Metodologie Quantitative
|
|
- Marilena Arena
- 8 anni fa
- Visualizzazioni
Transcript
1 Metodologie Quantitative Regressione Logistica II M Q Marco Perugini Milano-Bicocca 1
2 La regressione logistica La regressione logistica si propone di studiare e quantificare le relazioni tra una o più variabili indipendenti quantitative (es. età, salario, atteggiamento verso qualcosa, dimensione di personalita ) e una variabile dipendente dicotomica (es. stato civile, voto al referendum, appartenenza ad un gruppo, scelta tra due opzioni) 2
3 Trasformazione Logit La regressione logistica non predice la variabile dipendente così come è, ma la trasforma Variabile Originale Probabilità P i ( Y 1) 1 ( Y 0) P i Appartenenza ad un gruppo Odd ratio Rapporto di probabilità Pi OR 1 P Quanto è più (o meno) probabile un gruppo rispetto all altro i Logit Logaritmo del OR ln( 1 Pi P Variabile continua definita su tutto l asse delle Y i ) 3
4 Trasformazione Logit In sostanza, per predire la probabilità di appartenenza ad un gruppo, si usa non la probabilità grezza, ma una sua funzione con proprietà migliori P i ( Y 1) 1 ( Y 0) P i Appartenenza ad un gruppo Pi OR 1 P Quanto è più (o meno) probabile un gruppo rispetto all altro i ln( 1 Pi P Variabile continua definita su tutto l asse delle Y i ) 4
5 Regressione logistica La regressione logistica percio è una regressione in cui la variabile dipendente è dicotomica, e dunque si predice mediante una regressione lineare il logaritmo del rapporto tra la probabilità di essere in un gruppo piuttosto che l altro P P i ln( ) 1 i a b yx x i 5
6 Regressione Logistica Dato che la variabile è stata trasformata, la regressione ora è possibile Rispetto alla regressione che già conosciamo, cambierà: Come interpretare i coefficienti Il test di significatività (si usa il Wald test, ma la logica e come con il t-test) Come interpretare l R 2 6
7 Logistica in pratica Ci proponiamo di studiare in un campione di 133 soggetti, le relazioni tra atteggiamento politico (conserv, positivo= conservatore, 0=incerto, negativo=liberal) e voto alle elezioni presidenziali americane del 2008 La variabile dipendente è: 0 se ha votato Obama 1 se ha votato McCain Voto votobush McCain Validi Tot ale Percentuale Percentuale Frequenza Percentuale v alida cumulat a
8 Logistica in pratica SPSS 8
9 Logistica in pratica SPSS Voto McCain Variabile Dipendente Variabile Indipendente 9
10 Output: Risultati Essendo una regressione, ci aspettiamo di trovare un coefficiente B, un coefficiente costante, e un test di significatività del coefficiente Effetto della VI Test di significatività Passo 1 a conserv Costante a. Variabili immesse al passo 1: conserv. Variabil i nel l'equazione B E.S. Wald df Sig. Exp(B) Costante Errore standard Significatività (valore p) Non c è il coefficiente standardizzato, ma c è exp(b) 10
11 Intepretazione Essendo una regressione, possiamo interpretare i coefficiente come al solito Cambiamento atteso nel logaritmo di OR, per uno spostamento di una unità nella VI Passo 1 a conserv Costante a. Variabili immesse al passo 1: conserv. Variabil i nel l'equazione B E.S. Wald df Sig. Exp(B) Valore atteso nel logaritmo di OR, quando la VI è zero Significatività (valore p): se minore di 0.05, rifiutiamo l ipotesi nulla di B=0 11
12 Intepretazione: Problema Il problema sta nel fatto che tutte le informazioni (come in ogni regressione) sono espresse nell unità di misura della VD Nel caso del logaritmo di OR, questa unità è non intuitiva e poco informativa Variabil i nel l'equazione Passo 1 a conserv Costante a. Variabili immesse al passo 1: conserv. B E.S. Wald df Sig. Exp(B) Per ogni unità in più di conserv, ci aspettiamo un aumento del logaritmo di OR di.907! Ma cosa significa? E tanto o poco? 12
13 Svantaggi del Logaritmo Il problema del logaritmo è che la sua unità di misura non è intuitivamente interpretabile Una differenza di.903 nella scala logaritmica è tanto o poco in termini di probabilità? n=e Per ovviare a ciò, le quantità espresse su scala logaritmiche possono essere riportate all unità originale mediante la funzione esponenziale Ln( 100) e exp( 4.605)
14 Unità più comprensibili base Dato che nella logistica le informazioni sono ottenute sulla base di una VD logaritmica, la funzione esponenziale le riporta all unità precedente (funzione inversa) L unità precedente è l odd ratio Logit Odd ratio Pi Ln( ) Pi Pi exp( Ln( )) 1 Pi 1 Pi 1 Pi argomento In generale funzione esponenziale exp( Ln( q)) q logaritmo argomento 14
15 L esponenziale La funzione esponenziale di un logaritmo ci da l argomento orginale del logaritmo X Ln(X) Exp(Ln(X)) 15
16 Relazioni tra unità di misure Al fine interpretativo è importante ricordare che: La somma tra due logaritmi equivale al prodotto tra gli argomenti Logit Odd ratio q Ln( a) Ln( b) exp( q ) a* b Ln( 2) Ln(3) 1.79 exp( 1.79) B Ln( OR1 ) Ln( OR2 ) exp( B) OR1 * OR2 16
