Predstavenie projektu
Téma projektu a motivácia
Štúdia sa zaoberá vzťahom medzi vnímanou sociálnou podporou a správaním vysokoškolských študentov v športe, pričom skúma aj úlohu sociálnej úzkosti a psychickej odolnosti. Na základe dotazníkových údajov od 1 157 vysokoškolských študentov analyzuje, či sociálna podpora súvisí s prosociálnym správaním, teda pomáhaním a spoluprácou, a s antisociálnym správaním, napríklad s konaním namiereným proti ostatným.
Túto tému som si vybrala aj z osobného záujmu, pretože sa momentálne pripravujem na svoj prvý polmaratón a behanie sa stalo neoddeliteľnou súčasťou môjho života. Zaujíma ma preto nielen fyzická stránka športu, ale aj to, ako môžu sociálne vzťahy, podpora okolia a psychická odolnosť súvisieť so správaním a športovými aktivitami.
Ciele projektu
Cieľom projektu je analyzovať dostupné údaje o sociálnej podpore a správaní vysokoškolských študentov v športe pomocou štatistických metód v prostredí R. Na základe vytvorených tabuliek, grafov a základných štatistických ukazovateľov sa projekt zameria na preskúmanie súvislostí medzi sociálnou podporou, prosociálnym a antisociálnym správaním a na prehľadné vizuálne znázornenie získaných výsledkov.
Zdroj údajov
Na analýzu využívam databázu vo formáte Excel, ktorú som stiahla z platformy Mendeley Data spolu s podkladmi k vybranej štúdii. Databáza je dostupná tu. Obsahuje údaje od 1 157 respondentov a informácie o ich pohlaví, veku, ročníku štúdia, psychickej odolnosti, sociálnej úzkosti, sociálnej podpore a správaní v športe.
Údaje importujem do prostredia R, skontrolujem ich štruktúru a prípadné chýbajúce hodnoty a následne vytvorím základné štatistické prehľady, grafické vizualizácie a regresné modely.
Analýza vzťahov medzi premennými
Výber premenných
Pre ďalšiu analýzu vyberám päť hlavných premenných, ktoré predstavujú jednotlivé skúmané oblasti. V databáze sú už dostupné ako súhrnné skóre, preto nie je potrebné vytvárať nové skóre priemerovaním jednotlivých položiek.
Premenné použité v štatistickej analýze
| Sociálna podpora |
social_support |
| Prosociálne správanie |
prosocial_behavior_in_sport |
| Antisociálne správanie |
antisocial_behavior_in_sport |
| Sociálna úzkosť |
social_anxiety |
| Psychická odolnosť |
psychological_resilienc |
Vzťah medzi sociálnou podporou a prosociálnym správaním
V tejto časti skúmam vzťah medzi vnímanou sociálnou podporou a prosociálnym správaním v športe. Bodový graf umožňuje vizuálne posúdiť, či medzi premennými existuje určitá súvislosť.
Jednoduchá lineárna regresia – prosociálne správanie
Pomocou jednoduchej lineárnej regresie skúmam, či možno sociálnu podporu využiť na vysvetlenie zmien v prosociálnom správaní. Model obsahuje jednu vysvetľujúcu premennú a jednu závislú premennú.
Výsledky jednoduchej regresie prosociálneho správania
| (Intercept) |
-94.2128 |
9.8306 |
-9.5836 |
0 |
| socialna_podpora |
1.6910 |
0.1336 |
12.6538 |
0 |
Základné charakteristiky jednoduchej regresie
| 1157 |
0.1218 |
0.121 |
10.2196 |
Regresná priamka
Na základe odhadnutého modelu zobrazujem bodový graf doplnený o regresnú priamku. Tá znázorňuje odhadovaný lineárny vzťah medzi sociálnou podporou a prosociálnym správaním.
Jednoduchá lineárna regresia – antisociálne správanie
V ďalšom kroku skúmam vzťah medzi sociálnou podporou a antisociálnym správaním. Cieľom je zistiť, či vyššia vnímaná sociálna podpora súvisí so zmenami v antisociálnom správaní v športovom prostredí.
