Mažiausiųjų kvadratų metodo pagrindai
Tiesinė regresija yra standartinis statistinis metodas, skirtas įvertinti ryšį tarp dviejų kintamųjų: nepriklausomo kintamojo (x) ir priklausomo kintamojo (y). Šis įrankis naudoja paprastąją mažiausiųjų kvadratų metodiką (angl. Ordinary Least Squares, OLS), kuri suranda tokią tiesę, kad vertikalių nuokrypių (liekanų) tarp stebimų taškų ir tiesės kvadratų suma būtų pati mažiausia.
Skaičiuoklė atlieka dviejų etapų skaičiavimą su kompensuojamuoju sumavimu, kad būtų išvengta tikslumo praradimo net ir dirbant su labai skirtingų dydžių skaičiais. Atliekant skaičiavimus, pirmiausia nustatomos sumos apie vidurkius:
- Sxx = Σ(xᵢ − x̄)²
- Syy = Σ(yᵢ − ȳ)²
- Sxy = Σ(xᵢ − x̄)(yᵢ − ȳ)
Remiantis šiomis sumomis, apskaičiuojamas tiesės nuolydis b ir sankirta a:
- Nuolydis b = Sxy ÷ Sxx
- Sankirta a = ȳ − b·x̄
Šios formulės leidžia tiksliai aprašyti tiesinę tendenciją, o visi skaičiavimai atliekami tiesiogiai jūsų naršyklėje. Jūsų duomenų taškai ir visi statistiniai rodikliai lieka šioje naršyklėje ir niekada nėra įkeliami į išorinius serverius.
Regresijos koeficientų interpretavimas
Gauti regresijos rezultatai leidžia kiekybiškai įvertinti kintamųjų ryšį. Svarbiausi tiesės parametrai yra pateikiami suvestinėje ir koeficientų lentelėje:
- Nuolydis b: Šis skaičius rodo kryptį ir poveikio stiprumą. Veikia taisyklė: „Vidutiniškai y pasikeičia
‹slope›vienetu kiekvienam x padidėjimui 1 vienetu.“. Jei nuolydis teigiamas, x didėjimas didina y; jei neigiamas – y mažėja. - Sankirta a: Šis parametras nurodo tiesės padėtį vertikalioje ašyje: „Kai x yra 0, tiesė yra ties y =
‹intercept›.“.
Koeficientų lentelėje „Koeficientai“ pateikiami papildomi statistiniai rodikliai, skirti įvertinti kiekvieno parametro patikimumą. Čia rasite stulpelius „Narys“, „Įvertis“, „Standartinė paklaida“, „t“, „p“ ir „‹level›% intervalas“. Eilutėse pateikiami „Nuolydis b“ ir „Sankirta a“. Standartinė nuolydžio paklaida SE(b) parodo įverčio kintamumą ir yra apskaičiuojama taip:
SE(b) = s ÷ √Sxx
Čia s yra „Liekamoji sklaida s“, kuri parodo taškų sklaidą aplink suderintą tiesę.
Koreliacija ir determinacijos koeficientas
Norint suprasti, kaip gerai suderinta tiesė paaiškina jūsų duomenis, naudojami keli pagrindiniai dydžiai:
- Koreliacija r: Tai tiesinio ryšio stiprumo ir krypties matas, apskaičiuojamas kaip Sxy ÷ √(Sxx·Syy). Šis rodiklis įgyja reikšmę nuo −1 iki 1.
- R² (Determinacijos koeficientas): Tai paaiškintos variacijos dalis, kuri parodo, kokią y kintamumo dalį paaiškina gauta tiesė. Formulė: R² = SSR ÷ SST.
- Koreguotas R²: Šis rodiklis pritaiko R² reikšmę atsižvelgiant į laisvės laipsnius: 1 − (1 − R²)(n − 1) ÷ (n − 2).
Šie dydžiai padeda nustatyti, ar modelis yra prasmingas, tačiau jie neparodo, ar tiesinė forma yra tinkamiausia jūsų duomenims.