17 B espresso come OR Per facilitare l interpretazione, il legame tra VD e VI si esprime mediante l esponenziale di B Passo 1 a conserv Costante a. Variabili immesse al passo 1: conserv. Variabil i nel l'equazione Odd ratio B E.S. Wald df Sig. Exp(B) Exp(B) trasforma il B espresso in scala logaritmica in un B expresso in termini di odd ratio 17
18 Interpretazione di exp(b) Exp(B) è il tasso con cui aumenta OR per ogni unità della VI Cioè il tasso con cui cambia il rapporto di probabilità al variare della VI Passo 1 a conserv Costante a. Variabili immesse al passo 1: conserv. Variabil i nel l'equazione B E.S. Wald df Sig. Exp(B) Per ogni unità in più di conserv, il rapporto di probabilità tra votare McCain e votare Obama aumenta di 2.47 volte 18
19 Interpretazione di exp(costante) Exp(Costante) è l OR atteso quanto la VI è zero Se conservatorismo è uguale a zero, ci aspettiamo un odd ratio di 1.141, cioè votare McCain è volte più probabile che votare Obama Passo 1 a conserv Costante a. Variabili immesse al passo 1: conserv. Variabil i nel l'equazione B E.S. Wald df Sig. Exp(B) P( votaremccain) P( votareobama ) Se conservatorismo è uguale a zero (soggetto intermedio politicamente), è leggermente più probabile votare McCain che Obama 19
20 Interpretazione di exp(b) Exp(B) è quanto aumenta l OR per ogni unità in più della VI Se passiamo da conservatorismo=0 a conservatorismo=1 (aumentiamo x di una unità), ci aspettiamo che l odd ratio aumenti di Passo 1 a conserv Costante a. Variabili immesse al passo 1: conserv. Variabil i nel l'equazione B E.S. Wald df Sig. Exp(B) OR x 1 ORx 0 * Exp ( B) 1.141* OR se X=1 OR se X=0 Tasso di cambio OR per X=1 20
21 Ricordiamo dalla lineare Nella regressione lineare yˆ a b x a è il valore atteso di y per x=0 yˆ x 0 a b è quanto dobbiamo aggiungere ad a passando da X=0 a X=1 ˆ 1 a b1 y x In generale, b è quanto dobbiamo aggiungere ad a passando da X a yˆ ˆ x 1 yx b1 X+1 21
22 Se la scala è logaritmica Con la scala logaritmica, la sostanza è la stessa ) ln( OR a b x a è il valore atteso di y per x=0 ln( ORx0) a b è quanto dobbiamo aggiungere ad a passando da X=0 a X=1 ln( ORx1) a b1 In generale, b è quanto dobbiamo aggiungere ad a passando da X a X+1 ln( OR 1) ln( ORx) b1 x 22
23 Relazioni tra unità di misure Ma la somma di due logaritmi equivale alla esponenziale dei prodotti degli argomenti Logit Odd ratio q Ln( a) Ln( b) exp( q ) a* b 23
24 Se la scala è riportata in OR Con la scala riportata in OR Logit a è il valore atteso di y per x=0 ln( ORx0) a Odd ratio Exp(a) è il valore atteso di OR per x=0 exp( a) OR x0 b è quanto dobbiamo aggiungere ad a passando da X=0 a X=1 b è quanto dobbiamo moltiplicare a passando da X=0 a X=1 ln( ORx1) a b1 OR OR x1 x0 b 24
25 Interpretazione di exp(b) Paragone con la regressione lineare Regressione lineare Regressione logistica yˆ a b x ln( OR) a b x a è il valore atteso di y per x=0 Exp(a) è il valore atteso di OR per x=0 b è quanto dobbiamo Exp(b) è quanto dobbiamo moltiplicare aggiungere ad a passando da a passando da X=0 a X=1 X=0 a X=1 25
26 Interpretazione di exp(b) Aumentando X di 1, aumento in termini di logaritmo di.907 L esponenziale di.907 è Passo 1 a conserv Costante a. Variabili immesse al passo 1: conserv. Variabil i nel l'equazione B E.S. Wald df Sig. Exp(B) Dunque in termini di OR aumento di Cioè se un soggetto ha conservatorismo uguale ad 1, il suo OR di votare McCain sarà volte più grande del soggetto che ha conservatorismo uguale a 0 in assoluto sara (1.141*2.476) 26
27 Inversione della VD Passo 1 a Ovviamente, se prediciamo OR di votare McCain, o OR di votare Obama, i risultati sono equivalenti Qui McCain=1 Passo 1 a prevbush Voto McCain Costante a. Variabili immesse al passo 1: Voto prev McCain Bush. Qui Obama=1 prevbush Voto McCain Costante Variabil i nell'equaz ione a. Variabili immesse al passo 1: Voto prevmccain Bush. B E.S. Wald df Sig. Exp(B) OR McCain Variabil i nell'equaz ione B E.S. Wald df Sig. Exp(B) OR 1 Obama 27
28 Regressione logistica multipla Tutto cio che sappiamo sulla regressione lineare (interazione, effetti parziali, mediazione, path analysis) rimane concettualmente equivalente per la logistica Cambia cosa si predice ed il calcolo dei coefficienti Esempio di RL multipla: Vogliamo predire se le persone preferiscono il vino (1) o la birra (0) in funzione della loro nazionalita (Italiani, 1, vs. Inglesi, 0) tenendo sotto controllo la quantita (quanti bicchieri bevono ogni giorno) 28
29 Coefficienti I coefficienti sono espressi nella scala logaritmica [B] e nella scala dei rapporti di probabilita o odd ratio [exp(b)] Ln B Test di significativita Odd Ratio B Variables in the Equation Step 1 a NATION GLASSESC Constant 95.0% C.I.for EXP(B) B S.E. Wald df Sig. Exp(B) Lower Upper a. Variable(s) entered on step 1: NATION, GLASSESC. 29
30 Interpretazione B e il cambiamento predetto nella logit per un unita di cambiamento nella VI, mantenendo costante (al netto, parzializzando) l altra VI exp(b) e di quanto il OR di appartenere al gruppo 1 si moltiplica quando muoviamo la VI di 1 unita Step 1 a NATION GLASSESC Constant Variables in the Equation 95.0% C.I.for EXP(B) B S.E. Wald df Sig. Exp(B) Lower Upper a. Variable(s) entered on step 1: NATION, GLASSESC. 30