Výsledky jednoduchej regresie antisociálneho správania
| (Intercept) |
75.3711 |
2.0002 |
37.6810 |
0 |
| socialna_podpora |
-0.1435 |
0.0272 |
-5.2786 |
0 |
Základné charakteristiky regresie antisociálneho správania
| 1157 |
0.0236 |
0.0227 |
2.0794 |
Viacnásobná lineárna regresia
Viacnásobná lineárna regresia umožňuje skúmať vplyv viacerých vysvetľujúcich premenných súčasne. V tomto modeli je závislou premennou antisociálne správanie a vysvetľujúcimi premennými sociálna podpora, sociálna úzkosť a psychická odolnosť.
Výsledky viacnásobnej lineárnej regresie
| (Intercept) |
103.857039 |
3.996773 |
25.985224 |
0.000000 |
| socialna_podpora |
-0.008700 |
0.025978 |
-0.334913 |
0.737752 |
| socialna_uzkost |
-0.067436 |
0.035193 |
-1.916178 |
0.055590 |
| psychicka_odolnost |
-0.341066 |
0.018933 |
-18.014072 |
0.000000 |
Súhrn modelu
Pre posúdenie kvality viacnásobného regresného modelu využívam základné charakteristiky, ako sú počet pozorovaní, koeficient determinácie a odhad smerodajnej odchýlky rezíduí.
Základné charakteristiky viacnásobného modelu
| 1157 |
0.2611 |
0.2592 |
1.8104 |
Porovnanie skutočných a predikovaných hodnôt
Pomocou funkcií fitted() a residuals() porovnávam skutočné hodnoty závislej premennej s hodnotami odhadnutými regresným modelom. Rezíduum predstavuje rozdiel medzi skutočnou a predikovanou hodnotou.
Porovnanie skutočných a predikovaných hodnôt
| 61 |
63.123 |
-2.123 |
| 67 |
63.464 |
3.536 |
| 61 |
63.123 |
-2.123 |
| 61 |
63.123 |
-2.123 |
| 67 |
63.464 |
3.536 |
| 61 |
63.123 |
-2.123 |
| 64 |
63.949 |
0.051 |
| 64 |
63.949 |
0.051 |
| 64 |
63.949 |
0.051 |
| 64 |
63.949 |
0.051 |
Predikcia jednoduchého regresného modelu
Na záver regresnej analýzy využívam funkciu predict(), pomocou ktorej vytvorím predikcie prosociálneho správania pri troch hodnotách sociálnej podpory zodpovedajúcich dolnej, strednej a hornej časti jej pozorovaného rozsahu.
Predikcie jednoduchého regresného modelu
| 67 |
19.083 |
| 72 |
27.538 |
| 77 |
35.993 |
Záver
V projekte som pripravila analýzu údajov o sociálnej podpore a správaní v športe pomocou programu R. Najprv som načítala údaje, skontrolovala štruktúru databázy a chýbajúce hodnoty a následne som vytvorila opisnú štatistiku.
V ďalších častiach som sa zamerala na grafické znázornenie vzťahov a na odhad jednoduchých a viacnásobných lineárnych regresných modelov. Pomocou funkcií lm(), tidy() a glance() možno preskúmať smer a veľkosť odhadnutých vzťahov a základné charakteristiky modelu. Funkcie fitted(), residuals() a predict() umožňujú porovnávať skutočné hodnoty s predikciami a vytvárať odhady pre zadané hodnoty vysvetľujúcich premenných.
Pri interpretácii výsledkov je potrebné zohľadniť, že regresné modely v tejto práci slúžia na skúmanie štatistických súvislostí. Bez ďalších predpokladov a vhodného výskumného dizajnu z nich nemožno vyvodzovať príčinné závery.
Cvičenie 5 – Diagnostika regresného modelu
V tomto cvičení sa zameriame na diagnostiku regresných modelov, ktoré skúmajú vzťah medzi sociálnou podporou a prosociálnym správaním v športe. Cieľom je overiť, či sú vytvorené regresné modely vhodné, a posúdiť, či spĺňajú základné predpoklady lineárnej regresie.
