?edpoklady: 1. Vztah mezi X a Y je lineární 2. Hodnoty X nejsou náhodné, 3. Změny Y pro dané X jsou zp?sobeny nahodilymi vlivy a popsány chybou (. 4. Chyby mají rozdělení ( ~ N(0,(2) – p?edpoklad homoskedasticity (stejnorody rozptyl) 5. (i jsou navzájem nekorelované (vzájemně nezávislé) Odhad parametr? modelu: odhaduje b0 = (0 b1 = (1 Odhad reg