|
회귀분석에 필요한 자료는 종속변수, 독립변수 모두 연속형 자료이다. 단, 범주형 자료는 더미변수를 이용 하면 사용이 가능하다. 회귀모형은 독립변수의 수에 따라 구분되는데, 독립변 수가 1개인 경우의 회귀모형을 단순회귀모형, 2개 이상
|
|
|
회귀분석법
1. 회귀분석의 개념
2. 회귀분석의 목적과 모형
3. 회귀모형에 대한 기본가정
4. 회귀선과 최소자승법
5. 감정평가와 다중회귀분석
6. 회귀분석활용시의 장단점
III. 총임료승수분석법(GRM)과 총수익승수분석법(GIM)
1. 총임
|
|
|
회귀분석모형의 설정
1. 생산성의 결정요인:생산함수
2. 외부경제와 내부경제의 측정모형
3. 지역의 특성을 나타내는 독립변수
4. 지역산업의 집중
5. 토지이용규제
Ⅲ. 자료와 변수들
Ⅳ. 회귀분석 결과
1. 모든 산업을 총괄한 회귀분
|
|
|
회귀결과를 도출하였고, 도출된 회귀결과에 대한 설명을 메모에 표시하였습니다.
단순회귀모형 기울기와 절편은 각각 INDEX(LINEST(known_y's,known_x's),1)함수와
INDEX(LINEST(known_y's,known_x's),2)함수로 도출하였습니다. (도움말 을 참조하였습니
|
|
|
회귀분석을 시도하였다. 그 결과 회귀모형 추정결과의 적합도, 즉 독립변수의 종속변수에 대한 설명력은 매우 큰 것으로 분석된다. 그러나 독립변수의 통계적 유의성 및 경제적 의미 측면에서 의문시되는 요소를 추가적인 패널 회귀분석 대
|
|
|
회귀선 추가
cor(before, after) # 상관계수
reg <- lm(after~before) # 단순선형회귀모형 적합
summary(reg) # 회귀계수 등 출력
②출력 결과
③ 설명
위 결과에 따라
회귀직선 y = 15.4381 + 0.8332*x
결정계수
총변동에서 회귀변동이 차지하는 비율인 결정계수(
|
|
|
회귀모형의 요약결과는 아래와 같으며, 결정계수(R2) 값은 .971이며, 수정된 결정계수(R2) 값은 .938, 표준오차는 .3080, Durbin-Watson 값은 1.498로 본 회귀모형은 적합하다고 볼 수 있으며, 설명력이 97.1%로 매우 높다고 판단할 수 있다.
아래의 분석결
|
|
|
타이태닉 데이터에 나무모형을 적합하시오. 이러한 결과를 통해 로지스틱 회귀모형과 나무모형의 특징을 간단하게 비교해 보시오. (6점)
3장 연구과제 2번의 (1)~(3) (6점)
3장 연구과제 3번 (6점)
4장 연구과제 2번 (3점)
4장 연구과제 4번 (6점)
|
|
|
제1장 데이터마이닝의 개요 제2장 데이터마이닝의 활용 제3장 자료의 탐색 제4장 군집분석 제5장 연관규칙의 발굴 제6장 나무모형과 앙상블 기법 제7장 신경망 모형 제8장 로지스틱 회귀모형과 평점표 - 각 장별 출제예상문제(해설포함) 총4
|
|
|
전이효과모형의 분석
1) 변수에 대한 기술적 통계
2) 부실기업 공시의 산업내 정보전이 효과에 대한 회귀모형의 추정결과
Ⅶ. 향후 기업부실(부실기업)의 대응 방안
1. 기업의 대응방안
2. 새로운 금융상품의 도입
Ⅷ. 결론
참고문헌
|
|
메뉴펼치기
