Logistisk regresjon 2
|
|
- Susanne Nesse
- 8 år siden
- Visninger:
Transkript
1 Logistisk regresjon 2 SPSS Utskrift: Trivariat regresjon a KJONN UTDAAR Constant Variables in the Equation B S.E. Wald df Sig. Exp(B) -,536,3 84,56,000,25,84,08 09,956,000,202 -,469,083 35,7,000,230 a. Variable(s) entered on step : KJONN, UTDAAR. Fortolkning av koeffisienter: Kvinner har mindre sannsynlighet enn menn til å jobbe mer enn 40 timer Utdanning er positivt relatert til arbeidstid, slik at sannsynligheten for å jobbe mer enn 40 time pr uke øker med økende antall år med utdanning Fortolkning av oddsratio [exp (B)]: Kvinners sjanse (odds) for å jobbe mer enn 40 timer er 2.5 % av den tilsvarende oddsen for menn. Alternativt: Kvinners sjanse (odds) for å jobbe mer enn 40 timer er (-.25)*00 = 78.5% lavere enn den tilsvarende oddsen for menn For hvert år med utdanning øker oddsen for å jobbe mer enn 40 timer med (oddsratio - )*00 = 20.2 % Alternativt: for hvert år med utdanning øker oddsen for høy arbeidstid med faktor.202. Altså, oddsen på ethvert nivå av utdanning er.202 ganger så høy som den tilsvarende oddsen på nivået under. Vi har m.a.o. å gjøre med en multiplikativ, kurvelineær sammenheng mellom utdanning or arbeidstid å gjøre Sannsynligheter: Sannsynligheter i tilknytning til kontinuerlige variable kan ofte med fordel fremstilles grafisk
2 Grafisk framstilling I dialogboksen for logistisk regresjon: velg save Predicted Values Probabilities SPSS lagrer nå de sannsynlighetene som modellen predikerer som en egen variabel pre_ eventuelt pre_n hvis man har lagret slike variable tidligere i SPSS. Denne kan nå plottes mot utdanning, og framstilles med kurver for menn og kvinner (Har modellen flere variable, eller ingen dummyvariable, blir det mer komplisert. I så fall må prediksjonene gjøres i regneark og fremstilles grafisk der)
3 Grafisk framstilling 2 Velg Graph line Multiple: Velg pre_ som Variable, kontinuerlig uavhengig variabel som Category Axis, og den dikotome uavhengige variabelen som Define Lines By. I vårt eksempel får vi denne grafen:,8,7,6,5 Mean Predicted probability,4,3,2, 0,0,00,00 3,00 5,00 7,00 9,00 Kjønn Mann Kvinne 2,00 Utdanning i år utover grunnskolenivå
4 Signifikanstest av koeffisienter a KJONN UTDAAR Constant Variables in the Equation B S.E. Wald df Sig. Exp(B) -,536,3 84,56,000,25,84,08 09,956,000,202 -,469,083 35,7,000,230 a. Variable(s) entered on step : KJONN, UTDAAR. Også i logistisk regresjon får vi estimert standardfeil til koeffisientene I logistisk regresjon er det korrekt å bruke z-verdier som kritiske verdier i hypotesetesting. z B SE b Testobservatoren er tilnærmet normalfordelt når utvalget er stort og effekten av variabelen i populasjonen er null slik som antatt under H 0 WALD z 2 B SE b 2 Denne testobservatoren er X 2 -fordelt med df= når utvalget er stort og effekten av variabelen i populasjonen er null slik som antatt under H 0. WALD er et alternativ til z ved to-halet hypotesetesting. Kritisk verdi er 3.84 Tester basert på z og WALD gir samme konklusjon Ved små utvalg er ingen av disse testene pålitelige. Da har vi kun Likelihood Ratio testen å holde oss til
5 Modelltest: Log Likelihood Iteration History a,b,c,d Iteration a. Method: Enter -2 Log Coefficients likelihood Constant KJONN UTDAAR 2834,350 -,77 -,806,9 2739,66 -,42 -,330, ,327 -,467 -,58, ,293 -,469 -,536,84 b. Constant is included in the model. c. Initial -2 Log Likelihood: 30,24 d. Estimation terminated at iteration number 4 because log-likelihood decreased by less than,00 percent. I logistisk regresjon er estimeringsmetoden Maximum likelihood estimering av maksimal sannsynlighet. Gitt det settet av uavhengige variable vi velger ut til analysen, går beregningsmetoden ut på å finne de koeffisienter som gjør det mest sannsynlig å få de observerte y-veridiene 0 -. Dette skjer ved hjelp av en såkalt likelihood funksjon: gjennom prøving og feiling såkalt iterasjoner er målet å komme fram til de koeffisienter som maksimerer logaritmen til denne funksjonen: log likelihood. Av tekniske grunner opererer man med et mål hvor Log Likelihood multipliseres med -2 den såkalte -2LL -2LL tilsvarer SSE i OLS-basert regresjon. Det er altså et mål på feilterm/ residualledd. En god modell er m.a.o. en modell med lav -2LL verdi I første iterasjon estimeres en -2LL for en modell uten variable. I eksempelet ovenfor er denne startverdien beregnet til I de neste iterasjonene estimeres -2LL for den fulle modellen. Som vi ser er den beste tilpasningen med tilhørende konstantledd og koeffisienter for kjønn og utdanning Reduksjonen i log likelihood er ( ) = Dette danner utgangspunkt for ulike tester av modellen
6 Pseudo R 2 I tråd med OLS-basert regresjon virker følgende mål fra Hosmer & Lameshow intuitivt fornuftig: PseudoR 2 HL 2LL 2LL full mod ell redusert mod ell For den trivariate modellen får vi: 2 PseudoR HL Fortolkning av Pseudo R 2 : proporsjonal reduksjon i -2LL-statistikken I SPSS fins to andre varianter av Pseudo R 2 : Model Summary -2 Log Cox & Snell Nagelkerke likelihood R Square R Square 2734,293,,76 Problemer med Pseudo R 2 : Kan ikke fortolkes som forklart varians