Dispersijos analizė (ANOVA) ir hipotezių tikrinimas
Lentelėje „Dispersijos analizė“ pateikiamas bendras modelio reikšmingumo vertinimas. Lentelę sudaro stulpeliai: „Šaltinis“, „ls“ (laisvės laipsniai), „Kvadratų suma“, „Vidutinis kvadratas“, „F“ ir „p“. Duomenų variacija išskaidoma į tris eilutes:
- „Paaiškinta tiese“ (regresijos kvadratų suma SSR, su 1 laisvės laipsniu).
- „Likutis“ (liekamoji kvadratų suma SSE, su n − 2 laisvės laipsniais).
- „Iš viso“ (bendra kvadratų suma SST, su n − 1 laisvės laipsniais).
Statistinis reikšmingumas tikrinamas naudojant t statistiką, kuri apskaičiuojama kaip įverčio ir jo standartinės paklaidos santykis. p reikšmė nustatoma naudojant reguliuotąją nebaigtinę beta funkciją su n − 2 laisvės laipsniais. Kadangi modelyje yra tik vienas nepriklausomas kintamasis, bendrasis F kriterijus yra lygus nuolydžio t statistikos kvadratui, todėl abu testai pateikia identišką p reikšmę.
Liekamųjų narių analizė ir grafinis suderinamumas
Skaičiuoklė generuoja du vizualius grafikus skiltyje „Suderinamumas ir liekamieji nariai“:
- Suderinta tiesė: Tai „Taškų sklaidos diagrama su mažiausiųjų kvadratų tiese ir jos vidurkio pasikliautinuoju intervalu“.
- Liekamieji nariai: Tai „Liekamieji nariai, atvaizduoti pagal x, išsibarstę aplink nulinę liniją“.
Grafikų legendoje vaizduojami šie elementai: „taškai“, „suderinta tiesė“, „‹level›% vidurkio juosta“ ir „nulinė linija“. Liekamųjų narių analizė yra būtina, nes tiesinė regresija reikalauja, kad paklaidos būtų išsidėsčiusios atsitiktinai. Jei liekamųjų narių grafike pastebima kreivė arba vėduoklės forma (heteroskedastiškumas), tiesinis modelis gali būti netinkamas.
Vidurkio ir individualios prognozės intervalai
Įvedus x reikšmes laukelyje „Prognozuoti y, kai x yra“, skaičiuoklė pateikia lentelę „Prognozės“ su stulpeliais: „x“, „Prognozuojama ŷ“, „Vidurkio ‹level›%“ ir „Individualus ‹level›%“. Šie du intervalai skiriasi savo prasme ir plotu:
- Vidurkio intervalas: Įvertina vidutinės y reikšmės neapibrėžtumą prie konkrečios x₀ reikšmės. Standartinė paklaida apskaičiuojama kaip s · √(1÷n + (x₀ − x̄)² ÷ Sxx).
- Individualus intervalas: Įvertina vieno naujo būsimo stebinio reikšmę. Jo standartinė paklaida yra s · √(1 + 1÷n + (x₀ − x̄)² ÷ Sxx). Kadangi čia pridedama papildoma paties taško sklaida (skaičius 1 po šaknimi), individualus intervalas visada yra platesnis už vidurkio intervalą.
Jei įvesta x reikšmė yra už jūsų pradinių duomenų ribų, lentelėje rodoma žyma „už duomenų ribų“ ir pateikiama pastaba: „Pažymėtose eilutėse naudojamas x, viršijantis jūsų įvestas reikšmes, todėl tiesė yra pratęsiama už to, ką rodo duomenys.“.
Duomenų įvedimo taisyklės ir ribiniai atvejai
Skaičiuoklė palaiko du išdėstymus: „Suporuotos eilutės“ ir „Du sąrašai“.
- Naudojant taško dešimtainį skyrių, sąrašo reikšmės skiriamos tarpais, kableliais arba naujomis eilutėmis.
- Naudojant kablelio dešimtainį skyrių, sąrašo reikšmės skiriamos tarpais, kabliataškiais arba naujomis eilutėmis.
