Vše

Co hledáte?

Vše
Projekty
Výsledky výzkumu
Subjekty

Rychlé hledání

  • Projekty podpořené TA ČR
  • Významné projekty
  • Projekty s nejvyšší státní podporou
  • Aktuálně běžící projekty

Chytré vyhledávání

  • Takto najdu konkrétní +slovo
  • Takto z výsledků -slovo zcela vynechám
  • “Takto můžu najít celou frázi”

Výstavba regresního modelu diagnostikami regresního tripletu

Identifikátory výsledku

  • Kód výsledku v IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216275%3A25310%2F14%3A39900195" target="_blank" >RIV/00216275:25310/14:39900195 - isvavai.cz</a>

  • Výsledek na webu

  • DOI - Digital Object Identifier

Alternativní jazyky

  • Jazyk výsledku

    čeština

  • Název v původním jazyce

    Výstavba regresního modelu diagnostikami regresního tripletu

  • Popis výsledku v původním jazyce

    Postup hledání regresního modelu obsahuje: 1. Návrh modelu začíná vždy od nejjednoduššího modelu, a to lineárního. 2. Předběžná analýza dat sleduje proměnlivost proměnných na rozptylových diagramech a indexových grafech. Vyšetřuje se multikolinearita, heteroskedasticita, autokorelace a vlivné body. 3. Odhadování parametrů se provádí klasickou metodou nejmenších čtverců, následované testem významnosti parametrů Studentovým t-testem. Střední kvadratická chyba predikce MEP a Akaikovo informační kritérium AIC představují rozhodčí kritéria při hledání nejlepšího regresního modelu. 4. Regresní diagnostika provádí identifikaci vlivných bodů a ověření předpokladů metody nejmenších čtverců. V případě více vysvětlujících proměnných se posoudí vhodnost jednotlivých proměnných pomoci parciálních regresních grafů a parciálních reziduálních grafů. 5. Parametry zpřesněného modelu jsou odhadovány s využitím (a) metody vážených nejmenších čtverců (MVNČ) při nekonstantnosti rozptylu, (b) metody zobecněn

  • Název v anglickém jazyce

    Regression model building with the use of regression diagnostics

  • Popis výsledku anglicky

    To find the regression model includes: 1. The model always starts from the simplest model, not linear. 2. The preliminary analysis of the data follows the variability of variables to scatter charts and index charts. Investigates the multicollinearity, heteroscedasticity, autocorrelation and influential points. 3. The estimated parameters is done by a classical least squares method, followed by a test of significance of parameters by Student's t-test. Mean square error of prediction MEP and Akaikovo information criterion AIC represent the referee criteria in finding the best regression model. 4th Regression diagnostics is identifying influential points and verify assumptions, the least squares method. For more explanatory variables to examine the suitability of individual variables help of partial regression graphs and partial residual graphs. 5. The parameters to an updated model are estimated using (a) the method of weighted least squares (MVNČ) at nekonstantnosti scattering, (b) the

Klasifikace

  • Druh

    D - Stať ve sborníku

  • CEP obor

    JD - Využití počítačů, robotika a její aplikace

  • OECD FORD obor

Návaznosti výsledku

  • Projekt

  • Návaznosti

    I - Institucionalni podpora na dlouhodoby koncepcni rozvoj vyzkumne organizace

Ostatní

  • Rok uplatnění

    2014

  • Kód důvěrnosti údajů

    S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Údaje specifické pro druh výsledku

  • Název statě ve sborníku

    Analýza dat 2014

  • ISBN

  • ISSN

    1805-6903

  • e-ISSN

  • Počet stran výsledku

    22

  • Strana od-do

    43-56

  • Název nakladatele

    TriloByte Statistical Software, spol. s r. o.

  • Místo vydání

    Pardubice

  • Místo konání akce

    Pardubice

  • Datum konání akce

    25. 11. 2014

  • Typ akce podle státní příslušnosti

    CST - Celostátní akce

  • Kód UT WoS článku