7 Likelihood Ratio testen (LR-test) Iteration History a,b,c,d Iteration a. Method: Enter -2 Log Coefficients likelihood Constant KJONN UTDAAR 2834,350 -,77 -,806,9 2739,66 -,42 -,330, ,327 -,467 -,58, ,293 -,469 -,536,84 b. Constant is included in the model. c. Initial -2 Log Likelihood: 30,24 d. Estimation terminated at iteration number 4 because log-likelihood decreased by less than,00 percent. Omnibus Tests of Model Coefficients Block Model Chi-square df Sig. 366,947 2, ,947 2, ,947 2,000 Denne testen tester hele modellen opp mot en modell med ingen variable H 0 : ingen av variablene i modellen har effekt Testobservator: (-2LL 0 ) (-2LL ) ~ X 2 -fordelt med df= antall variable i den fulle modellen Testen i SPSS-utskriften tester den trivariate analysen med kjønn og utdanning som uavhengige variable opp mot en modell med ingen variable. I modellen med ingen variable er -2LL = I den trivariate analysen er -2LL = Differansen er Df = 2 siden forskjellen på de to modellene er 2 variable Kritisk verdi: 5.99 Konklusjon: Modellen gir et signifikant forklaringsbidrag i forhold til en modell uten de to variablene
8 Likelihood Ratio testen 2 (LR-Test) Modell (Block ) Modell 2 (Block 2) Uavh variable: Kjønn Iteration History -2 Log Coefficients likelihood Iteration Constant KJONN 2924,337 -,803 -, ,860 -,850 -, ,24 -,85 -, ,06 -,85 -,606 a Method: Enter b Constant is included in the model. c Initial -2 Log Likelihood: 30,24 d Estimation terminated at iteration number 4 because log-likelihood decreased by less than,00 percent. Uavh. Variable: kjønn, utdanning Iteration History -2 Log Coefficients likelihood Iteration Constant KJONNUTDAAR 2834,350 -,77 -,806, ,66 -,42 -,330, ,327 -,467 -,58, ,293 -,469 -,536,84 a Method: Enter b Constant is included in the model. c Initial -2 Log Likelihood: 2846,06 d Estimation terminated at iteration number 4 because log-likelihood decreased by less than,00 percent. Omnibus Tests of Model Coefficients Chisquare df Sig. 255,35,000 Block 255,35,000 Model 255,35,000 Omnibus Tests of Model Coefficients Chisquare df Sig.,82,000 Block,82,000 Model 366,947 2,000 Denne testen tester den trivariate modellen (kjønn, utdanning) opp mot den bivariate modellen (bare kjønn som uavhengig variabel). H 0 : Den nye variabelen vi har inkludert representerer ingen forbedring i forhold til vår tidligere modell med færre variable. I modellen med kun én uavhengig variabel er -2LL = I den trivariate analysen er -2LL = Differansen er.82 Df = siden forskjellen på de to modellene er variabel Kritisk verdi: 3.84 Konklusjon: Den fulle modellen gir et signifikant forklaringsbidrag i forhold til en modell med bare én uavhengig
9 Hosmer & Lameshow Goodness of Fit Test Test fra den trivariate modellen: Hosmer and Lemeshow Test Chi-square df Sig. 7,855 6, Contingency Table for Hosmer and Lemeshow Test Arbeidstidskategorier =,00 Normal (<=40t) Arbeidstidskategorier =,00 Høy (>= 4) Observed Expected Observed Expected Total ,22 6 2, , , , , , , , , , , , , , , Selv om vi har fått signifikante resultater betyr ikke det at vi har en god modell. En modell kan treffe godt i noen områder av dataene og dårlig i andre deler. Framfor alt forutsetter logistisk regresjon at sammenhengene mellom avhengig og uavhengige variable kan beskrives med en logistisk s-kurve. Dette tilsvarer forutsetningen om linearitet i OLS-regresjon. Hosmer & Lameshow-testen går ut på å undersøke akkurat dette: hvorvidt det er et akseptabelt eller for stort avvik mellom predikerte utfall og observerte verdier. Hvis avviket er for stort har vi en dårlig modell, dvs. en analyse som ikke oppfyller nevnte forutsetning. I tabellen ovenfor er materialet delt inn i 8 grupper. I hver av dem sammenliknes observerte og predikerte utfall på avhengig variabel. Generelt ser vi at modellen predikerer bedre for Y=0 enn Y=. Likevel ser avvikene ut til å være beskjedne. H & L gir oss en kjikvadrattest på avvikene: H 0 : Avvikene mellom observerte og predikerte utfall skyldes tilfeldigheter H : Det er et systematisk avvik mellom observerte og predikerte utfall I denne testen ønsker vi egentlig et ikke-signifikant resultat, for i så fall har vi støtte for modellen vår. Den aktuelle testen viser at gitt at H 0 er sann er det 24.9 % sjanse for å få et kjikvadrat på eller høyere. H 0 kan m.a.o. ikke forkastes.
10 This document was created with Win2PDF available at The unregistered version of Win2PDF is for evaluation or non-commercial use only.
Logistisk regresjon 1
Logistisk regresjon Hovedideen: Binær logistisk regresjon håndterer avhengige, dikotome variable Et hovedmål er å predikere sannsynligheter for å ha verdien på avhengig variabel for bestemte (sosiale)
DetaljerForelesning 17 Logistisk regresjonsanalyse
Forelesning 17 Logistisk regresjonsanalyse Logistiske regresjons er den mest brukte regresjonsanalysen når den avhengige variabelen er todelt Metoden kan brukes til å: teste hypoteser om variablers effekt
DetaljerNTNU, TRONDHEIM Norges teknisk-naturvitenskapelige universitet Institutt for sosiologi og statsvitenskap
NTNU, TRONDHEIM Norges teknisk-naturvitenskapelige universitet Institutt for sosiologi og statsvitenskap EKSAMENSOPPGAVE I SOS3003 Våren 2006 Anvendt statistisk dataanalyse i samfunnsvitenskap Faglig kontakt
DetaljerFra krysstabell til regresjon
Fra krysstabell til regresjon La oss si at vi er interessert i å undersøke i hvilken grad arbeidstid er avhengig av utdanning. Vi har ca. 3200 observasjoner (dvs. arbeidstakere som er spurt). For hver
DetaljerForelesning 10 Kjikvadrattesten
verdier Forelesning 10 Kjikvadrattesten To typer av statistisk generalisering: Statistisk hypotesetesting Statistiske hypoteser (H 0 og H 1 ) om populasjonen Finner forkastningsområdet for H 0 ut fra en
DetaljerForelesning 9 Kjikvadrattesten. Kjikvadrattest for bivariate tabeller (klassisk variant) Når kan vi forkaste H 0?