1. Načítanie potrebných knižníc a databázy
Najskôr načítame potrebné knižnice a našu databázu. Použijeme premenné, s ktorými sme pracovali aj v predchádzajúcich cvičeniach.
# A tibble: 6 × 9
no sex year age psychological_resili…¹ social_anxiety social_support
<dbl> <chr> <chr> <dbl> <dbl> <dbl> <dbl>
1 1 Male First-… 19 106 58 77
2 2 Male First-… 19 105 58 77
3 3 Male First-… 19 106 58 77
4 4 Male First-… 19 106 58 77
5 5 Male Second… 20 105 58 77
6 6 Male First-… 19 106 58 77
# ℹ abbreviated name: ¹psychological_resilienc
# ℹ 2 more variables: prosocial_behavior_in_sport <dbl>,
# antisocial_behavior_in_sport <dbl>
2. Príprava dát
Pre analýzu budeme používať štyri premenné: - prosociálne správanie v športe, - sociálnu podporu, - sociálnu úzkosť, - psychologickú odolnosť.
Pred vytvorením modelov odstránime prípadné chýbajúce hodnoty v týchto premenných.
prosocial_behavior_in_sport social_support
0 0
social_anxiety psychological_resilienc
0 0
prosocial_behavior_in_sport social_support social_anxiety
Min. :10.00 Min. :67.00 Min. :54.00
1st Qu.:19.00 1st Qu.:72.00 1st Qu.:56.00
Median :31.00 Median :74.00 Median :57.00
Mean :30.12 Mean :73.53 Mean :57.33
3rd Qu.:40.00 3rd Qu.:75.00 3rd Qu.:59.00
Max. :52.00 Max. :77.00 Max. :61.00
psychological_resilienc
Min. : 89.0
1st Qu.: 99.0
Median :102.0
Mean :101.3
3rd Qu.:104.0
Max. :106.0
3. Vytvorenie regresných modelov
Vytvoríme tri regresné modely, ktoré budeme následne porovnávať.
Prvý model skúma iba vzťah medzi sociálnou podporou a prosociálnym správaním.
Druhý model rozširuje analýzu o sociálnu úzkosť a psychologickú odolnosť.
Tretí model navyše obsahuje druhú mocninu sociálnej podpory. Vďaka tomu môžeme preskúmať, či vzťah medzi sociálnou podporou a prosociálnym správaním nemusí byť úplne lineárny.
Call:
lm(formula = prosocial_behavior_in_sport ~ social_support, data = data_model)
Residuals:
Min 1Q Median 3Q Max
-20.993 -9.538 -1.229 8.535 25.226
Coefficients:
Estimate Std. Error t value Pr(>|t|)
(Intercept) -94.2128 9.8306 -9.584 <2e-16 ***
social_support 1.6910 0.1336 12.654 <2e-16 ***
---
Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
Residual standard error: 10.22 on 1155 degrees of freedom
Multiple R-squared: 0.1218, Adjusted R-squared: 0.121
F-statistic: 160.1 on 1 and 1155 DF, p-value: < 2.2e-16
Call:
lm(formula = prosocial_behavior_in_sport ~ social_support + social_anxiety +
psychological_resilienc, data = data_model)
Residuals:
Min 1Q Median 3Q Max
-21.7296 -9.1343 -0.9901 8.0487 26.0079
Coefficients:
Estimate Std. Error t value Pr(>|t|)
(Intercept) -48.3069 22.5239 -2.145 0.0322 *
social_support 1.5864 0.1464 10.836 <2e-16 ***
social_anxiety -0.4803 0.1983 -2.422 0.0156 *
psychological_resilienc -0.1054 0.1067 -0.988 0.3232
---
Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
Residual standard error: 10.2 on 1153 degrees of freedom
Multiple R-squared: 0.1262, Adjusted R-squared: 0.1239
F-statistic: 55.51 on 3 and 1153 DF, p-value: < 2.2e-16
Call:
lm(formula = prosocial_behavior_in_sport ~ social_support + social_anxiety +
psychological_resilienc + I(social_support^2), data = data_model)
Residuals:
Min 1Q Median 3Q Max
-26.4088 -7.3661 -0.1102 6.8898 23.2631
Coefficients:
Estimate Std. Error t value Pr(>|t|)
(Intercept) 2464.31613 268.46625 9.179 < 2e-16 ***
social_support -66.42081 7.24392 -9.169 < 2e-16 ***
social_anxiety -0.58137 0.19154 -3.035 0.00246 **
psychological_resilienc -0.50300 0.11125 -4.521 6.78e-06 ***
I(social_support^2) 0.46824 0.04987 9.390 < 2e-16 ***
---
Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
Residual standard error: 9.837 on 1152 degrees of freedom
Multiple R-squared: 0.1883, Adjusted R-squared: 0.1855
F-statistic: 66.82 on 4 and 1152 DF, p-value: < 2.2e-16
4. Porovnanie regresných modelov pomocou AIC
Na porovnanie kvality modelov použijeme Akaikeho informačné kritérium (AIC). Nižšia hodnota AIC predstavuje výhodnejší model v rámci porovnávaných alternatív.
