
- •Подготовка инструментария к компьютерной обработке
- •Получение и анализ таблиц очр
- •Команды преобразования данных
- •Проверка статистических гипотез в spss
- •Дисперсионный анализ
- •Двухфакторный дисперсионный анализ
- •Графическое представление данных
- •Построение и анализ таблиц сопряжённости
- •Корреляционный анализ
- •Регрессионный анализ
- •Множественная линейная регрессия
- •Двухфакторный дисперсионный анализ
- •Социологические индексы как инструмент анализа данных
- •Компьютерная обработка пилотажного исследования
- •Построение вс. Определение ошибки выборки и расчёт ди
- •Оформление аналитической записки по результатам статистической обработки данных
- •Классификация многомерных методов анализа данных
- •Семинары
Множественная линейная регрессия
- множество признаков-факторов.
Analyze ---> Regression ---> Linear
Depend
Independent(s)
Несколько независимых переменных.
Можно использовать Enter (по умолчанию) – включение всех переменных в модель одновременно.
Можно использовать пошаговый метод Stepwise – в модель пошагово включаются новые причины, оговоренные в условии.
y = b0 +b1x1 + b2x2 + … + bixi
Регрессионное уравнение традиционно строится для количественных уравнений, однако, в последнее время в регрессионную модель стали включать номинальные переменные в виде дихотомии. Если дихотомическая переменная используется в качестве зависимой переменной у, уравнение регрессии будет предсказывать вероятность события, закодированного значением 1. Если дихотомическая переменная является независимой переменной х, коэффициент регрессии показывает, насколько изменится среднее значение у при изменении значения х с 0 на 1.
Метод Enter
Построить линейное уравнение регрессии, где у – здоровье зубов (1 – полностью здоров, 4 – полностью не здоров), независимая переменная: 1) возраст; 2) количество смен зубных щёток за год; 3) сколько раз в день чистят зубы.
1. Определить, существует ли корреляционная связь между зависимой переменной и независимыми. Так как Sig. = 0 для всех, связь присутствует.
2. Анализ наличия связи между зависимыми переменными – мультикол(л)инеарностью
Результаты: R Square ,338; Adjusted R Square ,336
Model |
Unstandartdized Coefficients |
Standartdized Coefficients |
t |
Sig. |
|
B |
Std. Error |
Beta |
|
|
|
(Constant)
Возраст
Кол-во смен зубных щёток за год
Сколько раз в день чистят зубы? |
2,461
,032
-,050
-,528
|
,107
,002
,008
,049
|
,439
-,153
-,282 |
22,975
18,066
-5,895
-10,847
|
,000
,000
,000
,000 |
y = 2,461 + 0,032(возраст) – 0,05(щётки) – 0,528(чистки зубов).
При увеличении возраста на 1 год оценка здоровья зубов ухудшается на 0,032 балла. При увеличении смен зубных щёток за год на 1 здоровье зубов улучшается на 0,05 балла. При увеличении количества чисток зубов в день на 1 здоровье зубов улучшается на 0,528 балла.
По исходному уравнению регрессии можем проинтерпретировать коэффициенты, но не можем определить, какой фактор влияет больше, а какой меньше на изменчивость зависимой переменной. Поэтому вычисляются стандартизованные коэффициенты. Для них:
у = 0,439(возраст) – 0,153(щётки) – 0,252(чистки).
Из всех исходных факторов большее влияние на здоровье зубов оказывает возраст человека.