Az óra első felében a fent is elérhető használt autós adatfile-al foglalkoztunk. Különböző regressziós modelleket építettünk. Két fontos dolgot kiemelek. Az, hogy egy változó milyen fontos a regresszióban a változók közötti összefüggések befolyásolják (cilinder, liter). Továbbá többértékű kategórikus változót úgy kell szerepeltetni a regresszióban, hogy kategóriánként bináris változót készítünk. Fontos, hogy eggyel kevesebb bináris változót készítettünk, mint ahány kategória volt. Megjegyeztem azt is, hogy mindez annak felel meg, hogy megengedjük, hogy a különböző kategóriákhoz tartozó változók konstansa különbözzön. Megjegyeztem, hogy interakciós változók szerepeltetésével (lásd negyedik házi) lehetőségünk van arra is, hogy egyes csoportok egyes folytonos válozó szerinti meredekségét változtassuk.
Az óra második felében ismerkedtünk kicsit az SPSS-el. Megtanultuk a még a tananyaghoz tartozó parciális korrelációt. Röviden arról van szó, hogy egy változóval lineáris regresszióval közelítünk két másik változót, elkészítjük a becslés és az igazi változók különbségét, majd a különbségek között kérünk korrelációt. Mindezt úgy lehet interpretálni, hogy kiszűrtük a regresszió alapjául szolgáló változó hatását, és így kérünk korrelációt a másik két változó között. Ezt követően egy fiktív adatokat tartalmazó fájlban kértünk korrelációt a pohár törések száma és a rendőri kiérkezések száma között. Pozitív korrelációt tapasztaltunk: így minél több a rendőri kiérkezés annál több az eltört pohár. Természetesen ez nem jelent ok okozati összefüggést. Azért pozitív a korreláció, mert mindkét változó erősen függ a verekedések száma változótól. ELkészítettük a pohártörés és rendőri jelenlét parciális korrelációját a verekedések számára nézve. Vagyis a verekedések száma változó hatását igyekeztünk kiszűrni. A vártnak megfelelően így már 0 körüli korrelációt kaptunk. Vagyis nem a rendőrök törik össze a poharakat.
Az óra utolsó perceit ismétléssel töltöttük.