Porovnanie regresných modelov pomocou AIC
| Model 3 |
8580.66 |
| Model 2 |
8663.99 |
| Model 1 |
8665.87 |
Na základe najnižšej hodnoty AIC vyberieme model, ktorý budeme ďalej diagnostikovať.
Call:
lm(formula = prosocial_behavior_in_sport ~ social_support, data = data_model)
Residuals:
Min 1Q Median 3Q Max
-20.993 -9.538 -1.229 8.535 25.226
Coefficients:
Estimate Std. Error t value Pr(>|t|)
(Intercept) -94.2128 9.8306 -9.584 <2e-16 ***
social_support 1.6910 0.1336 12.654 <2e-16 ***
---
Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
Residual standard error: 10.22 on 1155 degrees of freedom
Multiple R-squared: 0.1218, Adjusted R-squared: 0.121
F-statistic: 160.1 on 1 and 1155 DF, p-value: < 2.2e-16
5. Regresné koeficienty vybraného modelu
Pomocou funkcie tidy() zobrazíme jednotlivé regresné koeficienty, ich štatistickú významnosť a p-hodnoty.
Regresné koeficienty vybraného modelu
| (Intercept) |
-94.2128 |
9.8306 |
-9.5836 |
0 |
*** |
| social_support |
1.6910 |
0.1336 |
12.6538 |
0 |
*** |
6. Základné charakteristiky modelu
V tejto časti zobrazíme základné štatistické charakteristiky vybraného modelu vrátane koeficientu determinácie R² a upraveného R².
Základné charakteristiky vybraného regresného modelu
| 0.1218 |
0.121 |
160.118 |
0 |
8665.87 |
8681.031 |
10.2196 |
1157 |
7. Diagnostické grafy regresného modelu
Pomocou diagnostických grafov overíme základné predpoklady regresného modelu.
Zobrazíme štyri grafy: 1. Rezíduá oproti predikovaným hodnotám. 2. Normálny Q-Q graf. 3. Graf odmocniny štandardizovaných rezíduí oproti predikovaným hodnotám. 4. Graf rezíduí oproti leverage hodnotám, ktorý pomáha identifikovať vplyvné pozorovania.
8. Test heteroskedasticity – Breusch-Paganov test
Breusch-Paganov test slúži na overenie, či majú rezíduá regresného modelu konštantný rozptyl.
Nulová hypotéza predpokladá homoskedasticitu, teda konštantný rozptyl rezíduí.
studentized Breusch-Pagan test
data: selected_model
BP = 35.649, df = 1, p-value = 2.363e-09
9. Test normality rezíduí – Jarque-Bera test
Jarque-Bera test overuje, či majú rezíduá normálne rozdelenie.
Nulová hypotéza predpokladá normalitu rezíduí.
Jarque Bera Test
data: residuals(selected_model)
X-squared = 59.19, df = 2, p-value = 1.403e-13
10. Test odľahlých hodnôt
Pomocou funkcie outlierTest() identifikujeme prípadné odľahlé pozorovania, ktoré môžu výraznejšie ovplyvňovať výsledky regresného modelu.