31 Interpretazione Step 1 a OR per Inglesi (Nation=0) sulla preferenza di vino rispetto alla birra e di Se ci spostiamo da Inglesi ad Italiani, OR diviene.189*6.921=1.3 NATION GLASSESC Constant Variables in the Equation 95.0% C.I.for EXP(B) B S.E. Wald df Sig. Exp(B) Lower Upper a. Variable(s) entered on step 1: NATION, GLASSESC. OR per preferire il vino per gli Italiani e 6.92 volte maggiore che per gli Inglesi 31
32 Interpretazione exp(b) della VI e di quanto il OR di appartenere al gruppo 1 si moltiplica quano muoviamo la VI di 1 unita exp(b) della costante e OR quando la VI e eguale a 0 (Nation=Inglesi) OR per Inglesi=.189 OR per vino per Italiani e 6.92 piu grande che per gli Inglesi OR per Italiani, 189*6.921=1.3 Inglesi preferiscono birra Italiani preferiscono vino 7 volte di piu degli Inglesi Italiani preferiscono vino Step 1 a NATION GLASSESC Constant Variables in the Equation 95.0% C.I.for EXP(B) B S.E. Wald df Sig. Exp(B) Lower Upper a. Variable(s) entered on step 1: NATION, GLASSESC. 32
33 Bonta dell equazione complessiva Abbiamo tre indici di bonta complessiva dell equazione Quasi equivalente alla R 2 nella RLM Piu usata Step 1 Model Summary -2 Log Cox & Snell Nagelkerke likelihood R Square R Square Nagelkerke: 1) Piu e grande, meglio e 2) Come Cox, ma raggiunge 1 Likelihood ratio: 1) Piu e grande, peggio e 2) Quanto della VD non e spiegato dopo avere considerato le VI Cox & Snell: 1) Piu e grande, meglio e (0<r<1) 2) Quanto la VI spiega la VD rispetto a quanto e possibile spiegarla 3) Non raggiunge 1 33
34 Significativita complessiva Possiamo testare la significativita complessiva della regressione con un test del Chi-quadro Quasi equivalente al test F per la R 2 in RLM Omnibus Tests of Model Coefficients Step 1 Step Block Model Chi-square df Sig
35 Predetto vs. Reale Dato che i valori predetti sono probabilita, le persone possono essere classificati nei due gruppi (vino vs. birra) secondo la probabilita predetta Il gruppo predetto puo essere comparato con il gruppo reale Piu i due coincidono, meglio la VI spiega la VD Classification Table a Predice meglio gli Italiani che gli Inglesi Predicted Step 1 Observed WINE Overall Percentage a. The cut value is % si ottiene per caso (le VI non predicono nulla) 0 1 WINE 0 1 Percentage Correct % of persone predette correttamente 35
36 Un esempio di interazione Dilemma del prigioniero: Scelte simultanee di cooperazione o defezione. Ai ss viene chiesto anche se si aspettano cosa fara l altro e viene anche misurata la loro reciprocita (PNR) 36
37 Grafico dell interazione Expectation PD Defect Cooperation Positive Reciprocity (Zscore) 37
38 SRHI x IAT (VD= barretta cioccolato) 38
39 Riassumendo La Regressione Logistica e una regressione con una VD binaria Si focalizza sulla probabilita di appartenza al gruppo I coefficienti sono espressi in scala logaritmica (B) come Odd Ratio exp(b) Il exp(b) e la quantita per la quale OR viene moltiplicato quando muoviamo la VI di 1 unita La bonta dell equazione complessiva e espressa con il likelihood ratio e delle approssimazioni di R 2 (Cox & Snell, NagelKerke), con la classificazione nei gruppi predetti vs. reali, e la significativita con un test Chi-Quadro La logica di fondo e come per la Regressione Lineare Multipla 39
Modelli Lineari Generalizzati. (Cap. 10) Marcello Gallucci Univerisità Milano-Bicocca
Modelli Lineari Generalizzati (Cap. 0) Marcello Gallucci Univerisità Milano-Bicocca Preludio La maggior parte delle comuni tecniche statistiche volte ad individuare le relazioni fra variabili, quali Correlazioni,
DettagliModelli statistici per l analisi dei dati e la valutazione d efficacia Il caso del Comune di Perugia
Modelli statistici per l analisi dei dati e la valutazione d efficacia Il caso del Comune di Perugia Alessandra Pelliccia Matteo Cataldi Matteo Filippo Donadi 0 AGENDA Fonti Descrizione dei dati Variabili
DettagliRegressione Logistica
Regressione Logistica Esercizio Data set: Nel data set heart.txt (o heart.sav) sono contenute informazioni riguardo 302 pazienti che hanno avuto infarto e 60 che non hanno avuto infarto in uno studio retrospettivo
DettagliMetodologie Quantitative
Metodologie Quantitative Regressione Lineare Nozioni di base M Q Marco Perugini Milano-Bicocca 1 I COMUNICAZIONE MERCOLEDI 11 NOVEMBRE NON CI SARA LEZIONE DI MQ Concetti base Con l analisi di regressione
DettagliIntroduzione all Analisi della Varianza (ANOVA)
Introduzione all Analisi della Varianza (ANOVA) Marcello Gallucci P S I C O M E T R I A marcello.gallucci@unimib.it Variabili nella Regressione Nella regressione, la viariabile dipendente è sempre quantitativa
DettagliIntroduzione alla regressione multipla. Giovanni Battista Flebus Lezioni di psicometria
Introduzione alla regressione multipla Giovanni Battista Flebus Lezioni di psicometria 1 Che cos è la regressione multipla A differenza della regressione semplice, utilizza più variabili indipendenti Usa
