Minitab İle Regresyon Analizi
General Regression
İçindekiler
Bu kısımda regresyon modelimizi kendi istediğimiz formatta nasıl kurarız onu göreceğiz.
PVmh bağımsız değişkenlerimizdi. Klasik bir regresyon modeli
S:sabit , a, b, c ve d değerleride değişkenlerin çarpanları olmak üzere şöyle idi:
Eğim=S+aP+bV+cm+dh
Diyelim ki ben şöyle bir modeli regresyon yöntemi ile kurmak istiyorum:
Eğim=P*V+ m*h+V*V
Bu modelde P ile V’nin çarpımını, m ile h nin çarpımıyla ve V’nin karesiyle toplamışız.
Bunun için
Stat–>Regression–>General Regression
adımlarını izledikten sonra General Regression penceresindeki model kısmına P*V+ m*h+V*V modelini işliyorum. Kopyala yapıştır yapmayın çalışmaz hata alırsınız. Modelde – kullanınca da hata alabilirsiniz, hep + kullanın. Negatifse zaten analizde çıkıyor ve kendi negatif yapıyor. Response kısmında ise bağımlı değişkenimiz, çıktımız olan eğim olacak. OK deyip sonuçları alıyorum.
İşlem sonucunda oluşan model:
Eğim = 4,54791 – 1,21987e-005 P*V + 7,02361e-005 V*V – 0,00165992 m*h
oldu.
Modelin Rkaresi 37,92 düzeltilmiş Rkaresi 29,46 çıktı.
Varyans analizinde ise PV ile VV çarpanlarının istatiksel olarak anlamsız oldukları görülüyor.
Analysis of Variance | |||||||
Source | DF | Seq SS | Adj SS | Adj MS | F | P | |
Regression | 3 | 7,6924 | 7,6924 | 2,56412 | 4,47974 | 0,01338 | |
P*V | 1 | 3,665 | 0,0597 | 0,05966 | 0,10423 | 0,749858 | |
m*h | 1 | 3,3065 | 3,5452 | 3,54518 | 6,19375 | 0,020874 | |
V*V | 1 | 0,7208 | 0,7208 | 0,72077 | 1,25924 | 0,273893 | |
Error | 22 | 12,5924 | 12,5924 | 0,57238 | |||
Total | 25 | 20,2847 |
Gerek rkare değerlerine, gerek varyans analizine bakınca kurduğumuz modelin başarısız bir model olduğunu ve kimseye göstermememiz gerektiği sonucuna varıyoruz. Uydurma model bu kadar olur zaten. Siz daha güzel modeller kurmak isteyebilir ve kurabilirsiniz. Nasıl yapıldığını öğrendiniz.
Kullanımına kendi çalışmalarımda çok rastlamamakla beraber bahsetmekte yarar gördüğüm bir işlem de şöyle. Eğer herhangi bir veya daha fazla değişkenin her düzeyi için farklı sabitlere sahip regresyon modelleri kurulması istenirse Categorical Predictors kısmına bu değişkenleri eklemek gerekiyor. Tek değişken üzerinden konuşursak, örneğin hız değişkeninin her düzeyi için ayrı regresyon modelimiz olsun isteyebiliriz. Yani v=60 iken başka, v=100 iken başka sabitli regresyon denklemi elde edebiliriz. Veya bu değişken sayımızı 2 veya daha fazla seçersek aralarındaki her bir kombinasyon için ayrı birer denklem elde edebiliriz. Bahsettiğim gibi aslında burada elde ettiğimiz regresyon modellerinde diğer değişkenlerin çarpanları değişmemekte sadece regresyona ait sabit değişmektedir.
Bir örnek yapalım.
Yine Stat–>Regression–>General Regression adımlarını takip edelim. Çıkan pencerede model kısmına bütün değişkenlerimizi doğrudan atalım. Bu şekilde olunca bize klasik bildiğimiz şekildeki regresyon modelini oluşturacaktır. Response yine eğim. Categorical Predictors kısmında V ile h değişkenlerini atayalım ve OK diyelim.
Sonuçlar alındığında
V h
60 2 Eğim = 5,67045 – 0,00153385 P – 0,0107671 m
….
150 3 Eğim = 6,87811 – 0,00153385 P – 0,0107671 m
şeklinde V ile h değerleri sabit tutularak ayrı ayrı modeller alabiliyoruz.