آخرین خبرها
خانه / رگرسیون و مدل سازی به روش حداقل مربعات جزئی

رگرسیون و مدل سازی به روش حداقل مربعات جزئی

آماره دوربین-واتسون- بررسی خودهمبستگی بین باقیمانده ها

در آمار، آماره دوربین-واتسون (Durbin–Watson statistic ) یک آماره آزمون میباشد که برای بررسی وجود خود همبستگی ( autocorrelation=رابطه بین مقادیر که با تاخیر(lag) زمانی مشخص از یکدیگر جدا شده اند) بین بافیمانده ها در تحلیل رگرسیون استفاده می گردد. مقدار این آماره همواره بین ۰ تا ۴ قرار میگیرد که آستانه های ... ادامه مطلب »

عامل تورم واریانس (VIF) در تحلیل رگرسیون کمترین مربعات

در آمار، عامل تورم واریانس (variance inflation factor=VIF) شدت همخطی چندگانه را در تحلیل رگرسیون کمترین مربعات معمولی ارزیابی می کند. در واقع یک شاخص معرفی می گردد که بیان میدارد چه مقدار از تغییرات مربوط به ظرایب برآورد شده بابت همخطی افزایش یافته است.شدت همخطی چندگانه  را با بررسی بزرگی مقدار  VIF ... ادامه مطلب »

نحوه محاسبه رگرسیون حداقل مربعات دو مرحله ای در نرم افزار SPSS

Two Stage Least Squares (2SLS) Regression رگرسیون حداقل مربعات دو مرحله ای یک روش پیشرفته رگرسیونی برای پوشش مدل هایی است که خاصیت بازگشتی بودن را که مفروضه اصلی رگرسیون خطی عمومی است، را نقض می کنند. به ویژه مدل هایی که محقق باید همبستگی بین یک یا تعداد بیشتری ... ادامه مطلب »

رگرسیون و ضریب همبستگی و تفاوت بین انها

ضریب همبستگی همبستگی وقتی حاصل می شود که ارتباط بین 2 جامعه یا 2 متغییر مورد بررسی قرار گیرد. این 2 جامعه که با یکدیگر ارتباط دارند باید افرادشان یا داده هایشان متناظر و جفت باشند. در غیر اینصورت همبستگی وجود ندارد . مثال : بین میزان ریزش های جوی ... ادامه مطلب »