Множественная линейная регрессия.
⇐ ПредыдущаяСтр 2 из 2
В большинстве задач следствие не может быть объяснено одной единственной причиной; как правило, приходится изучать влияние на него нескольких причин одновременно. Для исследования такой множественной связи используется уравнение множественной линейной регрессии: По уравнению множественной регрессии можно предсказать, каким будет среднее значение зависимой переменной Например: при образовании 16 лет и опыте работы 24 месяца средняя зарплата составляет
Уравнение множественной регрессии может быть представлено как в нестандартизированном (коэффициенты B), так и в стандартизированном виде (коэффициенты Beta). Стандартизированные коэффициенты показывают величину относительного "вклада" зависимых переменных в изменение независимой переменной. Например: образование влияет на доход почти в 10 раз сильнее, чем стаж работы.
Для определения качества модели множественной линейной регрессии используется квадрат коэффициента множественной корреляции Независимые переменные, включенные в одну модель, могут взаимодействовать между собой и опосредовать влияние друг друга на зависимую переменную. Поэтому лучшей считается модель, в которую в качестве независимых переменных включены все показатели, оказывающие влияние на зависимую переменную.
Использование дихотомических переменных в регрессионном анализе.
Регрессионный анализ изначально предназначался для количественных переменных, однако в последнее время активно развиваются техники, позволяющие включать в регрессионные модели номинальные переменные. Наиболее часто используются дихотомические переменные. Еслидихотомическая переменная используется в качестве зависимой переменной Если дихотомическая переменная является независимой переменной Вычисление уравнения множественной регрессии.
Уравнение множественной регрессии строится в два этапа.
1. Вычисляются коэффициенты стандартизированного уравнения
2. Коэффициенты нестандартизированного уравнения
где
Вычисление коэффициента множественной корреляции.
где
и т.п.
SPSS Построение диаграммы рассеяния: Graphs ½ Scatter… ½ Simple ½ Define ½поместить имена двух переменных в окошки X Axis и Y Axis ½ OK
Вычисление коэффициента Пирсона:
Analyze ½ Correlate ½ Bivariate ½поместить имена переменных в окно Variables ½ Correlation coefficient: выбрать Pearson ½ Test of significance: выбрать Two-tailed ½отметить Flag significant correlations ½ OK
Построение уравнения множественной линейной регрессии: Analyze ½ Regression ½ Linear… ½поместить имя зависимой переменной в окно Dependent ½поместить имена независимых переменных в окно Independent(s) ½ Method: enter½ OK
Воспользуйтесь поиском по сайту: ![]() ©2015 - 2025 megalektsii.ru Все авторские права принадлежат авторам лекционных материалов. Обратная связь с нами...
|