Regresjon og korrelasjon
Regresjon handler om å finne en matematisk modell som passer til et datasett. Korrelasjon måler hvor sterk sammenhengen er mellom to variable. Dette er viktige verktøy i samfunnsfaglig analyse.
- •Regresjonslinje
- •Korrelasjon
- •Minste kvadraters metode
- •Prediksjon
Regresjonslinje
En regresjonslinje er en rett linje som best mulig beskriver sammenhengen mellom to variable. Den brukes til å predikere verdier og analysere trender.
Lineær modell:
hvor a er stigningstallet og b er konstantleddet
Minste kvadraters metode:
Regresjonslinjen plasseres slik at summen av kvadrerte avvik mellom datapunktene og linjen blir minst mulig.
I GeoGebra:
RegLin(punktliste)Finner regresjonslinjen automatisk
Lag regresjonslinje
Tegn punkter og finn regresjonslinjen.
Korrelasjonskoeffisienten
Korrelasjonskoeffisienten r måler styrken og retningen på den lineære sammenhengen mellom to variable.
Verdiområde:
r = 1: Perfekt positiv lineær sammenheng
r = -1: Perfekt negativ lineær sammenheng
r = 0: Ingen lineær sammenheng
Sterk korrelasjon
|r| > 0.7
Moderat korrelasjon
0.3 < |r| < 0.7
Svak korrelasjon
|r| < 0.3
I GeoGebra:
Korrelasjon(data)Viktig:
Korrelasjon betyr ikke nødvendigvis kausalitet! To variable kan korrelere uten at den ene forårsaker den andre.
Beregn korrelasjon
Finn korrelasjonskoeffisienten for et datasett.
Tolking av regresjonsmodeller
Når du har funnet en regresjonsmodell, er det viktig å kunne tolke den og vurdere hvor godt den passer til dataene.
Tolking av parameterne:
For y = ax + b:
- a (stigningstall): Endring i y per enhet x øker
- b (konstantledd): Verdien av y når x = 0
Prediksjon:
Bruk modellen til å predikere y-verdier for nye x-verdier.
Interpolasjon: Predikere innenfor dataområdet
Ekstrapolasjon: Predikere utenfor dataområdet (mer usikkert!)
Eksempel: Befolkningsvekst
Data viser befolkning (i millioner) som funksjon av år:
Tolking: Befolkningen øker med 0.05 millioner (50 000) per år. I år 2000: y = 0.05(2000) - 95.2 = 4.8 millioner.
Bruk regresjonsmodell
Finn modell og bruk den til prediksjon.
Øv selv
- Finn regresjonslinjen for punktene: (1,3), (2,5), (3,7), (4,9), (5,11)
- Beregn korrelasjonskoeffisienten for dataene i oppgave 1
- Tolke: y = 0.8x + 12 beskriver inntekt (y) som funksjon av erfaring (x år). Hva betyr tallene?
- Bruk modellen y = 2.5x + 100 til å predikere y når x = 15
- Diskuter: Kan sterk korrelasjon mellom is-salg og drukningsulykker bety kausalitet?
Øvingsvindu
Løs oppgavene over.
Nyttige kommandoer
| Kommando | Beskrivelse | Eksempel |
|---|---|---|
RegLin(punktliste) | Finner regresjonslinjen | RegLin({(1,2), (2,4), (3,6)}) |
Korrelasjon(data) | Beregner korrelasjonskoeffisienten r | Korrelasjon(data) |
modell(x) | Bruker modellen til prediksjon | modell(10) |
Oppsummering
- RegLin(data) finner regresjonslinjen (minste kvadraters metode)
- Korrelasjonskoeffisienten r måler styrken: -1 ≤ r ≤ 1
- |r| > 0.7: sterk korrelasjon, |r| < 0.3: svak korrelasjon
- Korrelasjon ≠ kausalitet
- Bruk modellen til interpolasjon (innenfor data) og ekstrapolasjon (utenfor data)