Pienimmän Neliösumman

Vertaile Laskelmia

Lataukset

Sisältää tämän laskelman syötteet ja tulokset, sekä kaikki vertailemasi lisälaskelmat.

Suoran Sovittaminen Hajanaisiin Datapisteisiin

Pienimmän neliösumman regressio löytää sen yhden suoran, joka sopii parhaiten datapisteiden hajontaan. Syötä lista x, y -pareja — yksi per rivi — ja tämä laskuri löytää suoran kulmakertoimen ja vakiotermin sekä sen, kuinka tarkasti pisteet todellisuudessa noudattavat tuota suoraa.

Kaava

\vC{m} = \frac{n\sum{xy} - \sum{x}\sum{y}}{n\sum{x^2} - \left(\sum{x}\right)^2}

\vC{b} = \frac{\sum{y} - m\sum{x}}{n}

jossa $m$ on kulmakerroin, $b$ on vakiotermi ja $n$ on datapisteiden määrä — yhdessä ne kuvaavat suoraa $y = mx + b$ , joka minimoi jokaisen pisteen ja suoran välisen neliöidyn etäisyyden summan.

Laskuesimerkki

Suoran sovittaminen pisteiden (1, 1), (2, 2) ja (3, 4) läpi:

$m = \frac{3(17) - 6(7)}{3(14) - 6^2} = \frac{51 - 42}{42 - 36} = \frac{9}{6} = \vC{1,5}$
$b = \frac{7 - 1,5(6)}{3} = \frac{7 - 9}{3} = \vC{-0,667}$ — sovitettu suora on siis $y = 1,5x - 0,667$ , korrelaatiokertoimen ollessa noin $0,98$ .

Keskeiset Huomioitavat Tekijät

Vahva korrelaatiokerroin ei välttämättä tarkoita, että x todella aiheuttaa y:n. Kaksi muuttujaa voivat korreloida vahvasti, koska yksi todella vaikuttaa toiseen, koska molempia ohjaa kolmas tekijä, tai puhtaasta sattumasta pienessä aineistossa — korrelaatio kuvaa lineaarisen suhteen voimakkuutta, ei syytä sen takana.
Tämä menetelmä olettaa, että todellinen suhde on lineaarinen, mikä ei aina ole oikea oletus. Jos pisteiden hajonta todellisuudessa noudattaa käyrää, suoran pakottaminen sen läpi voi tuottaa teknisesti “parhaan sovituksen” suoran, joka kuvaa dataa silti heikosti — pisteiden visuaalinen tarkastelu ennen sovitukseen luottamista on hyvä käytäntö.
Yksittäinen poikkeava piste (outlier) voi vetää sovitettua suoraa kohtuuttoman paljon kohti itseään. Koska pienimmän neliösumman menetelmä minimoi NELIÖITYJÄ etäisyyksiä, yleisestä trendistä kaukana oleva piste vaikuttaa sovitukseen paljon enemmän kuin lähellä oleva piste — pieni aineisto, jossa on yksi äärimmäinen poikkeava piste, on tälle erityisen herkkä.
Useammat datapisteet tuottavat yleensä luotettavamman sovituksen, kaiken muun pysyessä samana. Suora, joka on sovitettu vain 3-4 pisteen läpi (kuten laskuesimerkissä), voi näyttää vakuuttavalta, mutta sisältää paljon enemmän epävarmuutta kuin sama suhde mitattuna kymmenien pisteiden yli — korrelaation voimakkuus itsessään ei kerro, kuinka paljon dataa sovituksen takana todella on.