Įrankis automatiškai atpažįsta ir praleidžia pirmąją eilutę, jei abu jos įrašai yra ne skaitiniai (tai leidžia tiesiogiai įklijuoti duomenis su stulpelių antraštėmis iš skaičiuoklių). Taip pat galima naudoti funkciją „Sukeisti x ir y“, kuri sukeičia kintamuosius vietomis. Kadangi OLS minimizuoja tik vertikalius atstumus, sukeitus kintamuosius pasikeičia tiesės lygtis, o nepakitusios lieka tik r ir R² reikšmės.
Ribiniai atvejai ir klaidos:
- Tiksliai du taškai: Rodomas pranešimas: „Du taškai tiksliai nustato tiesę, todėl nelieka nieko, iš ko būtų galima įvertinti neapibrėžtumą.“.
- Tobulas sutapimas: Jei visi taškai guli ant tiesės, rodoma: „Taškai guli tiksliai ant tiesės, jokios liekamosios sklaidos nėra ir negalima įvertinti jokio intervalo ar p reikšmės.“.
- Vienodos y reikšmės: Rodoma: „Kiekviena y reikšmė yra vienoda, todėl tiesė yra horizontali, o r, R² ir reikšmingumo testas yra neapibrėžti.“.
- Vienodos x reikšmės: Skaičiavimas sustabdomas pateikiant klaidą: „Kiekviena x reikšmė yra vienoda, todėl tiesė būtų vertikali, o skaičiuojant nuolydį būtų dalijama iš nulio.“.
Dažniausiai užduodami klausimai (DUK)
Kodėl prognozės pateikiamos su dviem intervalais?
Jie atsako į skirtingus klausimus. Vidurkio intervalas nurodo, kur yra vidutinė y reikšmė visiems stebiniams prie konkretaus x, todėl čia svarbus tik pačios tiesės neapibrėžtumas. Individualus intervalas nurodo, kur nukris vienas naujas stebinys, o tai prideda taškų sklaidą aplink tiesę — dėl šio papildomo nario jis visada yra platesnis iš dviejų. Abu intervalai platėja, kai x tolsta nuo jūsų duomenų vidurio.
Ar svarbu, į kurį stulpelį įrašysiu x?
Taip. Mažiausiųjų kvadratų metodas minimizuoja vertikalius tarpus, todėl y traktuojamas kaip aiškinamasis dalykas, o x — kaip aiškinantysis. Sukeiskite juos vietomis ir gausite kitokį nuolydį bei kitokią sankirtą — tik r ir R² išlieka tokie patys. Į y įrašykite kintamąjį, kurį norite prognozuoti; jei stulpeliai buvo įvesti neteisinga tvarka, sukeitimo mygtukas perrašys juos vietoje.
Ką iš tikrųjų man sako R²?
R² yra y kintamumo dalis, kurią paaiškina tiesė: 0,96 reiškia, kad 96% jo sutampa su x, o 4% nesutampa. Tai nieko nesako apie tai, ar tiesė buvo tinkama forma — aiški kreivė vis tiek gali surinkti aukštą balą — todėl vertinkite jį kartu su liekamųjų narių diagrama. Koreliacija r yra kvadratinė šaknis iš R², turinti nuolydžio ženklą, todėl r yra neigiamas, kai tiesė eina žemyn.
Ar maža p reikšmė reiškia, kad x sukelia y?
Ne. p reikšmė atsako tik į vieną siaurą klausimą: jei tikrasis nuolydis būtų lygus 0, kaip dažnai tokio dydžio imtis duotų nuolydį, kuris yra bent tiek nutolęs nuo 0? Maža reikšmė tik parodo, kad paaiškinimas „ryšio išvis nėra“ yra nepatogus, ir nieko daugiau. Priežastingumui nustatyti reikalingas tyrimo planas — trečiasis veiksnys, keičiantis abu stulpelius, arba ne nepriklausomai surinkta imtis taip pat lengvai sukuria mažas p reikšmes.