|
회귀분석(回歸分析, regression analysis)은 통계학에서 관찰된 연속형 변수들에 대해 독립변수와 종속변수 사이의 상관관계에 따른 수학적 모델인 선형적 관계식을 구하여 어떤 독립변수가 주어졌을 때 이에 따른 종속변수를 예측한다. 또한 이
|
|
|
회귀분석이 있고, 비모수추정으로는 커널회귀분석(Kernel Regression)이 있다.
1) 모수와 비모수를 구분하는 기준은 무엇인가?
모수추정방법인 선형회귀분석이나 다항(Polynomial)회귀분석은 사전에 분석대상 Data가 정규분포를 한다는 가정(모수추
|
|
|
분석을 통한 결론은 자료들이 상관성을 띄고 있다는 것, 즉 선형성이 있다는 것에 그칠 뿐 그 선형성의 정확한 분포를 알 수는 없었다.
두 번째 회귀분석은 그러한 부분을 정확히 파악하기 위한 방법으로, 모든 변수를 포함하여 회귀모형을
|
|
|
회귀분석 보다는 자기자본수익률에 관한 회귀분석이 더 유용할 것이라 판단되어 자기자본수익률에 관한 회귀분석을 해보았다.
< 분산 분석 >
제곱합
자유도
평균제곱
F
유의확률
선형회귀분석
잔 차
합 계
< 계수 >
비표준화 계수
표
|
|
|
회귀분석 시에는 F값을 통해서 연구모델이 적합한지 확인하는 것이 제일 먼저 할 일이다.
F값이 0.05 보다 작은 경우 독립변수가 종속변수에 미치는 영향이 유의하다고 할 수 있는데, 값이 0.002517915로 0.05보다 작으므로 적합된 선형회귀 모형
|
|
|
분석(b)
모형
제곱합
자유도
평균제곱
F
유의확률
1
선형회귀분석
11531.991
3
3843.997
57.170
.000(a)
잔차
1748.176
26
67.238
합계
13280.167
29
a 예측값: (상수), 성격, 몸무게, 외모
b 종속변수: 호감도
⑷ 계수(a)
모형
비표준화 계수
표준화 계수
t
유의확률
B
|
|
|
회귀분석 사례에 대한 의견
로지스틱 회귀분석은 비선형 관계에서 독립변수와 종속변수사이의 함수관계를 설명한다. 로지스틱 회귀분석은 이분형 로지스틱과 다항 로지스틱으로 구분되는데, 이분형 로지스틱회귀분석은 일반적인 회귀분석
|
|
|
분석 결과에서 오차분산 의 추정치 MSE = 469.3605이다.
의 추정치는 회귀분석 결과에서 회귀계수의 표준오차(197.2264, 0.7636, 3.2342)를 제곱한 값이다. 따라서 의 추정치는 각각 38898.25, 0.5831, 10.46이다.
3) 이고 psi에서 평균 제품의 강도의 추정값 은
|
|
|
분석을 통해 분류된 독립변수들의 인과관계를 살펴보기 위해서 다중회귀분석을 이용한다. 다중회귀분석에서는 독립변수들간의 다중공산성을 유의해야한다. 다중공산성이란, 변수들 사이에 유의한 선형종속의 관계를 갖고있는 현상을 말하
|
|
|
선형계획법에 근거한 효율성측정방법이다. 통계학적으로 회귀분석법과는 달리 사전적으로 구체적인 함수형태를 가정하고 모수(parameter)를 추정하는 것이 아니고 일반적으로 생산 가능 집합에 적용되는 몇 가지의 기준 하에서 평가대상의 경
|
|
메뉴펼치기
