Statistilise analüüsi meetodid
  • Avaleht
  • Õpiväljundid
  • Õpijuhend
  • Sissejuhatus
  • Hüpoteesid nii ja naa
  • Väheste väärtustega diskreetsed ja nominaalsed tunnused ja faktorid
    • Sagedustabeli analüüs
    • ANOVA (Näide1)
  • Pidev tunnus ja pidev faktor
    • Pidev_tun_test
    • Regressioonanalüüs
    • Aegrea analüüs
  • Pidev tunnus, binaarne või diskreetne faktor
    • T-test
    • ANOVA näiteid
  • Binaarsed tunnused
    • 2 X 2 sagedustabeli analüüs
    • Logistiline mudel 1
  • Üldistatud lineaarne mudel
    • Näide
  • Mitteparameetrilised testid
  • Andmefailid
  • Tagasiside "Analüüsimeetodid"

Üldistatud lineaarse mudeli kasutamine, näide

Toon järgnevalt samad näited, mis sai tehtud eelpoolkäsitletud meetoditega.
Regresioonanalüüs oligi juba lm abil tehtud .
Sagedustabeli analüüs logistilise mudeliga - samuti tehtud, glm abil ( family=binomial).
Vaatleme järvede andmestikus läbipaistvuse (normaaljaotusega)
Andmed jarved_1.csv
glm_mudel=glm(LP~Jarv*aastaaeg*PH,family=gaussian)
anova(glm_mudel,test="Chisq")
Analysis of Deviance Table
Model: gaussian, link: identity
Response: LP
Terms added sequentially (first to last)
                     Df Deviance Resid. Df Resid. Dev  Pr(>Chi)    
NULL                                              94     417.40              
Jarv                          2  262.155    92     155.24       < 2.2e-16 ***
aastaaeg                2   12.987     90     142.25       0.0036642 ** 
PH                            1    3.315      89     138.94       0.0906344 .  
Jarv:aastaaeg        4   26.089     85     112.85       0.0001567 ***
Jarv:PH                    2    2.829      83     110.02       0.2946483    
aastaaeg:PH          2   13.368     81      96.65        0.0031086 ** 
Jarv:aastaaeg:PH  4    7.511      77      89.14        0.1655610  


Lisame mudelisse kõikvõimalikud faktorid ja nende koosmõjud.
Testime, millised mõjud on olulised.
Eeldame normaaljaotust.
Uuritav tunnus LP-läbipaistvus.
Mõjud võetakse arvesse järjest.
Üks võimalus mudeli valikul on järgnevast väljundist olulised välja korjata:
oluline
oluline

oluline

oluline

Kuidas parimat mudelit välja otsida, on samuti keeruline probleem, seda eriti juhul, kui me ei tea täpselt, missugune mõju on individuaalne, aga milline kaasneb juba arvesse võetud faktoriga. Omavahel tugevalt seotud faktorid võivad pöörata, kui nad koos mudelisse võtta, kogu analüüsi pea peale. Seetõttu soovitatakse hoopis hakata järjest faktoreid juurde võtma, mitte nii, et võtame algul kõik, ja hakkame siis välja jätma.
Mudeli valik on väga lai teema, selle käsitlemiseks antud õpiobjekti juures mahtu ei jätku.
                                                                                                                                                                  Ja nüüd viimane teema
Powered by Create your own unique website with customizable templates.