statistik 3: korrelationer

Question 1

vad är korrelation

Answer 1

linjärt samband mellan två variabler, relation, följsamhet

- INTE KAUSALT SAMBAND

Question 2

korr.koeff

Answer 2

Korrelationsanalysen ger en korrelationskoefficienten. (r/rho/tau - beror lite på vilken analysmetod som används hur man benämner koeff.)

Värdet är alltid inom intervallet -1 - 1. För en bra korrelation ska man ha värden så nära -1 eller så nära +1 som möjligt, dvs ytterligheterna

Question 3

olika typer av korrelationer (+-0)

Answer 3

positiv korrelation: korrelationskoeff > 0

negativ korrelation: korrelationskoef<0

ej korrelation - inget linjärt samband, man kan inte uttala sig att det finns relation mellan variablerna. Dessa korrelationskoeff ligger runt siffran 0 i detta fall.

Question 4

2 korrelationsanalyser

Answer 4

pearson
- Man ska ha två kvantitativa variabler, båda normalfördelade!!

0.7-1: , -1- (-0.7)

spearman:
- gäller för icke-NF kvant. variabler eller kval. variabler
- 1- (-0.3), 0.3-1.

(hur man värderar en korrelation beror lite på vilken område man studerar)

Question 5

linjär regression

Answer 5

en multivariat analys med flera variabler

Question 6

krav för att få göra regression

Answer 6

Y-variabeln: är kvant och NF

X: kvant och NF eller kval med diktotom (ja/nej)

• kan man inte uppfylla kraven får man göra logistiska regressioner

Question 7

vad göra inför en linjär regression?

Answer 7

1. välj ut Y-variabeln
2. korrelation inför en regression
   - gör en korr. analys för att hitta de x-variabler som korrelerar till y, då vet vi vilka x-variabler som är lämpliga att göra regression med
   - kolla kolinearitet (korrelation mellan x). Detta kan påverka utfallet av regressionen. Det man kan göra om kolinearitet är att
3. slå ihop x-variabler med kolinearitet via matemat. formler
4. gör antal regressioner och uteslut x-variabler med kolinearitet

Question 8

steg att kunna vid regression

Answer 8

1. titta på korrelation mellan y och varje x utefter värden som anses okej för spearman eller pearson
2. titta på kolinearitet mellan x
   - ——————————————————————————
3. är reg. signifikant (både hela regressionen och enskilda x-variabler). Alla x som ingår ska vara sig, om inte måste man göra om regressionen men just denna variabel
   - kolla även att konstanten är sig (linjen där reg. skär y-axeln)
4. tolka regressionstabellen
   - hur stor är förklaringsgraden (R^2)
5. tolka b-värdet
6. tolka beta-värdet: rangordning av x utifrån påverkan på y-variabeln. titta på den råa siffran för att undersöka inbördes förhållanden mellan x

Question 9

förklaringsgrad

Answer 9

berättar hur mycket våra x-variabler förklarar vår y-variabel. Det är ett procentmått som varierar mellan 0-100, vad man vill ha för storlek/grad hör ihop med syfte av regressionen.

• Ska man hitta bästa förklaringsmodellen (koppling mellan riskfaktor och diagnos) vill man ha en hög förklaringsgrad etc.
• Är syftet att påvisa att x-variabler inte alls påverkar y-variabeln, ja då vill vi ha så låg förklaringsgrad som möjligt.

Question 10

b-värdet

Answer 10

används för att predicera ett y-värde utifrån x, för en enskild individ enligt regressionsekvationen.

kan användas för att beräkna y

Question 11

från övningsexempel med regressioner - hur ska man arbeta strategiskt med regressioner?

Answer 11

1. förklaringsgrad för regression
2. signifikans av regressionen
3. kontrollera om konstanten är signifikant
4. är ingående x-variabler konstanta?

→ OM regressioner faller bort, välj den mest högst förklaringsgrad (R^2)