Significato in un test t per campioni indipendenti significa solo che la probabilità (se l'ipotesi nulla fosse vera) di campionamento una differenza media così estremo come la differenza media che effettivamente campionata è inferiore a .05. Questo è totalmente estraneo a dependentindependent. Dependent intende la distribuzione di alcune singole osservazioni è collegata alla distribuzione di altri, ad esempio A) sono la stessa persona che lo stesso test una seconda volta, B) persone in ciascun gruppo vengono abbinate sul alcune variabili pre-test, C) persone nei due gruppi sono collegati (ad esempio la famiglia). Indipendente significa che non vi è alcuna connessione. risposto 11 ago 10 in 21:12 Perché fermarsi a t-test si può pensare di due variabili essere non correlati come due vettori ortogonali, esattamente come il assi xey in un bidimensionale sistema di coordinate cartesiane. Quando uno dei due vettori, Diciamo mathbf e mathbf è correlato con l'altro, vi sarà una certa parte di x che possono essere proiettate su y e viceversa. Con questo in mente, la sua abbastanza facile da vedere che da quando, dove r è Pearsons coefficiente di correlazione e leftltcdot, cdotrightgt è il prodotto interno degli argomenti. Quando ho saputo questo mi è stato completamente spazzato via da quanto geometricamente semplice l'idea di correlazione è. E questo non è sicuramente l'unico modo per misurare la correlazione tra due (o più) variabili. test di significatività è un gioco di palla diversa. Spesso vogliamo sapere da quanto due (o più) gruppi differiscono su alcuni variabile di esito come risultato di qualche manipolazione che è stato eseguito su detti gruppi. Come Brian ha detto, si vuole sapere se i due gruppi provengono dalla stessa distribuzione, quindi si calcola la probabilità di campionamento la differenza media (scalato dalla errore standard della media) che si è ottenuto dal vostro esperimento, visto che l'ipotesi nulla (non c'è nessun differenza significativa nei mezzi) è vera. Nella ricerca comportamentale (e spesso altrove) se questa probabilità è meno 0,05, si può concludere che la differenza di due (o più) significa che è probabilmente dovuto alla manipolazione. EDIT. Dilip Sarwate ha sottolineato che due variabili non correlate possono essere statisticamente dipendente, così ho preso la prima parte. Grazie per questo. risposto Mar 21 11 a 4: Analisi 16Regression analisi di regressione è una tecnica di analisi predittiva in cui una o più variabili vengono utilizzati per prevedere il livello di un altro mediante la formula rettilineo, yabx - BIVARIATE REGRESSION ANALISI è un tipo di regressione che solo due variabili sono utilizzate nella regressione, predittiva modello - ONE vARIABILE è denominata variabile dipendente (Y), l'altro è denominato la variabile indipendente (X) - il variabile indipendente è utilizzato per prevedere la variabile dipendente, ed è il X nella regressione FORMULA - Regression analisi è una tecnica di analisi predittiva, in cui una o più variabili vengono utilizzati per prevedere il livello di un altro con l'uso del rettilineo-LINE yabx FORMULA, Vendite () 10,0001.3Advertisement () 1. per ciascun importo dollaro speso in pubblicità, le vendite aumentano del 1,3 2. Se advertisement0, ythe sales10,000 previsto variabile x la variabile usata per predire ya l'intercetta, o il punto dove la linea taglia l'asse y quando xo BIl pendenza o la variazione di y per ogni cambiamento 1 unità in x Nota: Si deve essere una variabile metrica. La X (s) deve essere una variabile metrico o variabile dicotomica è quella che assume uno dei due soli possibili valori variabili (proporzione di tipo variabile) Bivariata regressione lineare Analisi: modello di regressione di base procedura - Il, intercettare (a), e la pendenza (b) deve sempre essere testati per la significatività statistica, dal momento che li stiamo stimando con un campione. Siamo interessati i valori di B e di A nella popolazione - Regression previsioni di analisi sono delle stime che hanno una certa quantità di errori