залежною змінною. Таким чином, напівприватна кореляція є кореляцією відповідної незалежної змінної після коригування щодо інших змінних, і нескоректована вихідними значеннями залежної змінної. Інакше кажучи, квадрат напівприватної кореляції є показником відсотка Загальної дисперсії, самостійно пояснюється відповідної незалежної змінної, в той час як квадрат приватної кореляції є показником відсотка залишкової дисперсії, яка обліковується після коригування залежною змінною відносно незалежних змінних. p align="justify"> У цьому прикладі приватні та напівприватні кореляції мають близькі значення. Однак іноді їх величини можуть змінюватися значно (напівприватна кореляція завжди менший). Якщо напівприватна кореляція дуже мала, у той час як приватна кореляція відносно велика, то відповідна змінна може мати самостійну "частина" у поясненні мінливості залежної змінної (тобто "частина", яка не пояснюється іншими змінними). Однак у сенсі практичної значущості, ця частина може бути мала, і представляти тільки невеличку частку від загальної мінливості. p align="justify"> Аналіз залишків. Після підбору рівняння регресії завжди корисно вивчити отримані передбачені значення і залишки. Наприклад, екстремальні викиди можуть істотно змістити результати і привести до помилкових висновків. У вкладці Залишки/пропозиції/спостережувані натисніть кнопку Аналіз залишків для переходу у відповідне діалогове вікно. p align="justify"> Порядковий графік залишків. Ця опція діалогового вікна надає вам можливість вибрати один з можливих типів залишків для побудови построчного графіка. Зазвичай, слід вивчити характер вихідних (нестандартизованих) або стандартизованих залишків для ідентифікації екстремальних спостережень. У нашому прикладі, виберіть вкладку Залишки і натисніть кнопку порядкової графіки залишків; за замовчуванням буде побудований графік вихідних залишків; однак, ви можете змінити тип залишків у відповідному полі. br/>В
Масштаб, використовуваний в построчном графіку в самій лівій колонці, задається в термінах сигми, тобто стандартного відхилення залишків. Якщо один або кілька спостережень потрапляють за межі В± 3 * сигма, то, ймовірно, слід виключити відповідні спостереження (це легко досягається за допомогою умов відбору) і виконати аналіз знову, щоб переконатися у відсутності зсуву ключових результатів, викликаного цими викидами в даних.
Порядковий графік викидів. Швидкий спосіб ідентифікації викидів полягає у використанні опції Графік викидів в закладці Викиди. Ви можете вибрати перегляд всіх стандартних залишків, що випадають за межі В± 2-5 сигма, або перегляд 100 найбільш виділяються спостережень, вибраних в полі Тип викиду в закладці Викиди. При використанні опції Стандартний залишок (> 2 * сигма) в нашому прикладі будь викиди не помітні. p align="justify"> Відстані Махаланобіса. Більшість підручників за статистикою відводять певне місце для обговорення теми викидів і залишків для залежної ...
