Matematické Fórum

Zkus tam tu promennou dat take v druhe mocnine.

Pokud vliv jedné proměnné vypadá nějak takto, pak sice můžeme dostat kladný sklon, ale při větším nárůstu závislá proměnná klesá.

A pomocí kvadratického modelu můžeme najít takový to vztah.

Teda pokud jsem správně pochopil otázku.

Stále se jedná o lineární regresi, i když tam máme x^2. (lineární je ten model kvůli něčemu jinému)

Kdybych se měl ale vrátit k původním modelu, tak z hlediska reálných dat je naprosto možné, že i při kladném sklonu se reálně sníží hodnota, přeci jen (zpravidla) nekopírujeme křivku dokonale, ale s určitou chybou.

Abych vysvětlil svůj myšlenkový pochod:

Pokud mám kladný odhad parametru u proměnné , tak to nutně neznamená, že má jen a pouze pozitivní vliv na závislou proměnnou. Může jít i o kvadratický vliv (viz obrázek odkazovaný výše), který odhalíte přes kvadratický člen, např. ve formě

,

kde je stále kladná, je záporná, takže máme parabolu, marginální vliv je (tj. ), což je lineární funkce, která z kladné přechází na zápornou.


To vše ale možná je naprosto irelevantní, protože nechápu dotaz.

Ok.

V tom pripade bych poprosil o presnejsi specifikovani problemu.

Pokud jde o to, ze sice mate bety kladne, ale v datech vidite negativni zmenu, tak bych nijak nepanikaril. Linearni regrese nekopiruje data. Panikaril bych, pokud ten negativni vztah bude casty. To pak mate problem s robustnosti. (LMS, LAD, Chow, M-est, leverage, ...)

Omlouvam se, ze jsem natvrdly, jen jsem holt nepochopil problem.

Stále plně nechápu otázku, tak předpokládám, že chcete data. Nebo už fakt nevim.

Vygeneroval sem náhodně x ~ N(0,1), y = 5*x + e, kde e ~ N(0,1/100).

Vypadá to samozřejmě hezky



Ale když se podíváme na data (seřazený podle x), ostatně už v grafu to je jasný, tak vidíme, že ne pokaždý y roste s x. Data tadyk.

Jestli to furt chápu špatně, tak už se, prosím, nějak vymáčkněte :-)