Základy biostatistiky LS 2005/2006
11. cvičení: regrese
data: kojeni.S0
korelace (opakování)
nechat spočítat korelační matici (všechny možné korelační koeficienty
mezi řadou proměnných), také grafické znázornění všech dvojic
- Analysis | Regression/Correlation | Correlation
Matrix |
Correlation Variables: por_delka, delka, vys_otec, vys_matka
- Correletion Type: Pearson Product Moment
- Reports | Report Format: Full
- interpretovat (uvedeny trojice: korelační
koeficient p-hodnota testu o
nezávislosti,
počet pozorování), Cronbachovo alfa se používá (zejm. v psychologii) k
vyjádření podobnosti chování všech zúčastněných veličin
- Graphics | Scatter Plot Matrix | Horizontal
Variables: por_delka,
delka, vys_otec, vys_matka
regrese
pokusit se předpovídat výšku otce podle známé výšky matky, nejprve
grafické znázornění
- Graphics | Scatter Plots | Horizontal:
vys_otec | Vertical: vys_matka | Lines 1: zaškrtnout Regression
- Analysis | Regression/Correlation |
Multiple
Regression - 2001 Edition
- Variables
- Y: Dependent
Variable(s): vys_otec
- X's: Numeric
independent Variables: vys_matka
- Reports:
- Display only those
items that are CHECKED
BELOW:
- Means - Std Dev's
- Correlations
- Equation
- ANOVA Summary
- Normality Tests
- Y-X's Plots
- Probabilty Plot
- Histogram
- interpretovat (pozor na volbu hladiny u
ověřování předpokladů)
- přidat Reports | Res
vs
Yhat Plot, interpretovat
mnohonásobná regrese
data: IQ3.S0
vysvětlit IQ pomocí průměrné
známky ZN7 a POHLAVI
- Analysis | Regression/Correlation | Multiple
Regression - 2001 Edition
- nejprve závislost IQ na ZN7 u všech dětí
- potom pouze závislost IQ na POHLAVI:
- Variables
- Y: Dependent
Variable(s): IQ
- X's: Numeric
independent Variables: (prázdné)
- X's: Categorical
Independent Variables: POHLAVI
- Reports:
- Display only those
items that are CHECKED
BELOW:
- Means - Std Dev's
- Correlations
- Equation
- ANOVA Summary
- Normality Tests
- Y-X's Plots
- Probabilty Plot
- Histogram
- Format: Alpha of
Assumptions: 0.050
- interpretovat (máme znovu
t-test, zkusit jej?)
- nastavit ve Variables obojí:
- číselnou
nezávisle
proměnnou ZN7
- kategorickou nezávisle proměnnou POHLAVI
- interpretovat
výsledek,
zejména zda přidání informace o pohlaví vylepšilo vysvětlení
závislosti, podobně pro ZN7
- doplnit
představu grafem
Scatter Plots: Horizontal : ZN7, Vertical: IQ, Grouping: POHLAVI;
vypadají přímky rovnoběžně?
- opět
Multiple Regression -
2001, upravit model:
- Model
- Which Model Terms: Custom Model
- Custom Model: POHLAVI + ZN7 + POHLAVI*ZN7
(interakce)
- intrerpretovat
výsledek
(neprokázali jsme nerovnoběžnost, vystačíme s rovnoběžkami), lze odtud
zrekonstruovat obě individální přímky (pro chlapce a pro dívky)
– provést na tabuli
data: kojeni.S0
Multinomické
rozdělení (test jednoduché
hypotézy)
Rozhodněte na 5% hladině, zda u matek
jsou tři rozlišované úrovně vzdělání v poměru 1:1:1 (resp. poměru
1:3:2, resp. poměru 2:3:1)
- Analysis | Proportions | Frequency
Tables /
- Variables: VZDELANI
- Multinomial:
zaškrtnout, zvolit hypotetické
pravděpodobnosti (stačí jejich násobek)
- Reports: Frequency Tables Report
Vysvětlit, jak
vzniká výsledná
statistika.
060216 - KZv.