No Studentized residuals with Bonferroni p < 0.05
Largest |rstudent|:
rstudent unadjusted p-value Bonferroni p
731 2.481447 0.013227 NA
11. Multikolinearita – VIF
Multikolinearita predstavuje problém, pri ktorom sú vysvetľujúce premenné navzájom silno korelované. Na jej posúdenie použijeme ukazovateľ VIF (Variance Inflation Factor).
VIF nie je možné vypočítať, pretože vybraný model obsahuje menej ako dve vysvetľujúce premenné.
Pri interpretácii platí, že vyššie hodnoty VIF môžu upozorňovať na problém multikolinearity. Ako orientačná hranica sa často používa hodnota 5, prípadne 10.
12. Cookova vzdialenosť – vplyvné pozorovania
Cookova vzdialenosť nám umožňuje identifikovať pozorovania, ktoré majú výraznejší vplyv na výsledky regresného modelu.
Ako orientačnú hranicu použijeme hodnotu 4/n, kde n predstavuje počet pozorovaní.
Päť pozorovaní s najvyššou Cookovou vzdialenosťou
| 732 |
0.0227 |
TRUE |
| 731 |
0.0188 |
TRUE |
| 719 |
0.0159 |
TRUE |
| 720 |
0.0159 |
TRUE |
| 721 |
0.0159 |
TRUE |
13. Porovnanie skutočných a predikovaných hodnôt
Na záver vizuálne porovnáme skutočné hodnoty prosociálneho správania s hodnotami, ktoré predikuje náš regresný model.
Čím bližšie sa pozorovania nachádzajú k diagonálnej čiare, tým presnejšie model predikuje skutočné hodnoty.
14. Záver
V rámci cvičenia sme vytvorili a porovnali tri regresné modely, ktoré skúmajú vzťah medzi sociálnou podporou a prosociálnym správaním v športe. Na základe Akaikeho informačného kritéria sme vybrali model s najnižšou hodnotou AIC, ktorý sme následne podrobili diagnostike.
Pomocou diagnostických grafov a štatistických testov sme overovali normalitu rezíduí, konštantnosť ich rozptylu, prítomnosť odľahlých hodnôt a multikolinearitu. Zároveň sme pomocou Cookovej vzdialenosti posudzovali vplyv jednotlivých pozorovaní na výsledky modelu.
Výsledky diagnostiky nám umožňujú posúdiť vhodnosť zvoleného regresného modelu a identifikovať prípadné nedostatky, ktoré môžu ovplyvniť interpretáciu výsledkov.
Cvičenie 7 – Prognostické využitie lineárneho regresného modelu
V predchádzajúcich cvičeniach sme sa zameriavali najmä na vysvetľovanie vzťahov medzi premennými a testovanie štatistických hypotéz. V tomto cvičení sa zameriame na prognostické využitie regresného modelu.
Naším cieľom bude zistiť, ako dobre dokážeme predpovedať prosociálne správanie v športe u respondentov, ktorých nepoužijeme na odhad regresných koeficientov. Kvalitu prognóz následne vyhodnotíme pomocou viacerých štatistických ukazovateľov.
1. Načítanie knižníc a databázy
Najskôr načítame potrebné knižnice a našu databázu. Budeme pracovať s rovnakými premennými ako v predchádzajúcom cvičení.
# A tibble: 6 × 9
no sex year age psychological_resili…¹ social_anxiety social_support
<dbl> <chr> <chr> <dbl> <dbl> <dbl> <dbl>
1 1 Male First-… 19 106 58 77
2 2 Male First-… 19 105 58 77
3 3 Male First-… 19 106 58 77
4 4 Male First-… 19 106 58 77
5 5 Male Second… 20 105 58 77
6 6 Male First-… 19 106 58 77
# ℹ abbreviated name: ¹psychological_resilienc
# ℹ 2 more variables: prosocial_behavior_in_sport <dbl>,
# antisocial_behavior_in_sport <dbl>
2. Príprava údajov
V analýze budeme používať prosociálne správanie v športe ako závislú premennú. Vysvetľujúcimi premennými budú sociálna podpora, sociálna úzkosť a psychologická odolnosť.