DettagliEsercitazione. 24 Aprile 2012
Esercitazione 24 Aprile 2012 Il modello di regressione logistica viene utilizzato quando si è interessati a studiare o analizzare la relazione causale tra una variabile dipendente dicotomica e una o più
DettagliAnalisi Multivariata dei Dati. Regressione Multipla
Analisi Multivariata dei Dati Regressione Multipla A M D Marcello Gallucci Milano-Bicocca Lezione: III Effetti multipli Consideriamo ora il caso in cui la variabile dipendente possa essere spiegata da
DettagliIntroduzione all Analisi della Varianza (ANOVA)
Introduzione all Analisi della Varianza (ANOVA) AMD Marcello Gallucci marcello.gallucci@unimib.it Variabili nella Regressione Nella regressione, la viariabile dipendente è sempre quantitativa e, per quello
DettagliEsercizi. 1. Disegnare il grafico qualitativo della seguente funzione:
Esercizi. Disegnare il grafico qualitativo della seguente funzione: f(x) = x 2 per x 0 x per x > 0 e determinarne gli eventuali punti di massimo e minimo assoluti e relativi nell intervallo (,4]. Esercizi
DettagliIl modello di regressione
Il modello di regressione Capitolo e 3 A M D Marcello Gallucci Milano-Bicocca Lezione: II Concentti fondamentali Consideriamo ora questa ipotetica ricerca: siamo andati in un pub ed abbiamo contato quanti
DettagliRegressione logistica
SMID a.a. 2004/2005 Corso di Metodi Statistici in Biomedicina Regressione logistica 31/1/2005 Regressione categoriale Una delle applicazioni più utili della regressione multipla potrebbe essere quella
DettagliIl modello di regressione
Il modello di regressione Capitolo e 3 A M D Marcello Gallucci Milano-Bicocca Lezione: II Concentti fondamentali Consideriamo ora questa ipotetica ricerca: siamo andati in un pub ed abbiamo contato quanti
DettagliMetodologie Quantitative
Metodologie Quantitative Regressione Lineare Multipla Mediazione e Path analysis I M Q Marco Perugini Milano-Bicocca 1 Regressione Multipla: utilizzo avanzato A seconda dello status delle variabili indipendenti,
Dettagli0 altimenti 1 soggetto trova lavoroentro 6 mesi}
Lezione n. 16 (a cura di Peluso Filomena Francesca) Oltre alle normali variabili risposta che presentano una continuità almeno all'interno di un certo intervallo di valori, esistono variabili risposta
DettagliDalla correlazione all uso della regressione lineare multipla e logistica
Dalla correlazione all uso della regressione lineare multipla e logistica ANALISI DELLA CORRELAZIONE MISURA DELLA VARIAZIONE CONCOMITANTE (COVARIAZIONE/ CONTROVARIAZIONE) DI VARIABILI CARDINALI O QUASI-
DettagliAnalisi Multivariata dei Dati
Analisi Multivariata dei Dati Introduzione al corso e al modello statistico A M D Marcello Gallucci Milano-Bicocca Lezione: I Programma Odierno I numeri del corso Programma del corso Concetti Statistici
DettagliScale Logaritmiche. Matematica con Elementi di Statistica, Anna Torre a.a
Scale Logaritmiche SCALA LOGARITMICA: sull asse prescelto (ad esempio, l asse x) si rappresenta il punto di ascissa = 0 0 nella direzione positiva si rappresentano, a distanze uguali fra di loro, i punti
Dettaglilezione 12 AA Paolo Brunori
AA 2016-2017 Paolo Brunori Interazione di - potrebbe essere che l effetto dell esperienza dipenda dal livello di istruzione stime su dati Canadesi: www.statcan.gc.ca Interazione di - in questo caso vorremmo
DettagliStatistica multivariata! Analisi fattoriale
Parte 3 : Statistica multivariata Quando il numero delle variabili rilevate sullo stesso soggetto aumentano, il problema diventa gestirle tutte e capirne le relazioni. Statistica multivariata! Analisi
DettagliMISURA DELLA VARIAZIONE CONCOMITANTE (COVARIAZIONE/ CONTROVARIAZIONE) DI VARIABILI CARDINALI O QUASI- CARDINALI
ANALISI DELLA CORRELAZIONE MISURA DELLA VARIAZIONE CONCOMITANTE (COVARIAZIONE/ CONTROVARIAZIONE) DI VARIABILI CARDINALI O QUASI- CARDINALI VINCOLI CHE SI IMPONGONO ALLA SUA UTILIZZAZIONE: LA RELAZIONE
DettagliMETODI E TECNICHE DELLA RICERCA IN PSICOLOGIA CLINICA E LABORATORIO MEDIAZIONE
METODI E TECNICHE DELLA RICERCA IN PSICOLOGIA CLINICA E LABORATORIO AA 2016/2017 PROF. V.P. SENESE http://psiclab.altervista.org/mettecpsicclinica2016/2016_2017.html https://goo.gl/iuaiqx Seconda Università
DettagliMetodologie Quantitative
Metodologie Quantitative Regressione Lineare Multipla M Q Marco Perugini Milano-Bicocca 1 SMILES Sorrisi al minuto Variabile Dipendente (VD) Lo scopo di una regressione e di fornire la miglior predizione
DettagliRegressione logistica
Regressione logistica Metodi Quantitativi per Economia, Finanza e Management Esercitazione n 11 Consegna Lavoro di gruppo Scadenza per la consegna del lavoro di gruppo e dell homework facoltativo (per
DettagliRegressioni Non Lineari
Regressioni Non Lineari Fino ad ora abbiamo solo considerato realazioni lineari Ma le relazioni lineari non costituiscono sempre le migliori approssimazioni La regressione multipla può anche essere formulata
DettagliANALISI MULTIVARIATA