Forelesning 9 Kjikvadrattesten Kjikvadrattesten er den mest benyttede metoden for å utføre statistiske generaliseringer fra bivariate tabeller. Kjikvadrattesten brukes til å teste nullhypotesen om at det
DetaljerMASTER I IDRETTSVITENSKAP 2018/2020. Individuell skriftlig eksamen. STA 400- Statistikk. Mandag 18. mars 2019 kl
MASTER I IDRETTSVITENSKAP 2018/2020 Individuell skriftlig eksamen i STA 400- Statistikk Mandag 18. mars 2019 kl. 10.00-12.00 Eksamensoppgaven består av 5 sider inkludert forsiden Sensurfrist: 8.april 2019
DetaljerNTNU, TRONDHEIM Norges teknisk-naturvitenskapelige universitet Institutt for sosiologi og statsvitenskap
NTNU, TRONDHEIM Norges teknisk-naturvitenskapelige universitet Institutt for sosiologi og statsvitenskap EKSAMENSOPPGAVE I SOS3003 Våren 2006 Anvendt statistisk dataanalyse i samfunnsvitenskap Faglig kontakt
DetaljerNTNU, TRONDHEIM Norges teknisk-naturvitenskapelige universitet Institutt for sosiologi og statsvitenskap
NTNU, TRONDHEIM Norges teknisk-naturvitenskapelige universitet Institutt for sosiologi og statsvitenskap EKSAMENSOPPGAVE I SVSOS 316 REGRESJONSANALYSE Faglig kontakt under eksamen: Kristen Ringdal Tlf.:
DetaljerStd. Error. ANOVA b. Sum of Squares df Square F Sig. 54048,151 2 27024,075 327,600,000 263063,943 3189 82,491 317112,094 3191.
Samspill i regresjon Variables Entered/Removed b Variables Variables Entered Removed Method Kjønn,, Enter hjemmebo ende a a. All requested variables entered. Summary Std. Error Adjusted R of the R R Square
DetaljerEksamensoppgave i ST3001
Det medisinske fakultet Institutt for kreftforskning og molekylær medisin Eksamensoppgave i ST3001 Onsdag 16. desember 2010, kl. 9.00 13:00 ntall studiepoeng: 7.5 Tillatte hjelpemidler: Kalkulator og alle
DetaljerSOS1120 Kvantitativ metode. Regresjonsanalyse. Lineær sammenheng II. Lineær sammenheng I. Forelesningsnotater 11. forelesning høsten 2005
SOS1120 Kvantitativ metode Regresjonsanalyse Forelesningsnotater 11. forelesning høsten 2005 Per Arne Tufte Lineær sammenheng I Lineær sammenheng II Ukelønn i kroner 4000 3500 3000 2500 2000 1500 1000
DetaljerForelesning 13 Regresjonsanalyse
Forelesning 3 Regresjonsanalyse To typer bivariat analyse: Bivariat tabellanalyse: Har enhetenes verdi på den uavhengige variabelen en tendens til å gå sammen med bestemte verdier på den avhengige variabelen?
DetaljerSKOLEEKSAMEN 2. november 2007 (4 timer)
EKSAMEN I SOS400 KVANTITATIV METODE SKOLEEKSAMEN. november 007 (4 timer Ikke-programmerbar kalkulator er tillatt under eksamen. Ingen andre hjelpemidler er tillatt. Sensuren faller fredag 3. november kl.
DetaljerNTNU, TRONDHEIM Norges teknisk-naturvitenskapelige universitet Institutt for sosiologi og statsvitenskap
NTNU, TRONDHEIM Norges teknisk-naturvitenskapelige universitet Institutt for sosiologi og statsvitenskap EKSAMENSOPPGAVE SOS 00 ANVENDT STATISTISK DATAANALYSE I SAMFUNNSVITENSKAP Faglig kontakt under eksamen:
DetaljerKrysstabellanalyse (forts.) SOS1120 Kvantitativ metode. 4. Statistisk generalisering. Forelesningsnotater 9. forelesning høsten 2005.
SOS112 Kvantitativ metode Krysstabellanalyse (forts.) Forelesningsnotater 9. forelesning høsten 25 4. Statistisk generalisering Per Arne Tufte Eksempel: Hypoteser Eksempel: observerte frekvenser (O) Hvordan
DetaljerHøye skårer indikerer høye nivåer av selvkontroll.
Psykologisk institutt PSY2012 Forskningsmetodologi III: Statistisk analyse, design og måling Eksamen vår 2015 Skriftlig skoleeksamen tirsdag 19. mai, 09:00 (4 timer) Resultater publiseres 10. juni Kalkulator
DetaljerKATEGORISKE DATA- TABELLANALYSE ANALYSE AV. Tron Anders Moger. 3. Mai 2005
ANALYSE AV KATEGORISKE DATA- TABELLANALYSE 3. Mai 2005 Tron Anders Moger Forrige gang: Snakket om kontinuerlige data, dvs data som måles på en kontinuerlig skala Hypotesetesting med t-tester evt. ikkeparametriske
DetaljerEKSAMENSOPPGAVE I SOS3003:
EKSAMENSOPPGAVE I SOS3003: ANVENDT STATISTISK DATAANALYSE I SAMFUNNSVITENSKAP HØST 2012. Faglig kontakt under eksamen: Albert Andrew Simkus Telefon: 99 53 21 74 Eksamensdato og tidspunkt: 17. desember
DetaljerLøsningsforslag eksamen STAT100 Høst 2010
Løsningsforslag eksamen STAT100 Høst 2010 Oppgave 1 a) To-utvalg, parvise data. La Y være tilfeldig variabel som angir antall drepte i periode 1 og tilsvarende X for periode 2. Vi antar parvise avhengigheter
DetaljerEKSAMENSOPPGAVE I SOS3003 ANVENDT STATISTISK DATAANALYSE I SAMFUNNSVITENSKAP VÅR 2008.