a loro Test per la significatività statistica della Intercept e la pendenza - IL T-TESTP-VALORE: sono utilizzati per determinare se l'intercetta (a) e pendenza (a) sono significativamente diversi da zero. Cioè, se ci sono prove sufficienti per suggerire che essi sono diversi da zero nel POPOLAZIONE - Se il valore t calcolato è superiore a 1,96 o il p-value lt.05, che il parametro è diverso da zero. Si noti che semplice regressione è in qualche modo simile al coefficiente di correlazione, ma si dà il coefficiente stessa pendenza (b) le previsioni di regressione sono realizzati con l'analisi di regressione intervalli di confidenza con SPSS - La quotbeing fashionablequot spiega se un catalogo corrisponde all'immagine Gucci YabX YMatches Gucci immagine X moda eseguire un equazione di regressione con quotmatches la imagequot Gucci come variabile dipendente, e quotfashionablequot come variabile indipendente I risultati che troverete sul tavolo ANOVA (vedi tabella): - Il valore p dalla tabella ANOVA dice se il modello ha statisticamente significativa predittivo capacità - Che è, se, nel complesso, il modello in grado di prevedere la variabile dipendente - Se il p-value lt.05-che modello non prevedere la variabile dipendente (c'è una relazione lineare) - Se il p-valuegt.05- il modello non prevedere la variabile dipendente (non c'è una relazione lineare). Ci si può fermare qui. - R2 Varia da 0 a 1 e rappresenta l'ammontare della variabile dipendente CHE quotEXPLAINEDquot o rappresentato, dal - E variabile indipendente combinato è una misura della forza della relazione lineare tra la variabile indipendente e dipendente. Si tratta di una indicazione di come variabili indipendenti in grado di prevedere la variabile dipendente in una regressione multipla - gtConvert il R2 in una percentuale: R2 di .27 significa che il modello di regressione spiega 27 della variabilità in più mezzi di regressione analisi di regressione - Più di variabili dipendenti di avere più di una variabile indipendente per predictexplain una sola variabile dipendente multipla equazione di regressione: yab1X1b2X2b3X3. BmXm dove: ythe variabile xiindependent dipendente, o prevista, variabile i UnIl intercetta bithe pendenza variabile indipendente i m il numero di variabili indipendenti nell'equazione Nota: Si deve essere una variabile metrica. La X (s) deve essere una variabile metrico o una variabile dicotomica è quella che assume uno dei due soli possibili valori variabili (proporzione di tipo variabile) - R2 varia da 0 a 1 e rappresenta l'ammontare della variabile dipendente CHE quotEXPLAINEDquot o rappresentato, dalle variabili indipendenti combinate - ADJUSTED R2 è una modifica di R che regola il numero di termini esplicativi in un modello - Utile quando si confrontano i modelli con diverso numero di predittori --gtIn generale, più predittori voi hanno, maggiore è il R2-per questo motivo, non è quotfairquot di confrontare i modelli con diversa predittori. Questo è il motivo per cui abbiamo introdotto un adeguamento. Standardizzata coefficiente beta - STANDARDIZED BETA COEFFICIENTE: beta che indicano l'importanza relativa di variabili predittive alternativi. Essi sono utilizzati per confrontare B diverso e vedere che ha il maggiore impatto sul Y - Il idea di base è che le variabili diverse sono misurati con diverse unità di misura (ad esempio unità di atteggiamento, unità di preferenza.) Per questa ragione, il (non standardizzato) beta non sono comparabili. Standardizzata beta uso coefficiente di unità comparabili di misura in modo che diventino beta rispetto a ottenere stime più accurate, eliminare dalle variabili del modello che non sono significative (cioè il p-value per il loro BS è gt.05) Questo particolarmente importante quando si desidera utilizzare i risultati di fare previsioni. Per tagliare il modello: 1. Eliminare una variabile, al momento, a partire da quello che ha il p-value più elevato 2. Re-eseguire l'analisi 3. Ripetere fino unica variabile significativa sono lasciati nel modello
No comments:
Post a Comment