Pred samotnou analýzou odstránime prípadné chýbajúce hodnoty.
prosocial_behavior_in_sport social_support
0 0
social_anxiety psychological_resilienc
0 0
prosocial_behavior_in_sport social_support social_anxiety
Min. :10.00 Min. :67.00 Min. :54.00
1st Qu.:19.00 1st Qu.:72.00 1st Qu.:56.00
Median :31.00 Median :74.00 Median :57.00
Mean :30.12 Mean :73.53 Mean :57.33
3rd Qu.:40.00 3rd Qu.:75.00 3rd Qu.:59.00
Max. :52.00 Max. :77.00 Max. :61.00
psychological_resilienc
Min. : 89.0
1st Qu.: 99.0
Median :102.0
Mean :101.3
3rd Qu.:104.0
Max. :106.0
3. Východiskový regresný model
V predchádzajúcom cvičení sme vytvorili tri regresné modely a porovnávali ich pomocou Akaikeho informačného kritéria (AIC).
Aby sme nadviazali na predchádzajúcu analýzu, opäť vytvoríme tieto tri modely a vyberieme model s najnižšou hodnotou AIC.
Porovnanie regresných modelov pomocou AIC
| Model 3 |
8580.66 |
| Model 2 |
8663.99 |
| Model 1 |
8665.87 |
Na základe najnižšej hodnoty AIC vyberieme model, ktorý budeme používať pri ďalšej analýze.
Call:
lm(formula = prosocial_behavior_in_sport ~ social_support, data = data_model)
Residuals:
Min 1Q Median 3Q Max
-20.993 -9.538 -1.229 8.535 25.226
Coefficients:
Estimate Std. Error t value Pr(>|t|)
(Intercept) -94.2128 9.8306 -9.584 <2e-16 ***
social_support 1.6910 0.1336 12.654 <2e-16 ***
---
Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
Residual standard error: 10.22 on 1155 degrees of freedom
Multiple R-squared: 0.1218, Adjusted R-squared: 0.121
F-statistic: 160.1 on 1 and 1155 DF, p-value: < 2.2e-16
4. Rozdelenie údajov na odhadovú a testovaciu vzorku
Na účely prognózovania rozdelíme databázu na dve časti. Približne 80 % respondentov použijeme na odhad regresného modelu a zvyšných 20 % na testovanie jeho prognostickej schopnosti.
Použijeme funkciu set.seed(), aby bolo rozdelenie pri každom spustení rovnaké.
Rozdelenie respondentov na odhadovú a testovaciu vzorku
| Odhadová |
925 |
79.9 |
| Testovacia |
232 |
20.1 |
| Spolu |
1157 |
100.0 |
5. Nový odhad regresného modelu
Pôvodný regresný model bol odhadnutý na celej databáze. Pri prognózovaní ho preto nemôžeme priamo použiť, pretože by už obsahoval informácie z testovacej vzorky.
Vytvoríme nový model s rovnakou špecifikáciou, ale jeho koeficienty odhadneme výhradne na odhadovej vzorke.
Regresné koeficienty odhadnuté na odhadovej vzorke
| (Intercept) |
-95.2095 |
11.0337 |
-8.6290 |
0 |
| social_support |
1.7033 |
0.1501 |
11.3495 |
0 |
6. Výpočet bodových prognóz
Pomocou funkcie predict() vypočítame prognózy prosociálneho správania pre respondentov z testovacej vzorky.
Následne porovnáme skutočné hodnoty s predikovanými hodnotami a vypočítame prognostické chyby.