EKSAMENSOPPGAVE I SOS3003 ANVENDT STATISTISK DATAANALYSE I SAMFUNNSVITENSKAP VÅR 2008. Faglig kontakt under eksamen: Albert Andrew Simkus Telefon: 99 53 21 74 Eksamensdato og tidspunkt: 20. mai 2008 09:00
DetaljerSOS 301 og SOS31/ SOS311 MULTIVARIAT ANALYSE
1 SOS 301 og SOS31/ SOS311 MULTIVARIAT ANALYSE Eksamensdag: 8 desember 1997 Eksamensstad: Dragvoll, paviljong C, rom 201 Tid til eksamen: 6 timar Vekt: 5 for SOS301 og 4 for SOS31/ SOS311 Talet på sider
DetaljerSOS3003 Eksamensoppgåver
SOS3003 Eksamensoppgåver Gjennomgang våren 2004 Erling Berge Vår 2004 1 Gjennomgang av Oppgåve 3 gitt hausten 2001 Vår 2004 2 Haust 2001 Oppgåve 3 I tabellvedlegget til oppgåve 3 er det estimert 7 ulike
DetaljerPSY2012 Forskningsmetodologi III: Statistisk analyse, design og måling Eksamen vår 2014
Psykologisk institutt PSY2012 Forskningsmetodologi III: Statistisk analyse, design og måling Eksamen vår 2014 Skriftlig skoleeksamen fredag 2. mai, 09:00 (4 timer). Kalkulator uten grafisk display og tekstlagringsfunksjon
DetaljerKategoriske data, del I: Kategoriske data - del 2 (Rosner, ) Kategoriske data, del II: 2x2 tabell, parede data (Mc Nemar s test)
Kategoriske data, del I: Kategoriske data - del (Rosner, 10.3-10.7) 1 januar 009 Stian Lydersen To behandlinger og to utfall. (generelt: variable, verdier). x tabell. Uavhengige observasjoner Sammenheng
DetaljerMASTER I IDRETTSVITENSKAP 2014/2016. Individuell skriftlig eksamen. STA 400- Statistikk. Fredag 13. mars 2015 kl. 10.00-12.00
MASTER I IDRETTSVITENSKAP 2014/2016 Individuell skriftlig eksamen i STA 400- Statistikk Fredag 13. mars 2015 kl. 10.00-12.00 Hjelpemidler: kalkulator Eksamensoppgaven består av 10 sider inkludert forsiden
DetaljerInternational Research Institute of Stavanger AS
Innhold 1 INNLEDNING... 5 2 BIVARIAT ANALYSE AV UTVALGTE PROBLEMSTILLINGER... 6 2.1 Kommunestørrelse og antall bygninger barnehagen består av... 6 2.2 Styrers og pedagogisk leders utdanningsnivå ved ulike
Detaljer10.1 Enkel lineær regresjon Multippel regresjon
Inferens for regresjon 10.1 Enkel lineær regresjon 11.1-11.2 Multippel regresjon 2012 W.H. Freeman and Company Denne uken: Enkel lineær regresjon Litt repetisjon fra kapittel 2 Statistisk modell for enkel
Detaljer1 8-1: Oversikt. 2 8-2: Grunnleggende hypotesetesting. 3 Section 8-3: Å teste påstander om andeler. 4 Section 8-5: Teste en påstand om gjennomsnittet
1 8-1: Oversikt 2 8-2: Grunnleggende hypotesetesting 3 Section 8-3: Å teste påstander om andeler 4 Section 8-5: Teste en påstand om gjennomsnittet Definisjoner Hypotese En hypotese er en påstand om noe
DetaljerSKOLEEKSAMEN 29. september 2006 (4 timer)
EKSAMEN I SOS400 KVANTITATIV METODE SKOLEEKSAMEN 9. september 006 (4 timer) Ikke-programmerbar kalkulator er tillatt under eksamen. Ingen andre hjelpemidler er tillatt. Sensuren faller fredag 0. oktober
Detaljerregresjonsmodeller multippel logistisk regresjon logistisk regresjon prediksjon vs assosiasjon den logistisk funksjonen (2)
Innføring i medisinsk statistikk del 2 regresjonsmodeller Hvorfor vil man bruke regresjonsmodeller? multippel logistisk regresjon. predikere et utfall (f.eks. sykdom, død, blodtrykk) basert på et sett
DetaljerSammenlikninger av gjennomsnitt. SOS1120 Kvantitativ metode. Kan besvare to spørsmål: Sammenlikning av to gjennomsnitt
SOS1120 Kvantitativ metode Forelesningsnotater 10. forelesning høsten 2005 Per Arne Tufte Sammenlikninger av gjennomsnitt Sammenlikner gjennomsnittet på avhengig variabel for ulike grupper av enheter Kan
DetaljerSOS3003 Eksamensoppgåver
SOS3003 Eksamensoppgåver Gjennomgang våren 2004 Erling Berge Gjennomgang av Oppgåve 2 gitt hausten 2003 Haust 2003 Oppgåve 2 Den avhengige variabelen i den logistiske regresjonsanalysen er freegl, som
DetaljerSENSORVEILEDNING FOR DEN KVANTITATIVE DELEN AV EKSAMENSOPPGAVEN I SOS1002 VÅREN 2007
SENSORVEILEDNING FOR DEN KVANTITATIVE DELEN AV EKSAMENSOPPGAVEN I SOS1002 VÅREN 2007 Oppgave 1 Nedenfor ser du en forenklet tabell basert på informasjon fra den norske delen av European Social Survey 2004.
