Shrnutí na Základy statistických metod
Základy statistických metod: Korelace, t-test, Regrese
Úvod
Korelace a regresní analýza pomáhají zjistit, jak spolu souvisí dvě proměnné a jak jednu z nich použít pro odhad druhé. Tento materiál vysvětlí, co znamená korelační koeficient, jak interpretovat jeho hodnoty, kdy korelace neznamená příčinnost, a ukáže praktické kroky testování hypotéz (F-test, t-test) a práce se scatterploty včetně využití regresní přímky pro predikce.
Definice: Korelační koeficient udává míru lineárního vztahu mezi dvěma proměnnými a nabývá hodnot v rozmezí $-1$ až $1$.
Korelační koeficient: základ
Co měří korelace
- Znaménko určuje směr vztahu: kladné (+) nebo záporné (-).
- Absolutní velikost udává „těsnost“ lineárního vztahu.
Definice: Pokud je korelační koeficient blízko $0$, lineární vztah je zanedbatelný; pokud je blízko $\pm 1$, vztah je velmi těsný.
Interpretace velikosti korelace
- do $0{,}2$ – zanedbatelný
- $0{,}2$ až $0{,}4$ – nepříliš těsný
- $0{,}4$ až $0{,}7$ – středně těsný
- $0{,}7$ až $0{,}9$ – těsný vztah
- od $0{,}9$ – extrémně těsný (platí i pro záporné hodnoty)
Příklady směrů vztahu
- Záporný vztah: více času u televize 🡪 horší studijní výsledky.
- Kladný vztah: vyšší vzdělání 🡪 vyšší plat.
Korelační matice
- Korelační matice ukazuje párové korelace pro více proměnných najednou.
- Hodí se pro rychlý přehled, které proměnné jsou silně spojeny.
| Co porovnává | Výstup | Interpretace |
|---|---|---|
| Věk vs. Plat | korelace (kladná/ záporná) | směr a síla vztahu |
Kdy korelace neznamená příčinu
- Společný faktor (confounder) může ovlivňovat obě proměnné.
- Obrácená kauzalita: A může být důsledkem B.
- Náhoda: náhodné souběhy v datech.
Příklad: Změna metody vyučování 🡪 lepší výsledky, ale zároveň mohlo dojít k nárůstu doučování; tedy nelze automaticky tvrdít příčinu.
Statistické testy a porovnání rozptylů/průměrů
F-test (porovnání rozptylů)
Definice: F-test se používá k porovnání dvou rozptylů; nulová hypotéza je $H_0:\ \sigma_1^2 = \sigma_2^2$.
Postup (prakticky, např. v Gretlu):
- Nahrát data.
- Nástroje → Výpočet test. statistik → 2 rozptyly.
- Naklikat obě proměnné a spustit test.
- Pokud $p$-hodnota $<\alpha$, zamítáme $H_0$; jinak $H_0$ nepřijímáme.
Interpretace: Pokud je $p$-hodnota větší než $0{,}05$, na hladině významnosti $5%$ nemůžeme zamítnout hypotézu o shodnosti rozptylů.
t-test (porovnání průměrů)
Definice: Dvouvýběrový t-test porovnává střední hodnoty dvou nezávislých populací; často se předpokládá shodnost rozptylů, pokud to test ukáže.
Postup (prakticky, např. v Gretlu):
- Nejdříve ověřit rozptyly F-testem.
- Nástroje → Výpočet test. statistik → 2 střední hodnoty.
- Pokud $p$-hodnota $<\alpha$, zamítáme $H_0$ (rozdíl průměrů je statisticky významný).
Příklad interpretace výsledku: Oboustranná $p$-hodnota $=0{,}5061$ $>$ $0{,}05$ → na hladině významnosti $5%$ nemůžeme zamítnout $H_0$; tedy nelze prokázat rozdíl průměrné spokojenosti mezi muži a ženami.
Vizualizace a predikce pomocí scatterplotu
Definice: Scatterplot (bodový graf) zobrazuje hodnoty dvou proměnných, díky čemuž snadno vidíme směr a sílu lineárního vztahu.
Postup vytvoření a práce se scatterplotem (prakticky v Gretlu):
- Nahrát data.
- Vykreslit proměnné na X a Y (např. počet seminářů jako $X$, výsledek zkoušky jako $Y$).
- Zakreslit výběrovou regresní přímku (odhad). Pozn.: podrobnou teorii lineární regrese viz materiály věnované přímo této tématice.
Příklad: Odvozená přímka (pouze pro predikci)
$$Y = 3{,}25 + 6{,}34\cdot X$$
Predikce pro studenty:
- $X=7$: $$Y = 3{,}25 + 6{,}34\cdot 7 = 47{,}63%$$
- $X=9$: $$Y = 3{,}25 + 6{,}34\cdot 9 = 60{,}31%$$
Interpretace: Čím vyšší počet seminářů, tím vyšší predikovaný výsledek
Zaregistruj se pro celé shrnutíUž máš účet? Přihlásit se
Korelace a regresní analýza
Klíčová slova: Korelace a regresní analýza, Lineární regrese
Klíčové pojmy: Korelační koeficient měří lineární vztah mezi dvěma proměnnými v rozmezí $-1$ až $1$., Znaménko korelace určuje směr vztahu: kladný nebo záporný., Velikost absolutní hodnoty korelace určuje těsnost: do $0{,}2$ zanedbatelný až od $0{,}9$ extrémně těsný., Vysoká korelace neimplikuje příčinnost; může být confounder nebo obrácená kauzalita., F-test: nulová hypotéza $H_0:\ \sigma_1^2 = \sigma_2^2$, porovnává rozptyly., T-test: porovnává průměry dvou nezávislých populací; často předpokládá shodné rozptyly., Před testováním vždy vizualizujte data pomocí scatterplotu., Pro predikci lze použít regresní přímku, např. $Y = 3{,}25 + 6{,}34\cdot X$, a dosadit hodnoty $X$., Při $p$-hodnotě $>0{,}05$ na hladině $5\%$ nemůžeme zamítnout nulovou hypotézu., Vždy ověřte předpoklady testů: normálnost, nezávislost, homogenitu rozptylů.