Prvých desať testovacích respondentov
| 34 |
77 |
35.9462 |
-1.9462 |
| 27 |
73 |
29.1329 |
-2.1329 |
| 33 |
72 |
27.4296 |
5.5704 |
| 34 |
70 |
24.0229 |
9.9771 |
| 33 |
76 |
34.2428 |
-1.2428 |
| 26 |
72 |
27.4296 |
-1.4296 |
| 33 |
75 |
32.5395 |
0.4605 |
| 32 |
76 |
34.2428 |
-2.2428 |
| 30 |
77 |
35.9462 |
-5.9462 |
| 33 |
77 |
35.9462 |
-2.9462 |
Kladná prognostická chyba znamená, že model skutočnú hodnotu podhodnotil. Záporná chyba znamená, že ju nadhodnotil.
7. Grafické porovnanie skutočných a prognózovaných hodnôt
V nasledujúcej časti graficky porovnáme skutočné hodnoty prosociálneho správania s hodnotami predikovanými regresným modelom.
Druhý graf zobrazí prognostické chyby jednotlivých respondentov.
8. Ukazovatele kvality prognóz
Presnosť prognóz vyhodnotíme pomocou viacerých ukazovateľov:
- ME – priemerná prognostická chyba.
- MAE – priemerná absolútna chyba.
- MSE – priemerná štvorcová chyba.
- RMSE – odmocnina priemernej štvorcovej chyby.
- MAPE – priemerná absolútna percentuálna chyba.
Nižšie hodnoty MAE, MSE, RMSE a MAPE predstavujú presnejšie prognózy. ME nám ukazuje, či model systematicky hodnoty podhodnocuje alebo nadhodnocuje.
Ukazovatele kvality prognóz na testovacej vzorke
| ME |
0.4475 |
body |
| MAE |
8.3070 |
body |
| MSE |
94.9756 |
body² |
| RMSE |
9.7455 |
body |
| MAPE |
31.2463 |
% |
9. Porovnanie s jednoduchou prognózou
Aby sme zistili, či je náš regresný model skutočne prínosný, porovnáme ho s jednoduchou prognózou.
Pri jednoduchej prognóze budeme každému respondentovi v testovacej vzorke predpovedať priemernú hodnotu prosociálneho správania z odhadovej vzorky.
Porovnanie regresného modelu s jednoduchou prognózou
| Lineárna regresia |
8.3070 |
9.7455 |
| Jednoduchá prognóza – priemer |
8.9293 |
10.3844 |
10. Theilov koeficient kvality prognóz
Theilov koeficient U1 predstavuje bezrozmerný ukazovateľ kvality prognóz. Nadobúda hodnoty od 0 do 1.
Hodnota 0 znamená dokonalú zhodu prognóz so skutočnými hodnotami. Čím je hodnota nižšia, tým lepšia je zhoda medzi prognózou a skutočnosťou.
Theilov koeficient kvality prognóz
| Theilov koeficient U1 |
0.15459 |
11. Theilov rozklad strednej kvadratickej chyby
V tejto časti sa pozrieme na štruktúru prognostických chýb. Pomocou Theilovho rozkladu zistíme, aká časť celkovej chyby súvisí s rozdielom priemerov, rozdielom variability a nedokonalou súbežnosťou skutočných a prognózovaných hodnôt.
Theilov rozklad strednej kvadratickej chyby
| UM – rozdiel priemerov |
0.0021 |
0.2109 |
| US – rozdiel variability |
0.4655 |
46.5496 |
| UC – nedokonalá súbežnosť |
0.5324 |
53.2395 |
Grafické zobrazenie Theilovho rozkladu
12. Intervaly pri prognózovaní
Bodová prognóza predstavuje jednu konkrétnu predpovedanú hodnotu. Pri prognózovaní však môžeme využiť aj intervaly, ktoré vyjadrujú neistotu odhadu.
Rozlišujeme: - Interval spoľahlivosti – vyjadruje neistotu odhadu priemernej hodnoty prosociálneho správania. - Predikčný interval – vyjadruje neistotu pri predpovedaní hodnoty konkrétneho respondenta. Preto býva širší.