ANALISI MULTIVARIATA Marcella Montico Servizio di epidemiologia e biostatistica... ancora sulla relazione tra due variabili: la regressione lineare semplice VD: quantitativa VI: quantitativa Misura la
DettagliStatistica multivariata
Statistica multivariata Quando il numero delle variabili rilevate sullo stesso soggetto aumentano, il problema diventa gestirle tutte e capirne le relazioni. Analisi multivariata Cercare di capire le relazioni
DettagliStatistica multivariata
Parte 3 : Statistica multivariata Quando il numero delle variabili rilevate sullo stesso soggetto aumentano, il problema diventa gestirle tutte e capirne le relazioni. Analisi multivariata Cercare di capire
DettagliUniversità del Piemonte Orientale Corso di Laurea specialistica in Biotecnologie mediche. Corso di Statistica Medica. Correlazione
Università del Piemonte Orientale Corso di Laurea specialistica in Biotecnologie mediche Corso di Statistica Medica Correlazione Regressione Lineare Statistica Medica Correlazione e Regressione lineare
DettagliScale Logaritmiche. Matematica con Elementi di Statistica a.a. 2015/16
Scale Logaritmiche Scala Logaritmica: sull asse prescelto (ad esempio, l asse x) si rappresenta il punto di ascissa = 0 0 nella direzione positiva si rappresentano, a distanze uguali fra di loro, i punti
DettagliAnalisi della Varianza Fattoriale. (Cap. 8)
Analisi della Varianza Fattoriale AMD (Cap. 8) Marcello Gallucci marcello.gallucci@unimib.it Ripasso dell ANOVA Lo studio degli effetti di una serie di variabili indipendenti nominale (gruppi) su un variabile
DettagliLABORATORI DI STATISTICA SOCIALE
Università degli Studi di Bergamo Dipartimento di Scienze Umane e Sociali Corso di Laurea in Scienze Psicologiche LABORATORI DI STATISTICA SOCIALE Lezione V Prof. Andrea Greco Dott.ssa Roberta Adorni Dott.
DettagliProprietà della varianza
Proprietà della varianza Proprietà della varianza Proprietà della varianza Proprietà della varianza Intermezzo: ma perché dovremmo darci la pena di studiare come calcolare la varianza nel caso di somme,
DettagliLe Funzioni. Modulo Esponenziali Logaritmiche. Prof.ssa Maddalena Dominijanni
Le Funzioni Modulo Esponenziali Logaritmiche Definizione di modulo o valore assoluto Se x è un generico numero reale, il suo modulo o valore assoluto è: x = x se x 0 -x se x
DettagliTrasformazioni Logaritmiche
Trasformazioni Logaritmiche Una funzione y = f(x) può essere rappresentata in scala logaritmica ponendo Si noti che y = f(x) diventa ossia Quando mi conviene? X = log α x, Y = log α y. log α (x) = log
DettagliObiettivo: confrontare due proporzioni, studiare il legame in presenza di un fattore di stratificazione
Prof.ssa G. Serio, Prof. P. Trerotoli, Cattedra di Statistica Medica, Università di Bari 1/13 Il chi-quadro di Mantel-Haenszel Obiettivo: confrontare due proporzioni, studiare il legame in presenza di
DettagliESERCITAZIONE: ESPONENZIALI E LOGARITMI
ESERCITAZIONE: ESPONENZIALI E LOGARITMI e-mail: tommei@dm.unipi.it web: www.dm.unipi.it/ tommei Esercizio 1 In una coltura batterica, il numero di batteri triplica ogni ora. Se all inizio dell osservazione
DettagliStatistica multivariata
Parte 3 : Statistica multivariata Quando il numero delle variabili rilevate sullo stesso soggetto aumentano, il problema diventa gestirle tutte e capirne le relazioni. Analisi multivariata Cercare di capire
DettagliStatistica. Capitolo 12. Regressione Lineare Semplice. Cap. 12-1
Statistica Capitolo 1 Regressione Lineare Semplice Cap. 1-1 Obiettivi del Capitolo Dopo aver completato il capitolo, sarete in grado di: Spiegare il significato del coefficiente di correlazione lineare
DettagliMisure Ripetute. Analisi dei dati in disegni di ricerca con misure ripetute. Marcello Gallucci
Misure Ripetute Analisi dei dati in disegni di ricerca con misure ripetute Marcello Gallucci Introduzione Consideriamo una ricerca in cui un gruppo di pazienti è sottoposto ad un trattamento terapeutico
DettagliMetodologie Quantitative
Metodologie Quantitative Regressione Lineare Multipla Mediazione e Path analysis I M Q Marco Perugini Milano-Bicocca 1 Regressione Multipla: utilizzo avanzato A seconda dello status delle variabili indipendenti,
DettagliRegressione logistica
Regressione logistica Metodi Quantitativi per Economia, Finanza e Management Esercitazione n 11 Consegna Lavoro di gruppo Scadenza per la consegna del lavoro di gruppo è fissata inderogabilmente per il
DettagliAnalisi avanzate basate sulla regressione (Cap. 7)
Analisi avanzate basate sulla regressione (Cap. 7) AMD Marcello Gallucci marcello.gallucci@unimib.it Regressione Multipla A seconda dello status delle variabili indipendenti, possiamo differenziare diversi
DettagliAnalisi Multivariata dei Dati. Regressione Multipla (cap. 3)
Analisi Multivariata dei Dati Regressione Multipla (cap. 3) A M D Marcello Gallucci Milano-Bicocca Lezione: III Effetti multipli Il caso in cui la variabile dipendente possa essere spiegata da più di una
Dettagli3 5 x 25 5 x = 1 5 x (3 25) = x = 1. 5 x = x 8x 8 = 0 2 x (23 ) x. = x (2x ) 3. = x (2 x ) 3 = 0.
