Kas yra regresinė analizė ir kaip ji apibrėžiama?

Marcoantonio Villanueva Bustamante
Psichologijos mokslų daktaras

Regresinė analizė yra turbūt plačiausiai naudojamas daugiamatis statistinis metodas, skirtas nustatyti ryšį tarp vienas arba grupė nepriklausomų kintamųjų ir priklausomas kintamųjų, kad pirmasis galėtų numatyti kintamųjų pokyčius antras-

Beveik įgimti žmonės bando paaiškinti įvykius, kurie vyksta natūraliai. kasdienybė, „tas žmogus rūko, nes jaučia stresą“, „persivalgymas lemia didesnį kūno svorį“; Tačiau žinome, kad tokių įvykių paaiškinimai ne visada yra teisingi. Danielis Kahnemanas savo knygoje „Mąstymas greitai, lėtai mąstantis“ aprašo, kaip žmonės linkę pasinaudoti visais pažinimo elementais, kuriuos jie turi. turėti, jie visada klys bandydami paaiškinti kokį nors įvykį, o tai yra visiškai normalu realybėje, kurioje egzistuoja keli veiksniai. pusė. Taigi kaip galėtume pabandyti kuo tiksliau paaiškinti įvykius? Socialiniuose ir sveikatos moksluose tai galima padaryti atliekant duomenų analizę; kuri apibrėžiama kaip procedūrų, kurioms padeda statistiniai metodai, rinkinys aprašomasis ir išvadinis, siekiant gauti informaciją iš empirinės duomenų imties ir plėtoti išvadas. Duomenų analizėje metodas, kuris leis mums pateikti patikimus įvykių paaiškinimus, yra daugiamatis metodas, vadinamas regresijos analize.

Regresinė analizė turi daugybę variantų, tokių kaip tiesinė regresinė analizė, daugkartinė regresinė analizė, Galima būtų apsvarstyti logistinę regresiją, tarpininkavimo analizę, moderacijos analizę ir net struktūrinių lygčių modelius (PVR). Tačiau visi šie variantai vadovaujasi ta pačia operacine logika, vienu ar keliais įvesties kintamaisiais, kurie gali būti žinomi kaip prognozės, nepriklausomi kintamieji, kintamieji. aiškinamieji arba išankstiniai kintamieji, prognozuoja didžiausią įmanomą išvesties kintamojo dispersijos dydį, kuris gali būti žinomas kaip priklausomas kintamasis arba tiesiog kriterijus; Kai yra daugiau nei vienas nepriklausomas kintamasis, regresijos analizė taip pat nustato, kuris iš jų turi didžiausią įtaką priklausomam kintamajam.

Norėdami suprasti, kaip atsiranda šie santykiai, turime pasinaudoti šia lygtimi, kuri pateikia paprastą tiesinės regresijos modelį:

y = B_arba +B_Yo x ir

kur,
b_arba = Šlaito kilmė
b_Yo = linijos pasvirimo laipsnis (nuolydis)
X = VI vertė
e = likučiai (klaida)

Paprasčiau tariant, ši lygtis nurodo laipsnį, kuriuo prognozuotojo (nepriklausomo kintamojo) buvimas lemia kriterijaus (priklausomo kintamojo) pasikeitimą. Būtina paminėti, kad nors lygtyje minimas likutis (klaida), jis neįvertinamas modelyje, elemente dėl kurių ši technika gali būti kritikuojama, tačiau jos „evoliucijos“ struktūrinių lygčių modeliai (SEM) kompensuoja.

Kai lygtis buvo įvertinta, ją galima vizualizuoti naudojant šią dvimatę plokštumą, vadinamą regresijos linija.

Regresijos linija arba nuolydis

Šaltinis: Dagnino (2014)

Šis grafikas ne tik pateikia susijusių kintamųjų ryšį (per taškų debesį), bet ir atskleidžia liniją, kuri suteikia šios diagramos pavadinimą ir nurodo, kiek empiriniai duomenys atitinka regresijos reikšmę (B reikšmę).

Nors B nurodo nuolydžio laipsnį, iš tikrųjų jis nėra labai naudingas interpretacijai, nes Jis išreiškiamas ta pačia metrika kaip ir kintamieji, todėl jo reikšmės gali būti per didelės. Tokiu būdu, standartizavus B pagal Z balus, gaunamas beta koeficientas (β), kurios reikšmės gali būti nuo 0 iki 1, tiek teigiamos, tiek neigiamos, ir kuri leidžia interpretacija. Taigi, neigiama beta vertė parodys, kad prognozuojamasis kintamasis neigiamai numato kriterijų, tai yra, kuo didesnis prognozuotojo buvimas, tuo mažesnė kriterijaus buvimo tikimybė; Priešingai, teigiama beta versija rodo, kad prognozės buvimas palankiai vertina kriterijaus buvimą.

Kaip ir kiti išvadiniai statistiniai metodai, regresijos interpretacija priklausys nuo hipotezės kontrastas, arba reikšmingumo reikšmė (p), kuri socialiniuose moksluose paprastai yra p > .05.

Galiausiai, elementari regresinės analizės koncepcija yra R2 reikšmė, kuri nurodo modelio paaiškintą dispersiją. regresija, kurią galima interpretuoti tiesiogiai arba padauginus iš 100, kad gautumėte dispersijos procentą paaiškino.

Logistinė regresija

Kaip minėta pradžioje, yra skirtingos regresijos analizės; regresija buvo nagrinėjama anksčiau paprasti tiesiniai ir daugkartiniai, jie daro prielaidą, kad ir prognozuojamieji kintamieji, ir kriterijus yra tęstiniai. Tačiau kai kintamieji nenuoseklūs, tai yra kategoriški, turi būti naudojama logistinės regresijos analizė; Tai vienintelis skirtumas nuo kitų regresijos modelių.