95 % intervaly spoľahlivosti a predikčné intervaly
| 34 |
35.9462 |
34.7145 |
37.1779 |
15.6243 |
56.2681 |
| 27 |
29.1329 |
28.4508 |
29.8149 |
8.8369 |
49.4289 |
| 33 |
27.4296 |
26.6321 |
28.2270 |
7.1293 |
47.7298 |
| 34 |
24.0229 |
22.7990 |
25.2469 |
3.7015 |
44.3444 |
| 33 |
34.2428 |
33.2459 |
35.2398 |
13.9338 |
54.5519 |
| 26 |
27.4296 |
26.6321 |
28.2270 |
7.1293 |
47.7298 |
| 33 |
32.5395 |
31.7370 |
33.3421 |
12.2391 |
52.8399 |
| 32 |
34.2428 |
33.2459 |
35.2398 |
13.9338 |
54.5519 |
| 30 |
35.9462 |
34.7145 |
37.1779 |
15.6243 |
56.2681 |
| 33 |
35.9462 |
34.7145 |
37.1779 |
15.6243 |
56.2681 |
Kontrola pokrytia predikčných intervalov
V tejto časti zistíme, aký podiel skutočných hodnôt testovacej vzorky sa nachádza v našich vypočítaných 95 % predikčných intervaloch.
Kontrola pokrytia predikčných intervalov
| Podiel respondentov v 95 % predikčnom intervale |
97.41 |
13. Rozšírenie – porovnanie s logaritmickým modelom
V tejto časti vytvoríme ďalší regresný model, v ktorom použijeme logaritmovanú sociálnu podporu namiesto jej pôvodnej hodnoty.
Ostatné vysvetľujúce premenné zostanú zachované. Následne porovnáme presnosť prognóz oboch modelov na rovnakej testovacej vzorke.
Porovnanie pôvodného a logaritmického modelu
| Pôvodný regresný model |
8.3070 |
9.7455 |
| Model s logaritmovanou sociálnou podporou |
8.2998 |
9.7305 |
14. Theilov rozklad logaritmického modelu
V prípade, že bolo možné vytvoriť logaritmický model, vypočítame aj jeho Theilov rozklad a porovnáme štruktúru prognostických chýb.
Theilov rozklad logaritmického modelu
| UM – rozdiel priemerov |
0.0018 |
0.1828 |
| US – rozdiel variability |
0.4696 |
46.9607 |
| UC – nedokonalá súbežnosť |
0.5286 |
52.8566 |
15. Porovnanie intervalov pre jedného respondenta
Na záver si ukážeme rozdiel medzi intervalom spoľahlivosti a predikčným intervalom na konkrétnom respondentovi z testovacej vzorky.
Porovnanie intervalov pre prvého testovacieho respondenta
| Interval spoľahlivosti |
34.7145 |
37.1779 |
2.4634 |
| Predikčný interval |
15.6243 |
56.2681 |
40.6438 |
16. Záver
V rámci cvičenia sme sa zamerali na prognostické využitie lineárneho regresného modelu. Na základe predchádzajúcej analýzy sme vybrali vhodnú špecifikáciu modelu a následne rozdelili databázu na odhadovú a testovaciu vzorku.
Regresný model sme odhadli iba na odhadovej vzorke a jeho prognostickú schopnosť sme overili na samostatnej testovacej vzorke. Presnosť prognóz sme hodnotili prostredníctvom ukazovateľov ME, MAE, MSE, RMSE a MAPE. Okrem toho sme využili Theilov koeficient a jeho rozklad, ktoré nám umožnili podrobnejšie preskúmať charakter prognostických chýb.
Výsledky regresného modelu sme porovnali aj s jednoduchou prognózou založenou na priemernej hodnote závislej premennej. V závere sme vytvorili intervaly spoľahlivosti a predikčné intervaly a preskúmali rozdiel medzi pôvodným a logaritmickým modelom.
Pri interpretácii výsledkov je potrebné zohľadniť, že výber modelu prebehol už v predchádzajúcom cvičení na celej databáze. Testovacia vzorka preto nepredstavuje úplne nezávislé overenie prognostickej presnosti. Výsledky tak slúžia predovšetkým ako praktická ukážka prognostického využitia regresnej analýzy.
17. Uloženie pracovného prostredia
Na záver uložíme všetky vytvorené objekty a výsledky analýzy, aby sme s nimi mohli pracovať aj v ďalšom cvičení.