In English

Ofullständig justering vid regressionsanalys

Fredrik Sangberg ; Henrik Imberg ; Love Carlsson ; Tobias Mikaelsson
Göteborg : Chalmers tekniska högskola, 2014.
[Examensarbete för kandidatexamen]

Sammanfattning Ofta rapporterar medier om underliga samband som upptäckts i olika studier och undersökningar. Man hänvisar då till statistiska metoder och säger att ett signifikant samband påvisats. Dessvärre är dessa samband inte alltid att lita på även om studien är genomförd med goda statistiska metoder, speciellt om det finns osäkerhet i data. Mätfel påverkar resultaten av de metoder som används, vilket kan leda till att ett signifikant samband mellan en utfallsvariabel och en icke-orsakande variabel påvisas, trots att hänsyn tagits till de sanna orsakande faktorerna. I rapporten studeras detta fenomen djupare inom regressionsanalys med hjälp av simuleringar. I regressionsmodeller beskrivs en utfallsvariabel som en funktion av ett antal förklarande variabler. För att undersöka hur de förklarande variablerna påverkar utfallsvariabeln skattas effekterna av dessa. Simuleringar som genomförs syftar till att illustrera hur mätfel och bristande modellering påverkar skattningar och signifikans av de förklarande variablernas effekter på utfallsvariabeln. De visar att även små mätfel leder till försvårade möjligheter att dra korrekta statistiska slutsater. En teoretisk studie i hur osäkerhet i data påverkar de skattade effekterna i linjära regressionsmodeller genomförs. De teoretiska resultaten styrker resultaten av simuleringarna och visar att mätfel ger skattningar som inte är väntevärdesriktiga, dvs. som systematiskt avviker från de sanna effekterna.



Publikationen registrerades 2014-10-06. Den ändrades senast 2014-10-06

CPL ID: 203755

Detta är en tjänst från Chalmers bibliotek