Apa itu Analisis Regresi dan bagaimana definisinya?

Marcoantonio Villanueva Bustamante
Doktor Psikologi

Analisis regresi mungkin merupakan teknik statistik multivariat yang paling banyak digunakan untuk menentukan hubungan antar variabel satu, atau sekelompok, variabel independen dan variabel dependen sehingga variabel independen dapat memprediksi perubahan Kedua-

Hampir secara bawaan, manusia mencoba memberikan penjelasan terhadap peristiwa yang terjadi secara alami. kehidupan sehari-hari, “orang tersebut merokok karena merasa stres”, “makan berlebihan menyebabkan berat badan bertambah”; Namun, kami tahu bahwa penjelasan yang kami berikan terhadap kejadian seperti itu tidak selalu benar. Daniel Kahneman dalam bukunya “Berpikir Cepat, Berpikir Lambat” menjelaskan bagaimana, meskipun orang cenderung memanfaatkan semua elemen kognitif yang mereka miliki miliki, mereka akan selalu membuat kesalahan ketika mencoba menjelaskan suatu peristiwa, yang sepenuhnya normal dalam kenyataan di mana banyak faktor hidup berdampingan. setengah. Jadi bagaimana kita bisa mencoba menjelaskan peristiwa seakurat mungkin? Dalam ilmu sosial dan kesehatan, hal ini dapat dilakukan melalui analisis data; yang diartikan sebagai sekumpulan prosedur yang dibantu dengan teknik statistik deskriptif dan inferensial untuk mengekstrak informasi dari sampel data empiris dan mengembangkannya kesimpulan. Dalam analisis data, teknik yang memungkinkan kita memberikan penjelasan yang andal terhadap peristiwa adalah teknik multivariat yang disebut Analisis Regresi.

Analisis regresi memiliki serangkaian varian seperti analisis regresi linier, analisis regresi berganda, regresi logistik, analisis mediasi, analisis moderasi dan bahkan model persamaan struktural dapat dipertimbangkan (SEM). Namun semua varian tersebut mengikuti logika operasional yang sama, satu atau lebih variabel masukan, yang dapat disebut sebagai prediktor, variabel bebas, variabel. variabel penjelas atau anteseden, memprediksi jumlah varian terbesar yang mungkin terjadi dari suatu variabel keluaran, yang dapat disebut sebagai variabel terikat atau sederhananya kriteria; Apabila terdapat lebih dari satu Variabel Independen, maka analisis regresi juga menentukan variabel mana yang mempunyai pengaruh paling besar terhadap Variabel Dependen.

Untuk memahami bagaimana hubungan ini terjadi, kita harus menggunakan persamaan berikut, yang menyajikan model regresi linier sederhana:

kamu = B_{salah satu} +B_yo X Dan

Di mana,
B_{salah satu} = Asal lereng
B_yo = Derajat kemiringan garis (slope)
X = nilai VI
e = Residu (kesalahan)

Sederhananya, persamaan ini menunjukkan sejauh mana kehadiran suatu prediktor (variabel bebas) menghasilkan perubahan pada kriteria (variabel terikat). Perlu disebutkan bahwa meskipun persamaan menyebutkan sisa (kesalahan), persamaan tersebut tidak diperkirakan dalam elemen model yang mana teknik ini dapat dikritik, namun model persamaan struktural (SEM) “evolusi”-nya memberi kompensasi.

Setelah persamaan diestimasi, persamaan tersebut dapat divisualisasikan menggunakan bidang dua dimensi berikut, yang disebut garis regresi.

Garis regresi atau kemiringan

Sumber: Dagnino (2014)

Grafik ini, selain menyajikan hubungan variabel-variabel yang terlibat (melalui awan titik), juga memperlihatkan garis yang memberi nama pada diagram ini dan menunjukkan sejauh mana data empiris sesuai dengan nilai regresi (nilai B).

Meskipun B memberitahu kita derajat kemiringannya, sebenarnya hal ini tidak terlalu berguna untuk interpretasi karena Ini dinyatakan dalam metrik yang sama dengan variabel dan, oleh karena itu, nilainya mungkin terlalu luas. Dengan cara ini, dengan membakukan B berdasarkan Z Score, diperoleh koefisien beta (β), yang nilainya bisa antara 0 dan 1, baik positif maupun negatif dan memungkinkannya penafsiran. Dengan demikian, nilai beta yang negatif akan menunjukkan bahwa variabel prediktor memprediksi kriteria secara negatif, yaitu semakin besar keberadaan prediktor, semakin kecil kemungkinan kehadiran kriteria; Sebaliknya, beta positif menunjukkan bahwa kehadiran prediktor mendukung kehadiran kriteria.

Seperti teknik statistik inferensial lainnya, interpretasi regresi akan bergantung pada kontras hipotesis, atau nilai signifikansi (p), yang dalam ilmu sosial biasanya p > .05.

Terakhir, konsep dasar analisis regresi adalah nilai R2 yang mengacu pada varians yang dijelaskan oleh model. regresi yang dapat diartikan secara langsung atau dengan mengalikannya dengan 100 untuk memperoleh persentase varians menjelaskan.

Regresi logistik

Seperti disebutkan di awal, ada analisis regresi yang berbeda; regresi telah dibahas sebelumnya linier sederhana dan berganda, asumsi ini mengasumsikan bahwa variabel prediktor dan kriterianya kontinu. Namun, jika variabelnya tidak kontinu, yaitu kategorikal, analisis regresi logistik harus digunakan; Inilah satu-satunya perbedaan dengan model regresi lainnya.