DetaljerKapittel 3: Studieopplegg
Oversikt over pensum Kapittel 1: Empirisk fordeling for en variabel o Begrepet fordeling o Mål for senter (gj.snitt, median) + persentiler/kvartiler o Mål for spredning (Standardavvik s, IQR) o Outliere
DetaljerUnivariate tabeller. Bivariat tabellanalyse. Forelesning 8 Tabellanalyse. Formålet med bivariat analyse:
Forelesning 8 Tabellanalyse Tabellanalyse er en godt egnet presentasjonsform hvis: variablene har et fåtall naturlige kategorier For eksempel kjønn, Eu-syn variablene er delt inn i kategorier For eksempel
DetaljerUNIVERSITETET I OSLO
UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i: STK1110 Statistiske metoder og dataanalyse 1. Eksamensdag: Tirsdag 11. desember 2012. Tid for eksamen: 14.30 18.30. Oppgavesettet
DetaljerLineære modeller i praksis
Lineære modeller Regresjonsmodeller med Forskjellige spesialtilfeller Uavhengige variabler Én binær variabel Analysen omtales som Toutvalgs t-test én responsvariabel: Y én eller flere uavhengige variabler:
DetaljerAnalyse av kontinuerlige data. Intro til hypotesetesting. 21. april 2005. Seksjon for medisinsk statistikk, UIO. Tron Anders Moger
Intro til hypotesetesting Analyse av kontinuerlige data 21. april 2005 Tron Anders Moger Seksjon for medisinsk statistikk, UIO 1 Repetisjon fra i går: Normalfordelingen Variasjon i målinger kan ofte beskrives
DetaljerForelesning 18 SOS1002
Forelesning 8 SOS002 Bruk av regresjonsmodeller til å predikere verdier? Hvordan kan vi predikere timelønn ut fra denne lineære regresjonsmodellen? B SEB Beta t Sig. t Kvinner(kvinne=, mann=0) -4,0 0,96-0,23-4,66
DetaljerNTNU, TRONDHEIM Norges teknisk-naturvitenskapelige universitet Institutt for sosiologi og statsvitenskap
NTNU, TRONDHEIM Norges teknisk-naturvitenskapelige universitet Institutt for sosiologi og statsvitenskap EKSAMENSOPPGAVE I SVSOS 36 REGRESJONSANALYSE Faglig kontakt under eksamen: Tlf.: 73 59 7 0 Eksamensdato:
DetaljerST0202 Statistikk for samfunnsvitere Kapittel 9: Inferens om én populasjon
ST0202 Statistikk for samfunnsvitere Kapittel 9: Inferens om én populasjon Bo Lindqvist Institutt for matematiske fag 2 Kap. 9: Inferens om én populasjon Statistisk inferens har som mål å tolke/analysere
DetaljerFakultet for informasjonsteknologi, Institutt for matematiske fag EKSAMEN I EMNE ST2202 ANVENDT STATISTIKK
Side av 9 NTNU Noregs teknisk-naturvitskaplege universitet Fakultet for informasonsteknologi, matematikk og elektroteknikk Institutt for matematiske fag Bokmål Faglig kontakt under eksamen Bo Lindqvist
DetaljerHvorfor har forskjellen. i t-testen på nå blitt redusert til ?
Forelesning 16 Tolkning av regresjonsmodeller Eksamensoppgave i SVSOS17 18. mai 21 1 Oppgave 1a Tabell 1 viser et SPSS-utskrift av en t-test for to uavhengige utvalg, og er basert på data fra en spørreundersøkelse
DetaljerMultippel regresjon. Her utvider vi perspektivet for enkel lineær regresjon til også å omfatte flere forklaringsvariable x 1, x 2,, x p.
Multippel regresjon Her utvider vi perspektivet for enkel lineær regresjon til også å omfatte flere forklaringsvariable x 1, x 2,, x p. Det er fortsatt en responsvariabel y. Måten dette gjøre på er nokså
DetaljerSENSORVEILEDNING FOR EKSAMENSOPPGAVEN I SVSOS107 VÅREN 2002
SENSORVEILEDNING FOR EKSAMENSOPPGAVEN I SVSOS107 VÅREN 2002 Generell informasjon Dette er den siste eksamensoppgaven under overgangsordningen mellom gammelt og nytt pensum i SVSOS107. Eksamensoppgaven
DetaljerNTNU, Norges teknisk-naturvitenskapelige universitet
NTNU, Norges teknisk-naturvitenskapelige universitet EXAMINATION QUESTIONS FOR/ EKSAMENSOPPGÅVE I / EKSAMENSOPPGAVE I SVSOS3003 ANVENDT STATISTISK DATAANALYSE I SAMFUNNSVITENSKAP Contact during examinations/
DetaljerMASTER I IDRETTSVITENSKAP 2014/2016. Utsatt individuell skriftlig eksamen. STA 400- Statistikk. Mandag 24. august 2015 kl. 10.00-12.