Yleisiä Virheitä

Korkean korrelaatiokertoimen pitäminen todisteena syy-seuraussuhteesta. Vahva r-arvo osoittaa vain, että pisteet ryhmittyvät tiiviisti suoran ympärille — se ei kerro mitään siitä, aiheuttaako toinen muuttuja todella muutoksia toisessa.
Suoran sovittaminen dataan, joka on todellisuudessa kaareva. Pienimmän neliösumman menetelmä palauttaa aina kulmakertoimen ja vakiotermin, vaikka lineaarinen sovitus kuvaisi taustalla olevaa kuviota huonosti — piirrä pisteet ensin, tai tarkista, onko korrelaatiokerroin yllättävän matala, ennen kuin luotat tulokseen.
Liian vähän datapisteitä käyttäminen ja sovituksen pitäminen luotettavana. Vain 3-4 pisteen läpi kulkeva suora voi näyttää vakuuttavalta, mutta sisältää paljon enemmän epävarmuutta kuin sama suhde mitattuna kymmenien pisteiden yli.
Yksittäisen poikkeavan pisteen annetaan hallita sovitusta huomaamatta. Koska pienimmän neliösumman menetelmä minimoi neliöityjä etäisyyksiä, yksi kaukainen piste voi vetää koko suoran kohti itseään — kannattaa tarkistaa, muuttaako epätavallisen pisteen poistaminen tulosta merkittävästi.

Hyvä Tietää

Tarvitseeko arvioida arvo kahden tunnetun pisteen välillä sen sijaan, että sovittaisit trendiviivan monen pisteen läpi? Lineaarisen Interpoloinnin Laskuri kattaa tuon suoraviivaisemman tapauksen.
Haluatko nähdä, miten yksi tietty arvo vertautuu aineiston yleiseen hajontaan? Z-Arvolaskuri mittaa juuri sitä.
Työskenteletkö saman lukulistan kanssa laajempia yhteenvetotilastoja varten? Tilastolaskuri kattaa keskiarvon, mediaanin, ja keskihajonnan.

Lähde: Yksinkertainen lineaarinen regressio.

Usein Kysytyt Kysymykset

Mitä on pienimmän neliösumman regressio?

Pienimmän neliösumman regressio löytää sen yhden suoran, joka sopii parhaiten datapisteiden hajontaan minimoimalla kunkin pisteen ja suoran välisten pystysuorien etäisyyksien neliöiden summan. Se on standardimenetelmä kahden muuttujan välisen lineaarisen yhteyden kuvaamiseen.

Mitä kulmakerroin ja vakiotermi tarkoittavat?

Kulmakerroin kertoo, kuinka paljon y muuttuu x:n jokaista 1 yksikön kasvua kohti -- kulmakerroin 2 tarkoittaa, että y nousee 2:lla joka kerta, kun x nousee 1:llä. Vakiotermi on suoran ennustama y-arvo, kun x on 0, eli kohta, jossa suora leikkaa pystyakselin.

Mitä korrelaatiokerroin (r) kertoo minulle?

Korrelaatiokerroin vaihtelee välillä -1 ja 1 ja mittaa, kuinka tiiviisti pisteet ryhmittyvät sovitetun suoran ympärille. Arvo lähellä 1:tä tarkoittaa vahvaa positiivista yhteyttä (kun x nousee, myös y nousee luotettavasti), lähellä -1:tä tarkoittaa vahvaa negatiivista yhteyttä, ja lähellä 0:aa tarkoittaa vähäistä tai olematonta lineaarista yhteyttä. Selitysaste (r²) on yksinkertaisesti r kerrottuna itsellään, ja se luetaan usein "prosenttiosuutena y:n vaihtelusta, jonka x selittää".

Tarkoittaako vahva korrelaatio, että x aiheuttaa y:n?

Ei — korrelaatio mittaa vain sitä, kuinka voimakkaasti kaksi muuttujaa liikkuvat yhdessä, ei syytä. Vahva korrelaatio voi heijastaa todellista syy-seuraussuhdetta, molempiin muuttujiin vaikuttavaa yhteistä taustatekijää, tai pelkkää sattumaa, erityisesti pienessä aineistossa. Älä pidä pelkkää korkeaa korrelaatiokerrointa todisteena syy-seuraussuhteesta.

Entä jos dataani ei todellisuudessa noudata suoraa viivaa?

Pienimmän neliösumman regressio sovittaa aina suoran viivan, jopa dataan, joka todella noudattaa käyrää — se palauttaa silti kulmakertoimen, vakiotermin ja korrelaatiokertoimen, mutta ne saattavat kuvata suhdetta huonosti. Pisteiden piirtäminen ensin, tai sen tarkistaminen, onko korrelaatiokerroin yllättävän matala, voi paljastaa, milloin lineaarinen sovitus on väärä työkalu datallesi.