Anno Scolastico 014/15 - Classe 3B Soluzioni della verifica di matematica del 9 Maggio 015 Risolvere le seguenti equazioni esponenziali o logaritmiche. Dove è necessario, scrivere le condizioni di esistenza
DettagliArgomenti della lezione:
Lezione 9 Argomenti della lezione: La regressione multipla: Approcci analitici Regressione standard Regressione gerarchica Regressione statistica Strategie Analitiche per la regressione Tre principali
DettagliTecniche statistiche di analisi del cambiamento
Tecniche statistiche di analisi del cambiamento 07-Anova con covariata (vers. 1.0, 3 dicembre 2015) Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia, Università di Milano-Bicocca 2015-16
DettagliFacoltà di Psicologia Università di Padova Anno Accademico Corso di Psicometria - Modulo B
Facoltà di Psicologia Università di Padova Anno Accademico 2010-2011 Corso di Psicometria - Modulo B Dott. Marco Vicentini marco.vicentini@unipd.it Rev. 27/12/2010 Regressione lineare Modello geometrico
DettagliRegressione Multipla. (cap. 3)
Regressione Multipla (cap. 3) Marcello Gallucci P S I C O M E T R I A II Milano-Bicocca Lezione: III Rappresentazioni delle relazioni Abbiamo visto che la regressione/relazione fra due variabili può rappresentarsi
DettagliMetodi Statistici per il Management
Metodi Statistici per il Management Modelli statistici di dipendenza Simone Borra - Roberto Rocci Modelli statistici di dipendenza Modelli: strutture formali che hanno l obiettivo di descrivere, spiegare
DettagliRegressione Lineare Semplice e Correlazione
Regressione Lineare Semplice e Correlazione 1 Introduzione La Regressione è una tecnica di analisi della relazione tra due variabili quantitative Questa tecnica è utilizzata per calcolare il valore (y)
DettagliMetodi statistici per la ricerca sociale Capitolo 15. Regressione logistica: modellare variabili risposta categoriali
Metodi statistici per la ricerca sociale Capitolo 15. Regressione logistica: modellare variabili risposta categoriali Alessandra Mattei Dipartimento di Statistica, Informatica, Applicazioni (DiSIA) Università
Dettaglilezione 10 AA Paolo Brunori
AA 2016-2017 Paolo Brunori Redditi svedesi - il dataset contiene i dati di reddito di 838 individui - il dataset contiene le variabili: sex = sesso age = età edu = anni di istruzione y_gross = reddito
DettagliCORSO DI STATISTICA (parte 1) - ESERCITAZIONE 6
CORSO DI STATISTICA (parte 1) - ESERCITAZIONE 6 Dott.ssa Antonella Costanzo a.costanzo@unicas.it Esercizio 1. Associazione, correlazione e dipendenza tra caratteri In un collettivo di 11 famiglie è stata
DettagliModelli Log-lineari Bivariati
Modelli Log-lineari Bivariati Luca Stefanutti Università di Padova Dipartimento di Psicologia Applicata Via Venezia 8, 35131 Padova L.Stefanutti (Università di Padova) Modelli Log-lineari 1 / 71 Contenuti
DettagliCorrelazione e regressione
Correlazione e regressione Il termine associazione è largamente usato nella letteratura scientifica ed esprime la relazione che esiste tra due variabili Per studiare l associazione tra due variabili bisogna
DettagliCopyright Esselibri S.p.A.
19 L aspirina viene eliminata dai reni in ragione del 0% del farmaco presente ogni ½ ora. Dopo quanto tempo nel corpo è rimasto il 10% dell aspirina inizialmente somministrata? 0 Un capitale iniziale di
DettagliMATEMATICA CORSO A III APPELLO 13 Settembre 2012
MATEMATICA CORSO A III APPELLO 13 Settembre 212 Soluzioni 1. È stato preparato uno sciroppo concentrato al 4% mettendo 3 grammi di zucchero in una certa quantità d acqua. a) Quanto vale la massa dell acqua?