MASTR I IDRTTSVITNSKAP 2014/2016 Utsatt individuell skriftlig eksamen i STA 400- Statistikk Mandag 24. august 2015 kl. 10.00-12.00 Hjelpemidler: kalkulator ksamensoppgaven består av 10 sider inkludert
DetaljerEKSAMENSOPPGAVE I IDRSA1004 Samfunnsvitenskapelig forskningsmetode og analyse
NTNU, TRONDHEIM Norges teknisk-naturvitenskapelige universitet Institutt for sosiologi og statsvitenskap EKSAMENSOPPGAVE I IDRSA1004 Samfunnsvitenskapelig forskningsmetode og analyse Faglig kontakt under
DetaljerNTNU, Norges teknisk-naturvitenskapelige universitet
NTNU /NORWEGIAN UNIVERSITY OF SCIENCE AND TECHNOLOGY Eksamensoppgåver/Eksamensoppgaver/Examination question NTNU, Norges teknisk-naturvitenskapelige universitet EXAMINATION QUESTIONS FOR / EKSAMENSOPPGÅVE
DetaljerTil bruk i metodeundervisningen ved Høyskolen i Oslo
MINIMANUAL FOR SPSS Til bruk i metodeundervisningen ved Høyskolen i Oslo Denne minimanualen viser hvordan analyser i metodeundervisningen på masternivå (master i sosialt arbeid, master i familiebehandling
DetaljerNTNU, TRONDHEIM Norges teknisk-naturvitenskapelige universitet Institutt for sosiologi og statsvitenskap
NTNU, TRONDHEIM Norges teknisk-naturvitenskapelige universitet Institutt for sosiologi og statsvitenskap EKSAMENSOPPGAVE I SVSOS 36 REGRESJONSANALYSE Faglig kontakt under eksamen: Kristen Ringdal Tlf.:
DetaljerEksamensoppgave i PSY2017/PSYPRO4317 Statistikk og kvantitative forskningsmetoder
Psykologisk institutt Eksamensoppgave i PSY2017/PSYPRO4317 Statistikk og kvantitative forskningsmetoder Faglig kontakt under eksamen: Martin Rasmussen Tlf.: 73 59 19 60 Eksamensdato: 12.12.13 Eksamenstid
DetaljerSOS3003 Anvendt statistisk dataanalyse i samfunnsvitenskap Forelesingsnotat, vår Erling Berge Institutt for sosiologi og statsvitenskap NTNU
SOS3003 Anvendt statistisk dataanalyse i samfunnsvitenskap Forelesingsnotat, vår 2003 Erling Berge Institutt for sosiologi og statsvitenskap NTNU Vår 2004 Erling Berge 2004 1 Forelesing VII Logistisk regresjon
DetaljerKort overblikk over kurset sålangt
Kort overblikk over kurset sålangt Kapittel 1: Deskriptiv statististikk for en variabel Kapittel 2: Deskriptiv statistikk for samvariasjon mellom to variable (regresjon) Kapittel 3: Metoder for å innhente
DetaljerTillatte hjelpemidler: C3: alle typer kalkulator, alle andre hjelpemidler
EKSAMENSOPPGAVER Institutt: Eksamen i: Tid: IKBM STAT100 Torsdag 13.des 2012 STATISTIKK 09.00-12.30 (3.5 timer) Emneansvarlig: Solve Sæbø ( 90065281) Tillatte hjelpemidler: C3: alle typer kalkulator, alle
DetaljerLøsningsforslag øving 9, ST1301
Løsningsforslag øving 9, ST1301 Oppgave 1 Regresjon. Estimering av arvbarhet. a) Legg inn din egen høyde, din mors høyde, din fars høyde, og ditt kjønn via linken på fagets hjemmeside 1. Last så ned dataene
DetaljerOppgaver til Studentveiledning 3 MET 3431 Statistikk
Oppgaver til Studentveiledning 3 MET 3431 Statistikk 24. april 2012 kl 17.15-20.15 i B2 Handelshøyskolen BI 2 Oppgaver 1. Eksamensoppgaver: Eksamen 01/06/2011: Oppgave 1-7. Eksamensoppgaven fra 06/2011
DetaljerSTK juni 2016
Løsningsforslag til eksamen i STK220 3 juni 206 Oppgave a N i er binomisk fordelt og EN i np i, der n 204 Hvis H 0 er sann, er forventningen lik E i n 204/6 34 for i, 2,, 6 6 Hvis H 0 er sann er χ 2 6
DetaljerEr det enklere å anslå timelønna hvis vi vet utdanningslengden? Forelesning 14 Regresjonsanalyse
Forelesning 4 Regresjonsanalyse To typer bivariat analyse: Bivariat tabellanalyse: Har enhetenes verdi på den uavhengige variabelen en tendens til å gå sammen med bestemte verdier på den avhengige variabelen?
DetaljerOppgave 1. T = 9 Hypotesetest for å teste om kolesterolnivået har endret seg etter dietten: T observert = 2.16 0
Løsningsforslag til eksamen i MOT310 STATISTISKE METODER 1 VARIGHET: 4 TIMER DATO: 08. mai 2008 TILLATTE HJELPEMIDLER: Kalkulator: HP30S, Casio FX82 eller TI-30 Tabeller og formler i statistikk (Tapir
DetaljerSOS3003 Anvendt statistisk dataanalyse i samfunnsvitenskap Forelesingsnotat, vår Erling Berge Institutt for sosiologi og statsvitenskap NTNU
SOS3003 Anvendt statistisk dataanalyse i samfunnsvitenskap Forelesingsnotat, vår 003 Erling Berge Institutt for sosiologi og statsvitenskap NTNU Vår 004 Erling Berge 004 1 Forelesing XI Logistisk regresjon
DetaljerINSTITUTT FOR SOSIOLOGI OG SAMFUNNSGEOGRAFI EKSAMEN I SOSIOLOGI (MASTER) SOS KVANTITATIV METODE. SKOLEEKSAMEN 11. mai 2005 (4 timer)
EKSAMEN I SOSIOLOGI (MASTER) SOS400 - KVANTITATIV METODE SKOLEEKSAMEN 11. mai 005 (4 timer) Tillatt hjelpemiddel: Ikke-programmerbar kalkulator. Oppgavesettet består av 6 sider inkludert denne. Kandidaten
DetaljerFordelinger, mer om sentralmål og variasjonsmål. Tron Anders Moger
Fordelinger, mer om sentralmål og variasjonsmål Tron Anders Moger 20. april 2005 1 Forrige gang: Så på et eksempel med data over medisinerstudenter Lærte hvordan man skulle få oversikt over dataene ved
DetaljerPage 1 EN DAG PÅ HELSESTASJONEN. Lises klassevenninnner. Formelen: Du har en hypotese om vanlig høyde
