|
m : 비선형회귀분석을 수행하는 프로시저.
proc glm : 일반선형모형에서 통계적 추론을 진행하는 프로시저.
-단순회귀분석
두 변수 사이에 존재하는 함수 관계 찾기.
독립변수가 종속변수에 영향을 미친다.
단순회귀분석으로 설명이 불가능할
|
|
|
회귀식으로부터 계산된 t통계랑을 이용하여 그 유의성이 검정된다.
model y=x1-x4/selection=stepwise;
단계적 방법(step)은 기본적으로 전진적 선택절차라 할수 있으나, 추가적인 조건으로써 매 단계에서 후진
적 제거절차에서와 같이 이미 모형에 선
|
|
|
모형의 단순형으로 살펴보면 P = + B1E + 이고, 대부분 회귀계수 값이 양수인인것은 가설1. ‘이익의 정보는 유용할 것이다.’를 뒷받침하여 장부가치는 주가에 반영된다 라는것을 나타낸다. 표를 전체적으로 보면 \'80년도에 가까울수록 유의수
|
|
|
회귀모형에 추가될 때 기여도가 가장 높은 변수(X2)를 선 택한다.
(3) X2의 P값이 기준 값보다 작으면 모형에 추가한다.
(4) 새롭게 추가 또는 삭제되는 변수가 없을 때까지 2~3을 반복한다.
5) 잔차 분석
- 잔차가 오차항의 특성을 갖는다고 가정하
|
|
|
회귀모형이기 때문에 일반 결정계수보다는 조정된 결정계수를 살펴보면 0.9194로 높아 추정된 모형의 전체적인 통계적 적합성도 뛰어나다고 판단할수 있다.
단, 여기서 결정계수가 높다는 것이 통계적 적합성만 뛰어나다는 것을 의미하는 것
|
|
|
모형이 적합 한 것을 알 수 있다.
모형의 적합식 :
(b) 삼차원 산점도를 그리고 또한 적합된 평면도를 보이시오.
<삼차원 적합도>
<적합된 평면도>
(c) 추정 총회귀계수와 편 회귀계수를 각각 해석하고 비교하시오.
B1에서는 x2의 값이 0,
|
|
|
모형으로 귀착된다.
j`
번째
(j=2,3,…)
단계에서는 이미
(j-1)`
개의 변수가 선택되어 회귀모형에 포함되어 있다. 그 변수들을
x_(1) , …, x_(j-1)`
이라고 하자. 아직 선택되지 않은 변수들 중에서 부분
F`
통계량의 값을 가장 크게 하는 변수
|
|
|
회귀모형에서 가장 중요한 가정은 독립변수들이 서로 독립이라는 것이다. 그것을 확인하는 것이 다중공선성진단이다. 다중공선성은 두가지 방법으로 진단할 수 있다. 분산팽창계수(VIF)및 공차한계(Tolerence limit)을 보거나, 공선성 진단의 상태
|
|
|
모형을 47.4%로 만큼 설명해 주고 있다.
R제곱의 범위는 0 ≤ R2 ≤ 1의 값을 지닌다. 모든 관찰치와 회귀식이 일치한다면 R2=1이 되어 독립변수와 종속변수 간에 100%의 상관관계가 있다고 할 수 있다. R2의 값이 1에 가까울수록 회귀모형이 적합하
|
|
|
회귀분석
: 두 개 이상의 독립변수를 함께 고려하여 종속변수의 변화를 설명하고자 하는 회귀분 석. (중회귀분석 이라고도 한다.)
1)다중회귀모형의 설정: 일반적인 선형모형이 설정되면 최소자승법을 사용하여 회귀계 수를 구한다.
2)다중회
|
|
메뉴펼치기