DettagliRestrizioni lineari nel MRLM: esempi
Restrizioni lineari nel MRLM: esempi Eduardo Rossi 2 2 Università di Pavia (Italy) Maggio 2013 Rossi Restrizioni lineari: esempi Econometria - 2013 1 / 22 Funzione di produzione Cobb-Douglas Esempio GDP
DettagliFunzioni di regressione non lineari
Funzioni di regressione non lineari Eduardo Rossi 2 2 Università di Pavia (Italy) Maggio 2013 Rossi Regressione nonlineare Econometria - 2013 1 / 25 Sommario Funzioni di regressione non lineari - note
DettagliStatistica13-23/11/2015
Statistica13-23/11/2015 Voglio studiare due fattori dipendenti uno dall altro L esempio classico sono le rese di macellazione: il peso di un organo aumenta infatti all aumentare del peso dell animale (quale
DettagliAnalisi di Regressione Multipla
Analisi di Regressione Multipla Stima OLS della relazione Test Score/STR : TestScore! = 698.9.8 STR, R =.05, SER = 18.6 (10.4) (0.5) E una stima credibile dell effetto causale sul rendimento nei test di
DettagliTecniche statistiche di analisi del cambiamento
Tecniche statistiche di analisi del cambiamento 08-Anova con covariata (vers. 1.2, 6 dicembre 2017) Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia, Università di Milano-Bicocca 2017-18
DettagliAnalisi Fattoriale Concetti introduttivi Marcello Gallucci Milano-Bicocca
Analisi Fattoriale Concetti introduttivi A M D Marcello Gallucci Milano-Bicocca Scopi generali L Analisi Fattoriale (e varianti) si propone di estrarre un numero limitato di fattori (variabili latenti
DettagliEsercitazione Marzo 2019
Esercitazione 13 Marzo 019 Esercizio 1 Su un collettivo di 100 appartamenti ubicati nella stessa zona della città vengono rilevati i seguenti caratteri: X 1 affitto mensile pagato dal locatario (in Euro)
DettagliPresentazione dell edizione italiana Prefazione xix Ringraziamenti xxii Glossario dei simboli xxiii
Sommario Presentazione dell edizione italiana Prefazione xix Ringraziamenti xxii Glossario dei simboli xxiii xv Parte I Statistica descrittiva 1 Capitolo 1 Introduzione 3 Perché studiare statistica? 4
DettagliArgomenti della lezione:
Lezione 7 Argomenti della lezione: La regressione semplice Il modello teorico Il calcolo dei parametri Regressione lineare Esamina la relazione lineare tra una o più variabili esplicative (o indipendenti,
DettagliMatematica di base. Lezioni in Aula D5 ogni Venerdi alle 14:30 BLOG: matematicadibase.wordpress.com
Matematica di base Lezioni in Aula D5 ogni Venerdi alle 14:30 BLOG: matematicadibase.wordpress.com Calendario 21 Ottobre Aritmetica ed algebra elementare 28 Ottobre Geometria elementare 4 Novembre Insiemi
DettagliTecniche statistiche di analisi del cambiamento
Tecniche statistiche di analisi del cambiamento 11-Anova con covariata (v. 1.3, 5 dicembre 2018) Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia, Università di Milano-Bicocca 2018-19
DettagliAnalisi della Varianza Fattoriale
Analisi della Varianza Fattoriale Marcello Gallucci P S I C O M E T R I A marcello.gallucci@unimib.it Ripasso dell ANOVA Lo studio degli effetti di una serie di variabili indipendenti nominale (gruppi)
DettagliAnalisi della Varianza Fattoriale
Analisi della Varianza Fattoriale AMD Marcello Gallucci marcello.gallucci@unimib.it Ripasso dell ANOVA Lo studio degli effetti di una serie di variabili indipendenti nominale (gruppi) su un variabile dipendente
DettagliElementi di Epidemiologia per la Valutazione Comparativa di Esito
Elementi di Epidemiologia per la Valutazione Comparativa di Esito La valutazione della qualità dell assistenza: quali domande? L incidenza di alcuni esiti negativi dell assistenza ospedaliera (come la
DettagliESEMPI DI DOMANDE PER LA PROVA SCRITTA DI STATISTICA SOCIALE
ESERCITAZIONE DI FINE CORSO ESEMPI DI DOMANDE PER LA PROVA SCRITTA DI STATISTICA SOCIALE 1. Si prenda in esame la seguente tabella che riporta la suddivisione di una popolazione femminile per titolo di
DettagliComputazione per l interazione naturale: classificazione probabilistica
Computazione per l interazione naturale: classificazione probabilistica Corso di Interazione Naturale Prof. Giuseppe Boccignone Dipartimento di Informatica Università di Milano boccignone@di.unimi.it boccignone.di.unimi.it/in_2016.html
DettagliBLAND-ALTMAN PLOT. + X 2i 2 la differenza ( d ) tra le due misure per ognuno degli n campioni; d i. X i. = X 1i. X 2i
BLAND-ALTMAN PLOT Il metodo di J. M. Bland e D. G. Altman è finalizzato alla verifica se due tecniche di misura sono comparabili. Resta da comprendere cosa si intenda con il termine metodi comparabili
DettagliTest non parametrici (cap. 6)
Test non parametrici (cap. 6) A M D Marcello Gallucci marcello.gallucci@unimib.it Lezione 11 Modello Lineare Generale La regressione semplice e multipla e l'anova sono sottocasi del modello lineare generale
DettagliESERCITAZIONE del 07/04/2016 Anova a una via
