분위수 회귀
회귀는 정량 모형화에서 광범위하게 사용되는 통계 방법입니다. 다중 선형 회귀는 많은 연구가가 척도분석 결과의 평균 값을 설명하거나 예측할 때 여러 변수 값을 사용하는 기본 표준 방법입니다. 그러나 대부분의 경우 척도분석 결과의 임의 변위수 또는 중위수에 더 관심이 있습니다.
분위수 회귀에서는 예측자(독립) 변수 세트와 목표(종속) 변수의 특정 백분위수(또는 "분위수"),
종종 중위수 사이의 관계를 모형화합니다. 기본적으로 최소제곱법(Ordinary Least Squares) 회귀에 비해 다음과 같은 두 가지 이점이 있습니다.
- 분위수 회귀에서는 목표변수의 배포에 관해 가정하지 않습니다.
- 분위수 회귀에서는 특이 관측값의 영향을 받지 않도록 저항하는 경향이 있습니다.
분위수 회귀는 생태학, 의료 및 금융 경제와 같은 업계의 연구에서 광범위하게 사용합니다.
- 예
- 총 가계 소득과 식료품에 소비하는 소득의 비율 간 관계는 어떻게 됩니까? 엥겔의 법칙은 소득이 늘어남에 따라 식료품에 소비하는 소득의 비율이 저하됨(식료품에 지출하는 절대 비용은 증가 가능)을 나타내는 경제학의 관측값입니다. 이 데이터에 분위수 회귀를 적용하면 식료품에 지출하는 평균 비용에 관심이 없을 때 지정된 소득의 100개 가족을 대상으로 가족의 90%에 해당하는 식료품비를 판별할 수 있습니다.
- 통계
- 분위수 회귀, 심플렉스 접근방식, Firsch-Newton 내부-점 비선형 최적화 알고리즘, Barrodale and Roberts, Bofinger, Hall Sheather, 대역폭, 유의수준, 행렬 처리, 수렴 기준, 분석 가중값, 절편 항, 예측 목표, 예측 잔차, 도표 작성, 예측 도표, 모수 추정값, 공분산행렬, 상관 행렬, 관측값, 신뢰구간.
분위수 회귀 데이터 고려사항
- 데이터
- 단일 숫자 종속변수가 필요합니다. 목표 변수는 연속형 변수여야 합니다. 예측자는 범주형 예측자의 더미 변수이거나 연속형 변수일 수 있습니다. 분석을 실행하려면 절편 항 또는 하나 이상의 예측자가 필요합니다.
- 가정
- 분위수 회귀에서는 목표 변수의 분포를 가정하지 않고 특이 관측값이 미치는 영향에 저항합니다.
- 관련 프로시저
- 4분위수 분석은 최소제곱법 회귀와 관련됩니다.
분위수 회귀 분석 구하기
이 기능에는 사용자 정의 테이블 및 고급 통계가 필요합니다.
- 메뉴에서 다음을 선택합니다.
변수 대화상자에서는 분위수 회귀 분석에 사용할 목표, 요인, 공변량 및 가중치 변수를 지정할 수 있습니다. 이 대화 상자에서는 복합 분석 또는 대규모 데이터 세트용으로 메모리를 보존하는 옵션도 제공합니다.
- 숫자 목표변수를 선택합니다. 분석을 실행하는 데 목표 변수가 한 개만 있으면 됩니다. 숫자변수만 허용됩니다.
- 선택적으로 하나 이상의 요인 변수를 선택합니다. 척도변수는 허용되지 않습니다.
- 선택적으로 하나 이상의 공변량 변수를 선택합니다. 문자변수는 허용되지 않습니다.참고: 인자 (들) 및 공변량 (들) 목록이 모두 비어 있고 모델 대화 상자에서 모델에 절편 포함 가 선택되면 다음 메시지가 표시됩니다.
No effects have been specified. Therefore, an intercept only model will be fit. Do you want to fit an intercept-only model? - 선택적으로 회귀분석 가중값을 선택합니다. 문자변수는 허용되지 않습니다.
- 선택적으로 복합 분석 또는 대규모 데이터 세트용으로 메모리 보존을 선택합니다. 이 설정에 따라 처리 중에 데이터가 외부 파일에 있는지가 제어됩니다. 설정을 사용하면 복합 분석 또는 대규모 데이터 세트가 있는 분석을 실행할 때 메모리 자원을 아낄 수 있습니다.
이 프로시저는 QUANTILE REGRESSION 명령 구문을 붙여넣습니다.