SegReg
 Zrzut ekranu arkusza kart graficznych
| |
| Deweloperzy | Instytut Rekultywacji i Poprawy Gruntów (ILRI) |
|---|---|
| Napisane w | Delfy |
| System operacyjny | Microsoft Windows |
| Dostępne w | język angielski |
| Typ | Oprogramowanie statystyczne |
| Licencja | Zastrzeżone oprogramowanie bezpłatne |
| Strona internetowa | SegReg |
W statystyce i analizie danych aplikacja SegReg jest bezpłatnym i przyjaznym dla użytkownika narzędziem do analizy regresji liniowej segmentowej w celu określenia punktu przerwania, w którym relacja między zmienną zależną a zmienną niezależną zmienia się gwałtownie.
Cechy
SegReg pozwala na wprowadzenie jednej lub dwóch zmiennych niezależnych. Kiedy używane są dwie zmienne, najpierw określa związek między zmienną zależną a najbardziej wpływową zmienną niezależną, a następnie znajduje związek między resztami a drugą zmienną niezależną. Reszty to odchylenia obserwowanych wartości zmiennej zależnej od wartości uzyskanych w drodze regresji segmentowej na pierwszej zmiennej niezależnej.
Punkt przerwania jest znajdowany numerycznie przez przyjęcie serii próbnych punktów przerwania i wykonanie regresji liniowej po obu ich stronach. Tymczasowy punkt przerwania, który zapewnia największy współczynnik determinacji (jako parametr dopasowania linii regresji do obserwowanych wartości danych) jest wybierany jako prawdziwy punkt przerwania. Aby upewnić się, że linie po obu stronach punktu przerwania przecinają się dokładnie w punkcie przerwania, SegReg wykorzystuje dwie metody i wybiera metodę zapewniającą najlepsze dopasowanie.
SegReg rozpoznaje wiele typów relacji i wybiera ostateczny typ na podstawie kryteriów statystycznych, takich jak istotność współczynników regresji. Wynik SegReg zapewnia statystyczne paski ufności linii regresji i blok ufności dla punktu przerwania. Poziom ufności można wybrać jako 90%, 95% i 98% pewności.
Aby uzupełnić oświadczenia o pewności, SegReg zapewnia analizę wariancji i tabelę Anova .
Podczas fazy wprowadzania użytkownik może wskazać preferencje lub wykluczenie określonego typu. Preferencja dla określonego typu jest akceptowana tylko wtedy, gdy jest istotna statystycznie, nawet jeśli istotność innego typu jest wyższa.
ILRI dostarcza przykładów zastosowania do wielkości takich jak plony , głębokość lustra wody i zasolenie gleby .
Można zapoznać się z listą publikacji, w których zastosowano SegReg.
równania
Gdy obecna jest tylko jedna zmienna niezależna, wyniki mogą wyglądać następująco:
- X < BP ==> Y = ZA 1 .X + B 1 + R Y
- X > BP ==> Y = ZA 2 .X + B 2 + R Y
gdzie BP to punkt przerwania, Y to zmienna zależna, X to zmienna niezależna, A to współczynnik regresji , B to stała regresji, a RY to reszta z Y. Gdy obecne są dwie zmienne niezależne, wyniki mogą wyglądać następująco:
- X < BP X ==> Y = ZA 1 .X + B 1 + R Y
- X > BP X ==> Y = ZA 2 .X + B 2 + R Y
- Z < BP Z ==> R Y = do 1 .Z + re 1
- Z > BP Z ==> R Y = do 2 .Z + re 2
gdzie dodatkowo BP X to BP z X, BP Z to BP z Z, Z to druga zmienna niezależna, C to współczynnik regresji , a D to stała regresji dla regresji RY na Z.
Podstawiając wyrażenia R Y w drugim zestawie równań do pierwszego zestawu otrzymujemy:
- X < BP X i Z < BP Z ==> Y = A 1 .X + C 1 .Z + E 1
- X < BP X i Z > BP Z ==> Y = A 1 .X + C 2 .Z + E 2
- X > BP X i Z < BP Z ==> Y = A 2 .X + C 1 .Z + E 3
- X > BP X i Z > BP Z ==> Y = A 2 .X + C 2 .Z + E 4
gdzie mi 1 = b 1 + re 1 , mi 2 = b 1 + re 2 , mi 3 = b 2 + re 1 i mi 4 = b 2 + re 2 .
Alternatywny
Jako alternatywę dla regresji po obu stronach punktu przerwania (progu) można zastosować metodę regresji częściowej w celu znalezienia najdłuższego możliwego odcinka poziomego o nieznacznym współczynniku regresji, poza którym znajduje się określony spadek o znacznym współczynniku regresji. Metodę alternatywną można zastosować do regresji segmentowych Typu 3 i Typu 4, gdy celem jest wykrycie poziomu tolerancji zmiennej zależnej dla zmieniających się wielkości niezależnej zmiennej objaśniającej (zwanej także predyktorem).
Załączony rysunek dotyczy tych samych danych, które przedstawiono na niebieskim wykresie w infoboksie u góry tej strony. Tutaj pszenica ma tolerancję na zasolenie gleby do poziomu EC=7,1 dS/m zamiast 4,6 na niebieskim rysunku. Jednak dopasowanie danych poza próg nie jest tak dobre jak w przypadku niebieskiej figury, która została wykonana z wykorzystaniem zasady minimalizacji sumy kwadratów odchyleń obserwowanych wartości od linii regresji w całej dziedzinie zmiennej objaśniającej X (czyli maksymalizacja współczynnika determinacji), natomiast regresja cząstkowa ma na celu jedynie znalezienie punktu, w którym trend poziomy przechodzi w trend opadający.