ESERCITAZIONE del 07/04/2016 Anova a una via Si vuole studiare se l età media a cui le donne hanno il primo figlio è influenzata dal livello di istruzione. Su un campione di 63 donne di 45 anni è stata
DettagliFunzioni di Regressioni Non Lineari
Funzioni di Regressioni Non Lineari Nelle precedenti lezioni abbiamo assunto che le funzioni di regressione della popolazione siano lineari. Cioè che l effetto su Y di una variazione unitaria di X non
DettagliAPPROCCIO PARAMETRICO
1 APPROCCIO PARAMETRICO L approccio precedente è di tipo non parametrico, ovvero prescinde da qualsiasi rappresentazione di una relazione funzionale, e cioè di un legame esprimibile mediante una funzione
DettagliEquazione esponenziale a x = b con 0<a<1 oppure a>1; x R; b>0
Equazione esponenziale a x = b con 00 Proprietà delle potenze: a n. b n = ( a. b ) n a n : b n = ( a : b ) n a n. a m = a n+m a n : a m = a n-m ( a n ) m = a n a n/m n a = a -n/m
DettagliPsicometria con Laboratorio di SPSS 1
Psicometria con Laboratorio di SPSS 1 1-Panoramica delle tecniche: Spiegazione intuitiva vers. 1.1 (vers. 1.1, 14 marzo 2018) Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia, Università
DettagliBusiness Intelligence e CRM CLAMM G.Tassinari. Laboratorio Regressione Logistica. 24 Settembre 2014 S.Benigni
Business Intelligence e CRM CLAMM G.Tassinari Laboratorio Regressione Logistica 24 Settembre 2014 S.Benigni Obiettivo dell Analisi Individuare quali variabili possono incidere nella decisione di un impresa
DettagliElementi di Psicometria con Laboratorio di SPSS 1
Elementi di Psicometria con Laboratorio di SPSS 1 05-Deviazione standard e punteggi z vers. 1.1 (22 ottobre 2014) Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia, Università di Milano-Bicocca
DettagliIntroduzione alla Regressione Logistica
Introduzione alla Regressione Logistica Contenuto regressione lineare semplice e multipla regressione logistica lineare semplice La funzione logistica Stima dei parametri Interpretazione dei coefficienti
DettagliUniversità del Piemonte Orientale Corso di Laurea in Medicina e Chirurgia. Corso di Statistica Medica. Correlazione. Regressione Lineare
Università del Piemonte Orientale Corso di Laurea in Medicina e Chirurgia Corso di Statistica Medica Correlazione Regressione Lineare Corso di laurea in medicina e chirurgia - Statistica Medica Correlazione
DettagliDisequazioni - ulteriori esercizi proposti 1
Disequazioni - ulteriori esercizi proposti Trovare le soluzioni delle seguenti disequazioni o sistemi di disequazioni:. 5 4 >. 4. < 4. 4 9 5. 9 > 6. > 7. < 8. 5 4 9. > > 4. < 4. < > 9 4 Non esitate a comunicarmi
DettagliRegressione con una variabile dipendente binaria
Regressione con una variabile dipendente binaria Fino ad ora abbiamo considerato solo variabili dipendenti countinue: Che succede se Y è binaria? Y = va al college, o no; X = anni di istruzione Y = fumatore,
DettagliUniversità di Pavia Econometria Esercizi 5
Università di Pavia Econometria 2007-2008 Esercizi 5 Maggio, 2008 1. Una regressione lineare multipla di y su una costante, x 2 e x 3 produce i seguenti risultati: ŷ t = 4 + 0.4x t2 + 0.9x t3 con X X =
DettagliAnalisi avanzate della regressione: la moderazione (Cap. 5 )
Analisi avanzate della regressione: la moderazione (Cap. 5 ) AMD Marcello Gallucci marcello.gallucci@unimib.it Lezione: V Struttura delle relazioni Le relazioni possibili diventano più interessanti strutturalmente
Dettagliper togliere l influenza di un fattore es.: quoziente di mortalità = morti / popolazione
Rapporti statistici di composizione la parte rispetto al tutto percentuali di derivazione per togliere l influenza di un fattore es.: quoziente di mortalità = morti / popolazione di frequenza (tassi) rapporti
Dettagli1 + 2 x) x. e x + e x e x e x. lim
Esame per il corso di Matematica per CTF Prof G Gaeta) Febbraio 24 Tempo a disposizione: due ore e mezza; non sono ammessi ausili libri, appunti, etc) I diversi esercizi hanno lo stesso peso in termini
DettagliStatistica descrittiva: misure di associazione
Statistica descrittiva: misure di associazione L analisi di regressione permette di esplorare le relazioni tra due insiemi di valori (p.e. i valori di due attributi di un campione) alla ricerca di associazioni.
DettagliSi calcoli prezzo e quantitá d equilibrio quando il reddito R = 25 e quando il reddito è R = 50.
1 Domanda e Offerta Exercise 1. Supponiamo di avere un unico bene x, la quantitá domandata di tale bene è descritta dalla curva Q D = 300 P + 4 R mentre la quantitá offerta è descritta dalla curva Q O
DettagliLa relazione causa-effetto
La relazione causa-effetto valutare il rischio in epidemiologia associazione statistica e rapporto causa-effetto gli studi analitici: generalità Misurare l incidenza di malattia in un gruppo di popolazione...
DettagliMetodologie Quantitative
Metodologie Quantitative Introduzione al Corso M Q Cristina Zogmaister Milano-Bicocca cristina.zogmaister@unimib.it 1 Programma Odierno Struttura, argomenti, e stile del corso Esami Panoramica dei temi
Dettagli