1 E DAG PÅ HELSESTASJOE Lises klassevenninnner Lise er veldig liten Hva gjør at du sier at hun er liten? Du har en hypotese om vanlig høyde Du har en hypotese om vanlig høyde Du sammenligner Lises høyde
DetaljerDatamatrisen: observasjoner, variabler og verdier. Variablers målenivå: Nominal Ordinal Intervall Forholdstall (ratio)
Datamatrisen: observasjoner, variabler og verdier. Variablers målenivå: Nominal Ordinal Intervall Forholdstall (ratio) Beskrive fordelinger (sentraltendens, variasjon og form): Observasjon y i Sentraltendens
Detaljer3.A IKKE-STASJONARITET
Norwegian Business School 3.A IKKE-STASJONARITET BST 1612 ANVENDT MAKROØKONOMI MODUL 5 Foreleser: Drago Bergholt E-post: Drago.Bergholt@bi.no 11. november 2011 OVERSIKT - Ikke-stasjonære tidsserier - Trendstasjonaritet
DetaljerUNIVERSITETET I OSLO
UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i: ST 301 Statistiske metoder og anvendelser. Eksamensdag: Torsdag, 2. juni, 1994. Tid for eksamen: 09.00 14.00. Oppgavesettet er
DetaljerSKOLEEKSAMEN I SOS KVANTITATIV METODE. 27. februar 2017 (4 timer)
Institutt for sosiologi og samfunnsgeografi BOKMÅL SKOLEEKSAMEN I SOS4020 - KVANTITATIV METODE 27. februar 2017 (4 timer) Tillatte hjelpemidler: Alle skriftlige hjelpemidler og kalkulator. Sensur for eksamen
DetaljerUNIVERSITETET I OSLO
UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i STK1000 Innføring i anvendt statistikk Eksamensdag: Torsdag 2. desember 2010. Tid for eksamen: 09.00 13.00. Oppgavesettet er på
DetaljerUNIVERSITETET I OSLO
UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i: STK1110 Statistiske metoder og dataanalyse 1 Eksamensdag: Mandag 30. november 2015. Tid for eksamen: 14.30 18.00. Oppgavesettet
DetaljerSimulering med Applet fra boken, av z og t basert på en rekke utvalg av en gitt størrelse n fra N(μ,σ). Illustrerer hvordan estimering av variansen
Simulering med Applet fra boken, av z og t basert på en rekke utvalg av en gitt størrelse n fra N(μ,σ). Illustrerer hvordan estimering av variansen gir testobservatoren t mer spredning enn testobservatoren
DetaljerTid: Torsdag 11.desember 9:00 12:30 (3.5 timer) Emneansvarlig: Solve Sæbø, Tlf
EKSAMENSOPPGAVE Institutt: IKBM Eksamen i: STAT 100 STATISTIKK Tid: Torsdag 11.desember 9:00 12:30 (3.5 timer) Emneansvarlig: Solve Sæbø, Tlf 67232561 Tillatte hjelpemidler: C3: alle typer kalkulatorer,
DetaljerGenerelle lineære modeller i praksis
Generelle lineære modeller Regresjonsmodeller med Forskjellige spesialtilfeller Uavhengige variabler Én binær variabel Analysen omtales som Toutvalgs t-test én responsvariabel: Y en eller flere uavhengige
DetaljerHØGSKOLEN I STAVANGER
EKSAMEN I: MOT310 STATISTISKE METODER 1 VARIGHET: 4 TIMER DATO: 25. NOVEMBER 2003 TILLATTE HJELPEMIDLER: KALKULATOR, TABELLER OG FORMLER I STATISTIKK (TAPIR FORLAG) OPPGAVESETTET BESTÅR AV 3 OPPGAVER PÅ
DetaljerLogistisk regresjon. Regresjonsmodeller. Prediksjon versus assosiasjon. En epidemiologisk problemstilling. Et multivariabelt problem
Innføring i medisinsk statistikk del 2 Logistisk regresjon Hvorfor brukes logistisk regresjon? Multippel logistisk regresjon (Rosner, 2000; kap. 3.7 og 2006 presentasjon av Tom Ivar Lund Nilsen). Av samme
DetaljerOppgave 1. X 1 B(n 1, p 1 ) X 2. Vi er interessert i forskjellen i andeler p 1 p 2, som vi estimerer med. p 1 p 2 = X 1. n 1 n 2.
Løsningsforslag til eksamen i MOT310 STATISTISKE METODER 1 VARIGHET: 4 TIMER DATO: 17 november 2008 TILLATTE HJELPEMIDLER: Kalkulator: HP30S, Casio FX82 eller TI-30 Tabeller og formler i statistikk Tapir
DetaljerSkoleeksamen i SOS Kvantitativ metode
Eksamensinformasjon Skoleeksamen i SOS1120 - Kvantitativ metode 2. juni 2016 (4 timer) Informasjonskriv for deg som svarer på vanlig PC og ikke i Inspera: Hjelpemidler Ordbok Alle pensumbøker (inkl. kompendiet
DetaljerST0202 Statistikk for samfunnsvitere Kapittel 10: Inferens om to populasjoner
ST0202 Statistikk for samfunnsvitere Kapittel 10: Inferens om to populasjoner Bo Lindqvist Institutt for matematiske fag 2 Kapittel 10: Inferens om to populasjoner Situasjon: Vi ønsker å sammenligne to
DetaljerUNIVERSITETET I OSLO ØKONOMISK INSTITUTT
Eksamen: ECON2130 Statistikk 1 UNIVERSITETET I OSLO ØKONOMISK INSTITUTT Eksamensdag: 29.05.2019 Sensur kunngjøres: 19.06.2019 Tid for eksamen: kl. 09:00 12:00 Oppgavesettet er på 5 sider Tillatte hjelpemidler:
DetaljerEmnenavn: Eksamenstid: Faglærer: Bjørnar Karlsen Kivedal
EKSAMEN Emnekode: SFB12016 Dato: 18.12.2018 Hjelpemidler: Godkjent kalkulator Emnenavn: Metodekurs II: Samfunnsvitenskapelig metode og anvendt statistikk Eksamenstid: 09.00-13.00 Faglærer: Bjørnar Karlsen
DetaljerFerdig før tiden 4 7 Ferdig til avtalt tid 12 7 Forsinket 1 måned 2 6 Forsinket 2 måneder 4 4 Forsinket 3 måneder 6 2 Forsinket 4 måneder 0 2
Besvar alle oppgavene. Hver deloppgave har lik vekt. Oppgave I En kommune skal bygge ny idrettshall og vurderer to entreprenører, A og B. Begge gir samme pristilbud, men kommunen er bekymret for forsinkelser.
