Statystyka-opracowanie kolokwium, cz. 2

Nasza ocena:

3
Pobrań: 224
Wyświetleń: 1351
Komentarze: 0
Notatek.pl

Pobierz ten dokument za darmo

Podgląd dokumentu
Statystyka-opracowanie kolokwium, cz. 2 - strona 1 Statystyka-opracowanie kolokwium, cz. 2 - strona 2 Statystyka-opracowanie kolokwium, cz. 2 - strona 3

Fragment notatki:

Co to jest interakcja między zmiennymi?
Odpowiedź: INTERAKCJĘ MIEDZY czynnikami α i β możemy rozumieć jako łączny, nierozkładalny na sumę efektów czynnika α i β wpływ obu czynników na badaną zmienną ciągłą. Efekty czynników α i β nazywane są EFEKTAMI GŁÓWNYMI w dwuczynnikowym modelu analizy wariancji, zaś ich interakcja nazywana bywa EFEKTEM INTERAKCYJNYM. W przypadku dwuczynnikowej analizy kowariancji będziemy mieli do czynienia zarówno z efektami głównymi, efektami kowariancyjnymi jak i efektami interakcyjnymi.
W jakich modelach możemy spotkać się z interakcją?
Interakcja może wystąpić kiedy badamy związek więcej niż jednej zmiennej niezależnej ze zmienną zależną. Gdy istnieje możliwość, że jedna ze zmiennych niezależnych modyfikuje wpływ innej zmiennej niezależnej na zmienną zależną.
Z interakcją możemy spotkać się w modelach analizy wariacji wieloczynnikowej i kowariancji, modelach regresji liniowej i logistycznej. W REGRESJI LINIOWEJ: Mówić będziemy o występowaniu efektu interakcyjnego, gdy zależność między zmienną zależną i niezależną jest różna dla różnych wartości pewnej trzeciej zmiennej, powszechnie nazwanej „moderatorem” lub „zmienną modelującą”. Np. relacja między statusem społecznym i częstością korzystania z poradni zdrowia zależy od płci badanych. Relacja ta jest inna wśród kobiet i wśród mężczyzn. Płeć jest moderatorem relacji między statusem społecznym i częstością korzystania z poradni.
Czym różnią efekty proste i efekty główne?
Efekty czynników α i β nazywane są EFEKTAMI GŁÓWNYMI w dwuczynnikowym modelu analizy wariancji, zaś ich interakcja nazywana bywa EFEKTEM INTERAKCYJNYM. EFEKTY GŁÓWNE - każdy czynnik działa z osobna - dla drugiego czynnika porównywanie średnich, kiedy nie bierzemy pod uwagę poziomu czynnika pierwszego. EFEKTY PROSTE - kiedy zachodzi interakcje miedzy czynnikami, przy ustalonym poziomie pierwszego czynnika, porównujemy średnie drugiego czynnika. Porównanie średnich między poziomami czynnika pierwszego i osobno czynnika drugiego
Czy modele regresji liniowej i regresji logistycznej są stosowane do rozwiązywania tych samych problemów? Jakich?
Nie. W modelu regresji liniowej poszukujemy zależności między wartościami zmiennej objaśnianej i wartościami zmiennych objaśniających a model regresji logistycznej opisuje zależność między wartościami zmiennych objaśniających (nazywanych często czynnikami ryzyka) a prawdopodobieństwem wystąpienia badanego zdarzenia (stanu zmiennej wynikowej). Można powiedzieć ze obie metody służą do oceny zależności, ale zmienne wynikowe z badania są różne.
Czym różnią się: kontrast i porównanie wielokrotne?


(…)

… i jest to estymator ryzyka względnego.
Dla zmiennych ciągłych iloraz szans pozwala ocenić krotność zmian ryzyka przy wzroście o jednostkę zmiennej traktowanej jako czynnik ryzyka. Np. w przypadku modelu regresji, w którym zmienna objaśniana to choroby układu krążenia, a objaśniająca to wiek (z jednostką - rok), jeśli iloraz szans wynosi np. 1,2 to znaczy, że z każdym rokiem życia ryzyko choroby układu krążenia wzrasta 1,2 razy. Przyjmując, że ryzyko to dla 20 latka wynosi p, dla 30 latka będzie równe p ∙ 1,210 = 6,1, czyli jest ponad 6 razy większe u 30 latka niż u 20 latka.
Dla zmiennej dyskretnej podawane są ilorazy szans dla poszczególnych kategorii tej zmiennej w odniesieniu do kategorii zadeklarowanej jako kategoria odniesienia. Np. jeśli zmienna objaśniana to choroby układu krążenia, kategoria odniesienia to plec(0), czyli mężczyźni, a iloraz szans dla kategorii plec(1) wynosi 4,3 to znaczy, że ryzyko choroby układu krążenia dla kobiet jest 4,3 razy większe niż dla mężczyzn.
Omów króciutko metody krokowe wykorzystywane podczas budowania modeli regresyjnych.
METODA KROKOWA - Metoda uzyskiwania modeli niezawierających zamiennych nieistotnych.
Jedne z metod eliminują z większego zbioru zmiennych…
… regresji logistycznej?
Model regresji logistycznej opisuje zależność między wartościami zmiennych objaśniających (nazywanych niekiedy czynnikami ryzyka), a prawdopodobieństwem wystąpienia badanego zdarzenia.
Do czego służy współczynnik korelacji Pearsona a do czego współczynnik korelacji Spearmana?
WSPÓŁCZYNNIK KORELACJI PEARSONA
Jest współczynnikiem parametrycznym. Współczynnik korelacji liniowej…
… test Welcha i Browna-Forsythe'a?
W przypadku odrzucenia hipotezy o jednorodności wariancji (prawdopodobieństwo w teście Levene'a mniejsze od przyjętego poziomu istotności α = 0,05) możemy zastosować mocne testy równości średnich Welcha oraz Browna - Forsythe'a, które są odporne na jednorodność wariancji.
Co to znaczy, iż test statystyczny jest odporny na niespełnienie podstawowych założeń?
Test…
... zobacz całą notatkę

Komentarze użytkowników (0)

Zaloguj się, aby dodać komentarz