Õpiobjektid -> Sissejuhatus üldiste lineaarsete mudelite teooriasse

SISSEJUHATUS ÜLDISTE LINEAARSETE MUDELITE TEOORIASSE


Õpiobjekti kirjeldus
Õpijuhis
 
Sissejuhatus
1. Põhimõisted
 
2. Üldiste lineaarsete mudelite ja faktorite liigitus
3. Üldise lineaarse mudeli esitused
4. Keskväärtused ja dispersioonid
5. Eeldused ja kitsendused
6. Fikseeritud efektide hindamine (BLUE)
7. Juhuslike faktorite realiseerunud väärtuste prognoosimine (BLUP)
 
8. Dispersioonikomponentide hindamine
9. Enesekontroll
Lisa
¤ Kogu materjal ühe pdf-failina: Yldine_lineaarne_mudel.pdf

Vähimruutkeskmised

Vähimruutkeskmised (VRK; inglisekeeles least square means, LSM), mis esitatakse sageli teadusartiklites ja mille hindamisvõimalust pakuvad paljud statistikaprogrammid, on oma olemuselt samuti hinnatavad parameeterfunktsioonid. Nende laialdane kasutamine on tingitud sellest, et ühelt poolt on tegu tõepoolest lihtsalt mõistetavate hinnangutega uuritava tunnuse keskmistele väärtustele faktorite tasemete alusel moodustatud gruppides, teiselt poolt on aga vähimruutkeskmiste hindamise metoodika märksa täiuslikum võrreldes tavaliste aritmeetiliste keskmiste arvutamisega -- VRK-d leitakse baseeruvana mudelil ja on korrigeeritud mudelis sisalduvate segavate faktorite mõjude ja andmestiku mittetasakaalulisuse suhtes (seetõttu erinevad vähimruutkeskmised üldjuhul tavalistest keskmistest).


Näide 11. Illustreerime vähimruutkeskmiste leidmist tallede võõrutusmassi näite varal. Üks variant mudeli (1) parameetrite hinnanguist oli esitatud vektorina (18):

.

Kõikvõimalikud vähimruutkeskmised koos arvutusvalemitega (ja võrdluseks ka tavalised aritmeetilised keskmised) on esitatud järgnevas tabelis.

Efekt
VRK
27,2
29,5
S1
29,2
S2
27,0
P1
35,0
P2
27,0
P3
22,0

 


< Eelmine

Creative Commons License Creative Commons Attribution-NonCommercial-NoDerivs 3.0 Unported License