VJEBA 1

VIESTRUKA REGRESIJA MATRINI PRISTUP - EXCEL

1.0 Postavka problema
Potrebno je ispitati karakter i nivo uticaja nezavisno promjenljivih:
a) Radijus zaobljenja tiskaa,
b) Ugao savijanja,
c) Koeficijent anizotropije
na iznos elastinog ispravljanja za toplo valjani elik DD13.
Rang variranja vrijednosti radijusa tiskaa Rp i uglova savijanja dati su u tabeli 1.
Tabela

Parametar
Rp
Ugao sav.
r

rang

variranja

Matrijal
DD13
3-5 mm
90-120 step.
0-90 step.

Slika 1: Alat za slobodno savijanje sa rangom variranja izabranih faktora

2.0 Regresioni model
y = 0 + 1 Rp + 2 Us + 3 r +

Pretpostavljeni regresioni model za populaciju je oblika:

Matrini pristup:

b0

bm

Minimizacija sume kvadratnih odstupanja daje rjeenje (kolona nepoznatih koeficijenata) :

b = (X T X

XTy

Ovdje su b0, b1, b2, .. bm najbolje procjene nepoznatih koeficijenata 1, 1 ... m.

Model baziran na ogranienom setu eksperimenata koji daje srednju vrijednost elastinog
ispravljanja u obliku:
y = b0 + b1 Rp + b2 Us + b3 r ,
2.1 Plan matrica X sa rezultatima eksperimenta

Slika 2. Plan matrica sa rezultatima eksperimenta, lijevo, i izgled X matrice u Excel-u, desno.
Na bazi plan matrice izvoenja eksperimenta i odgovarajuih izmjernih vrijednosti zavisno
promjenljive formira se X matrica. X matrica pored kolona koje sadre vrijednosti nezavisnih
i zavisne varijable, poredanih u kolone od B do E, sadri kolonu jedinica A.
2.2 Izraunavanje koeficijenata
Traimo matricu kolonu:

b = (X T X

XTy

Za odreivanje inverzne matrice u prethodnom izrazu koristimo Excel f-u: =

minverse(mmult(transpose (selektuj X); (selektuj X)) Ctrl+Shift+Enter
(istovremeno). Napomena: broj nepoznatih koeficijenata odreuje red matrice, to mora biti
rezervisano za rezultat.
Izraunata inverzna matrica se zove i Matrica kovarijansi , gdje lanovi po dijagonali
predstavljaju kovarijanse individualnih regresionih koeficijenata.

C = (X ' X

C 00
= M

C m 0

L
O
L

C 0m
M
C mm

Varijanse greke individualnih regresionih koeficijenata se raunaju iz proizvoda varijanse

greke modela i odgovarajuih dijagonalnih lanova u matrici kovarijansi:

Var (b j ) = S C jj
2

Za odreivanje proizvoda transponovane X matrice i kolone rezultata Y koristi se Excelfunkcija mmult(transpose(selektuj X); (selektuj Y)) Ctrl+Shift+Enter.
Za rezultat treba selektovati kolonu sa brojem redova koji odgovara broju koeficijenata
(ukljuujui b0).

Matrica kolona procijenjenih koeficijenata dobija se iz proizvoda prethodno odreenih

matrica =mmult((XTX)-1 matrica;XTY matrica) Ctrl+Shift+Enter.
3

Slika 3: Odreivanje najboljih procjena koeficijenata

Matematski model koji predvia srednju vrijednost elastinog ispravljanja je:
y = b0 + b1 Rp + b2 Us + b3 r
=1,66012 + 0,1353 Rp 0,01166 Us + 0,00027 r
Ovim je definisan deterministiki dio modela, meutim potrebno je procijeniti greku.
2.3 Procjena varijanse greke 2
Varijansa greke (srednja kvadratna greka):
MSE=SSE/(n-p)
je nepristrasna procjena varijanse greke koja zavisi od izabranog modela.
U koloni F pored kolone rezultata Y (ei) na bazi matematskog modela odrede se srednje
vrijednosti predvianja (modelske vrijednosti). Razlika eksperimentalnih i modelskih
vrijednosti naziva se greka ili rezidual, pa se u koloni G formira kolona reziduala. Suma
kvadrata greke (reziduala) SSE dobija se sumiranjem kvadrata greke za svaku kombinaciju
u plan matrici eksperimenta (suma kolone H).

Kvadratni korijen iz varijanse greke MSE naziva se standardna greka regresionog modela.
2.4 Test znaajnosti individualnih koeficijenata
Pocijenjeni koeficijenti bi imaju srednju vrijednost i standardnu devijaciju, i ukoliko neka od
tako definisanih sluajnih varijabli svojom raspodjelom (preciznije intervalom 1- , koji
obino obuhvata 95% vrijednosti) obuhvata vrijednost nula (0) tada se moe zakljuiti da:

- koeficijent toliko blizu nuli (nema uticaja) da eventualni uticaj nije sistemski nego se
moe pripisati greci nainjenoj tokom njegove procjene.

