Professional Documents
Culture Documents
• Vrednosti dve varijable se kreću u istom pravcu. Kako vrednosti varijable X rastu, tako
rastu i vrednosti Y varijable.
• I obrnuto, kako X opada, tako i Y opada.
• Suština je da se kreću u istom pravcu.
• Ima pozitivan predznak (npr. r = 0.30, r = 0.50)
• Korelacija od r = 1 ukazuje na savršeno preklapanje dve varijable. U praksi se ovaj ishod
skoro nikad neće dogoditi.
PRIMERI POZITIVNE KORELACIJE
• Pokušajte da smislite dve varijable i da ocenite u kakvoj bi one bile korelaciji. Drugačije
rečeno, postavite hipotezu o uzajamnom ponašanju dve varijable.
• Zadovoljvsto životom i depresija
• Stepen socijalne podrške i emocionalno blagostanje
• IQ i percipirana samoefikasnost
• Narcizam i broj prijatelja
MOGLI BISMO PRETPOSTAVITI...
• Regresiona prava služi za definisanje linearnog odnosa između pojava koje smo izmerili.
SAMO ZA LINEARNE ODNOSE!
• Regresiona prava preseca naše empirijske podatke, tako da suma kvadriranih odustupanja
od te linije bude najmanja moguća.
• Jednostavno, ta suma predstavlja razliku između naših nesavršenih podataka i
„savršenog“ matematičkog modela.
Plave tačke su skorovi naših ispitanika na
varijablama X i Y. Regresiona prava je tako
formirana da suma odstupanja naših
opservacija od vrednosti na savršenoj pravi
bude najmanja moguća. Ta odstupanja su
zapravo greška našeg predviđanja.
KOEFICIJENT DETERMINACIJE
• Označava se sa r2
• Ukoliko je korelacija r = 0.50, koeficijent determinacije je r 2 = 0.25
(jer smo računali 0.50 x 0.50)
• To znači da je 25% varijanse varijable Y objašnjeno varijansom varijable X.
• Koeficijent determinacije se kreće od 0 do 1, i uvek je pozitivan (ili nula).
• 1-r2 je koeficijent nedeterminacije jer 75% varijanse varijable Y ostaje neobjašnjeno
DEFINISANJE PRAVE LINIJE I JEDNOSTRUKA
LINEARNA REGRESIJA
• Pre toga, razlikujemo:
• Odsečak ili intercept (konstanta a) – vrednost Y varijable kada je vrednost X = 0
• Nagib ili slope (konstanta b)– pravac ili nagib linije u odnosu na X osu.
• Prava linija je definisana sledećom jednačinom:
Y = a + bX + e Pretpostavićemo da je greska e
jednaka nuli.
NAGIB ILI SLOPE
• Označavamo sa b
• b = rxy
• Ukoliko je korelacija između x i y pozitivna, i regresiona prava će biti pozitivna. Ukoliko
je korelacija x i y negativna, i regresiona prava će biti negativna (vidi slajd 18.)
• Nagib (slope) nam govori o tome koliko se vrednost varijable Y promeni kada se
vrednost varijable X promeni za 1.
ODSEČAK ILI INTERCEPT
•a = My - bMx
PRIMER
• Predviđamo rezultat na ispitu na osnovu broja sati provedenih učeći (obe vrednosti su
nam poznate)
• Nezavisna varijabla ili prediktor X su broj sati učenja
• Zavisna ili kriterijumska varijabla Y je ishod, tj. rezultat na ispitu
• U regresionoj analizi nezavisna varijabla se zove PREDIKTOR, a zavisna KRITERIJUM
VARIJABLE
• a = My – bMx
• Y = a + bX
• Y = 52.3 + 5.35 • 5
To znači da je intercept 52.3, tj. ovo je skor kada bi vreme učenja naših ispitanika bilo
NULA. Kada niko ne bi učio, predviđamo prosečan skor na ispitu od 52.3 boda.
5.35 (b ili nagib) znači da ZA SVAKI DODATNI SAT UČENJA predviđamo da će se
rezultat na ispitu POVEĆATI ZA 5.35 poena. Množili smo sa 5 jer je to prosek sati učenja.
Tada dobijamo Y koji je 79, tj. prosečni uspeh na ispitu.