- •29. Понятие и виды документов
- •30.Традиционный/неформализованный анализ документов
- •31. Количественные методы анализа документов
- •32.Контент-анализ: понятие и виды
- •33.Процедуры контент-анализа
- •34. Ивент-анализ
- •35. Процедуры ивент-анализа.
- •36.Когнитивное картирование.
- •37. Когнитивное картирование
- •38. Интент-анализ
- •39. Процедуры интент-анализа
- •40.Дискурс-анализ
- •1.)Лингвистический анализ.
- •41. Статистический анализ в политологии.
- •42. Анализ одномерных распределений.
- •43. Анализ связи между двумя переменными
- •44. Изучение взаимосвязи между несколькими переменными
- •45.Статистика хи-квадрат (х2)
- •46. Корреляционный анализ
- •49. Процедуры множественного регрессионного анализа.
- •50. Факторный анализ
- •51. Процедура факторного анализа
- •52. Кластерный анализ
- •53.Процедуры кластерного анализа.
- •54.Сетевой анализ
- •55. Процедуры сетевого анализа
- •56. Политическая экспертиза: понятие и структура
- •57. Методы политической экспертизы
- •58. Мозговой штурм(брейнсторминг)
- •59. Swot
- •60. Методы качественного анализа в прикладном исследовании
49. Процедуры множественного регрессионного анализа.
Регрессионный анализ — один из методов многомерного статистического анализа данных, объединяющий совокупность статистических приемов, предназначенных для изучения или моделирования связей между одной зависимой и несколькими (или одной) независимыми переменными.
Множественный регрессионный анализ – это метод установления зависимости одной переменной от двух или более независимых переменных. В то время как зависимая переменная (та переменная, которую Вы хотите предсказать) должна быть непрерывной (за исключением логистической регрессии), независимые переменные могут быть как прерывными, так и категориальными, такими как «пол» или «тип применяемого препарата». В случае категориальных независимых переменных необходимо будет создавать переменные «пустышки», а не использовать соответствующие значения.
Процедура:
При реализации множественного регрессионного анализа в статистических пакетах возможно его выполнение в стандартном (когда одновременно учитываются все независимые переменные) и пошаговом (прямом — Forward Stepwise и обратном — Backward Stepwise) вариантах. С помощью прямого пошагового действия в регрессионном анализе последовательно включаются переменные — начиная с той, которая наиболее тесно коррелирует с зависимой переменной. Процедура продолжается, пока включение новых независимых переменных обеспечивает прирост коэффициента множественной корреляции, тем самым определяется оптимальный максимальный набор переменных. При использовании обратного пошагового метода машина последовательно отбрасывает независимые переменные, которые наиболее слабо коррелируют с зависимой переменной (т.е. обладают наименьшей объясняющей способностью), оставляя оптимальный минимум.
Современные статистические пакеты (например, варианты SPSS от десятой версии и выше) позволяют рассчитывать не только различные варианты линейной регрессии (бинарная логистическая, мультино- минальная логистическая, порядковая), но и нелинейные регрессии. Однако при анализе данных, полученных с помощью опросов (и массовых, и экспертных), чаще всего используется модель линейной регрессии. Выполняется эта процедура предельно просто.
Открываем нужную нам базу данных. В командной строке нажимаем Analyze (анализ). Regression (регрессия), Linear (линейный). Открывается рабочее окно. Проведение парной регрессии отличается от множественной только одним — переносятся в поле Independents (независимые) несколько или одна переменная. Переносим в поле Dependent (зависимая) нужную переменную и выбираем Method (метод) — лучше Stepwise (пошаговый) или Backward (обратный с пошаговым исключением). Нажимаем на Ok (команда к выполнению). В принципе для интерпретации оценки модели нам достаточно выставленных значений.
Мы должны будем проинтерпретировать три таблицы и график: итоговую таблицу с коэффициентом детерминации (Model Summary), таблицу с результатами расчета ANOVA, таблицу с коэффициентами регрессии (Coefficients) и график, который показывает распределение стандартизованных остатков включенных в модель переменных (Normal Р-Р Plot).