DetaljerLøsningsforslag Til Statlab 5
Løsningsforslag Til Statlab 5 Jimmy Paul September 6, 007 Oppgave 8.1 Vi skal se på ukentlige forbruk av søtsaker blant barn i et visst område. En pilotstudie gir at standardavviket til det ukentige forbruket
DetaljerFra administrasjonen: Riitta Hellman (ikke ved sak 04/6/5) Grethe Strand-Pedersen (ikke ved sak 04/6/5), referent
STYREPROTOKOLL Revidert Protokoll fra styremøte 6/2004 den 18. oktober 2004 kl. 10. 30 15.45 Møtet ble ledet av styreleder Ingeborg Astrid Kleppe. Til stede: Fra styret: Ingeborg Astrid Kleppe, styreleder
DetaljerSENSORVEILEDNING FOR EKSAMENSOPPGAVEN I SVSOS107 VÅREN 2003
SENSORVEILEDNING FOR EKSAMENSOPPGAVEN I SVSOS107 VÅREN 003 Oppgave 1 Tabell 1 gjengir data fra en spørreundersøkelse blant personer mellom 17 og 66 år i et sannsynlighetsutvalg fra SSB sitt sentrale personregister.
DetaljerSOS3003 Anvendt statistisk dataanalyse i samfunnsvitenskap Forelesingsnotat 12. Erling Berge Institutt for sosiologi og statsvitenskap NTNU
SOS3003 Anvendt statistisk dataanalyse i samfunnsvitenskap Forelesingsnotat 1 Erling Berge Institutt for sosiologi og statsvitenskap NTNU Erling Berge 004 1 Forelesing XII Logistisk regreson III Hamilton
DetaljerUTDRAG FRA SENSORVEILEDNINGEN FOR EKSAMENSOPPGAVEN I SVSOS107 VÅREN 2001
UTDRAG FRA SENSORVEILEDNINGEN FOR EKSAMENSOPPGAVEN I SVSOS107 VÅREN 2001 Generell informasjon Vi er for tiden inne i en overgangsordning mellom gammelt og nytt pensum i SVSOS107. Denne eksamensoppgaven
DetaljerEKSAMEN I SOS1120 KVANTITATIV METODE 5. MAI 2004 (6 timer)
EKSAMEN I SOS1120 KVANTITATIV METODE 5. MAI 2004 (6 timer) Bruk av ikke-programmerbar kalkulator er tillatt under eksamen. Utover det er ingen hjelpemidler tillatt. Sensur faller fredag 28. mai kl. 14.00,
DetaljerUNIVERSITETET I OSLO
UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i: Bio 2150A Biostatistikk og studiedesign Eksamensdag: 6. desember 2013 Tid for eksamen: 14:30-17:30 (3 timer) Oppgavesettet er
DetaljerEksamensoppgave i TMA4267 Lineære statistiske modeller
Institutt for matematiske fag Eksamensoppgave i TMA4267 Lineære statistiske modeller Faglig kontakt under eksamen: Tlf: Eksamensdato: August 2014 Eksamenstid (fra til): Hjelpemiddelkode/Tillatte hjelpemidler:
DetaljerEksamensoppgave i PSY2017/PSYPRO4317. Statistikk og kvantitative forskningsmetoder. Psykologisk institutt
1 Psykologisk institutt Eksamensoppgave i PSY2017/PSYPRO4317 Statistikk og kvantitative forskningsmetoder Faglig kontakt under eksamen: Christian Klöckner Tlf.: 73 59 19 60 Eksamensdato: 29.05.2015 Eksamenstid
DetaljerEmnenavn: Eksamenstid: Faglærer: Bjørnar Karlsen Kivedal
EKSAMEN Emnekode: SFB12016 Dato: 06.06.2019 Hjelpemidler: Godkjent kalkulator Emnenavn: Metodekurs II: Samfunnsvitenskapelig metode og anvendt statistikk Eksamenstid: 09.00-13.00 Faglærer: Bjørnar Karlsen
DetaljerEKSAMEN I FAG TMA4260 INDUSTRIELL STATISTIKK
Norges teknisk naturvitenskapelige universitet Institutt for matematiske fag Side 1 av 12 Faglig kontakt under eksamen: Bo Lindqvist Tlf. 975 89 418 EKSAMEN I FAG TMA4260 INDUSTRIELL STATISTIKK Onsdag
DetaljerPSYC 3101 KVANTITATIV METODE II Eksamen høst 2008
Eksamen 7. november kl. 0900 200 Sensur: 8.2. kl. 4 Alle oppgavene skal besvares. PSYC 30 KVANTITATIV METODE II Eksamen høst 2008 OPPGAVE Vurdering av personlige egenskaper Et selskap som driver en nettside
DetaljerUNIVERSITETET I OSLO
Eksamen i: UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet STK1000 Innføring i anvendt statistikk Eksamensdag: Mandag 3. desember 2018. Tid for eksamen: 14.30 18.30. Oppgavesettet er på
DetaljerMOT310 Statistiske metoder 1, høsten 2010 Løsninger til regneøving nr. 11 (s. 1) der
MOT310 Statistiske metoder 1, høsten 2010 Løsninger til regneøving nr. 11 (s. 1) Oppgave 13.1 Modell: Y ij = µ i + ε ij, der ε ij uavh. N(0, σ 2 ) Boka opererer her med spesialtilfellet der man har like
DetaljerAnalyse med uavhengige variabler på nominal- /ordinalnivå
Analyse med uavhengige varialer på nominal- /ordinalnivå Hvordan rue varialer på nominalnivå (eventuelt ordinalnivå) som har flere enn to verdier i en regresjonsanalyse? Svar: omoder til dummyvarialer
Detaljer1 Section 6-2: Standard normalfordelingen. 2 Section 6-3: Anvendelser av normalfordelingen. 3 Section 6-4: Observator fordeling
1 Section 6-2: Standard normalfordelingen 2 Section 6-3: Anvendelser av normalfordelingen 3 Section 6-4: Observator fordeling 4 Section 6-5: Sentralgrenseteoremet Oversikt Kapittel 6 Kontinuerlige tilfeldige
DetaljerKort innføring i SPSS
Kort innføring i SPSS Oppstart og datasett Gjør følgende for å starte opp SPSS og få fram European Social Survey: Finn Min datamaskin Finn SV-info på Luna Velg ISS Velg SOS1002. Dobbeltklikk deretter på
Detaljer2. Hva er en sampelfordeling? Nevn tre eksempler på sampelfordelinger.
H12 - Semesteroppgave i statistikk - sensurveiledning Del 1 - teori 1. Gjør rede for resonnementet bak ANOVA. Enveis ANOVA tester om det er forskjeller mellom gjennomsnittene i tre eller flere populasjoner.
Detaljer