H0 0

( )

SE 1

( )

SE 2

Navedeno se moe provjeriti i tzv. t-testom, gdje se raunska vrijednost t-statistike poredi sa
kritinom iz t-raspodjele za odgovarajui broj stepeni slobode (n-p) (pristup-kritina
vrijednost)

t rac =

i 0

( )

SE i

i
MSE C jj

; t rac > t krit

Primjer-nastavak
Excel f-a =tinv(0,05;(n-p)) daje kritinu t-vrijednost za prag znaajnosti 0.05 (povrina
repova je 0.05) iz t-raspodjele sa (n-p) stepeni slobode. Ovdje je p-broj lanova u
regresionom modelu ukljuujui i slobodni lan, a n-broj eksperimenata. Na primjer,
vrijednost t-statistike za koeficijent b1

( )

t rac 0 =

0,1353
0 ,033503 0,1

= 2,338

Kritina t-vrijednost za 12 stepeni slobode je:

tinv(0,05;12)=2,178
Znaajnost je mogue procijeniti i na bazi p-vrijednosti koja je u stvari povrinu REPOVA iz
t-raspodjele koja lei van raunske t-vrijednosti. Ukoliko je povrina manja od praga
znaajnosti koeficijent je statistiki znaajan.
Excel f-a: =tdist (t-stat;(n-p);2) daje povrinu kolona p-value
Koeficijent
b0
b1
b2
b3

t-Statistika
3,514
2,338
-3,023
0,213

p-vrijednost
0,00427
0,03755
0,01061
0,835

Znaajan
+
+
+
-

Poznavajui t-statistiku za pojedine koeficijente moe se izraunati numeriki interval (CI)

koji sadri stvarnu vrijednost koeficijenta sa vjerovatnoom (1-), obino 0,95 ili 95%.
Interval pouzdanosti u kojem se nalazi stvarna vrijednost koeficijenta i odreuje se iz:

bi t / 2 ,n p S 2 C jj i bi + t / 2,n p S 2 C jj
- bi - procjenjeni koeficijenti na bazi eksperimenta sa ogranienim uzorkom kolona
Koeficienti
- t / 2 , n p - kritina vrijednost iz t raspodjele - tinv(0,05;(n-p))
-

S 2 C jj - standardna greka individualnog koeficijenta

Za razmatrani primjer interval pouzdanosti -95% i 95% za izraunate koeficijente dat je u

tabeli ispod.
Koeficijent
b0
b1
b2
b3

Vrijednost
1,660
0,135
-0,01166
0,000273

-95%
0,631
0,00919
-0,02007
-0,00253

95%
2,690
0,261
-0,00326
0,00308

Zakljuak: varijacija zavisne promjenljive usljed varijacije nezavisno promjenljive r nije

znaajna i moe se pripisati greci.
Ukliko neki od koeficijenata nije znaajan, procedura dobijanja regresionog modela se
ponavlja ali bez nezavisno promjenljive koja stoji uz pomenuti koeficijent.
ANOVA tabela i model sa uticajnim nezavisno-promjenljivim varijablama
b0
b1
b2

coefficients
1,672
-0,01166
0,135

P value
0,00264
0,00782
0,03042

ei = b0 + b1*Us + b2*Rt
Std Error
-95%
0,451
0,697
0,00371
-0,01969
0,05572
0,01493

95%
2,647
-0,00364
0,256

t Stat
3,705
-3,140
2,428

VIF
1,000
1,000

2.4 Koeficijent determinacije

Ako je standardna greka mala model dobro fituje eksperimentalne podatke, i smatra se
upotrebljivim. Upotrebljivost se procjenjuje pomou iznosa varijabiliteta zavisne y
vrijednosti objanjene regresionim modelom.
To se izraava koeficijentom determinacije:

R2 =

SSR SST SSE

SSE
=
=1
SST
SST
SST

Ukupna Varijacija

Objanjena Varijacija

Neobjanjena Varijacija

SST

SSR

SSE

Iz prethodnog izraza vidljivo je da greka SSE utie na vrijednost koeficijenta determinacije.

Meutim svako dodavanje novih varijabli vodi ka poveanju koeficijenta determinacije i vodi
ka komplikovanim regresionim modelima. Iz tog razloga uveden je tzv. podeeni koeficijent
detrminacije (funkcija koja moe i opadati sa dodavanjem novih lanova) koji uzima u obzir
stepene slobode modela.

MSE

R 2 (adj) = 1
(
)
SST
n

Ovdje je nazivnik konstantna vrijednost za dati eksperiment, meutim brojnik se

mijenja kako se varijable uvode ili izbacuju iz modela. Generalno, uvoenjem nove
promjenljive R2adj se poveava samo ukoliko se greka smanjuje. Varijansa greke MSE se
smanjuje samo ukoliko dodana varijabla smanjuje rezidualnu sumu kvadrata za iznos vei od
smanjenja izazvanog gubitkom jednog stepena slobode greke. Ukoliko to nije sluaj tada
dodavanje novog koeficijenta moe ak i umanjiti vrijednost R2adj .
Primjer:
Prije izbacivanja iz modela nezavisno promjenljive An-(Anizotropija) suma kvadratnih
odstupanja greke bio je SSE=0,402032, dok je ukupna suma kvadrata SST =0,892681.
Koeficijent determinacije je R2=0,549, a podeeni koeficijent determinacije u tom sluaju je:

0 ,402 /( 16-4 )
= 0,437
R 2(adj) = 1
0,8927 (16 1)

Nakon izbacivanja faktora Anizotropija, podeeni koeficijent je poveao svoju vrijednost, to

je dokaz da se uvoenjem neke od nezavisno promjenljivih u model ne vodi uvijek ka
njegovom poboljanju. Suma kvadratnih odstupanja nakon izbacivanja je SSE=0,404 pa je:

0,404 /( 16-3 )

R 2(adj) = 1
0 ,8927 (16 1)