Ce este analiza de regresie și cum este definită?

Marcoantonio Villanueva Bustamante
Doctor în psihologie

Analiza de regresie este probabil cea mai utilizată tehnică statistică multivariată pentru a determina relația dintre una, sau un grup, de variabile independente și una dependentă, astfel încât prima să poată prezice schimbarea în al doilea-

Aproape în mod înnăscut, ființele umane încearcă să dea explicații evenimentelor care se petrec în mod natural. viața de zi cu zi, „acea persoană fumează pentru că se simte stresată”, „mâncarea excesivă duce la o greutate corporală mai mare”; Cu toate acestea, știm că explicațiile pe care le dăm unor astfel de evenimente nu sunt întotdeauna corecte. Daniel Kahneman în cartea sa „Thinking Fast, Thinking Slow” descrie cum, deși oamenii tind să folosească toate elementele cognitive pe care le posedă, ei vor face întotdeauna greșeli atunci când vor încerca să explice un eveniment, ceea ce este complet normal într-o realitate în care coexistă mai mulți factori. jumătate. Deci, cum am putea încerca să explicăm evenimentele cât mai precis posibil? În științe sociale și de sănătate este posibil să se facă acest lucru prin analiza datelor; care este definit ca un ansamblu de proceduri care sunt ajutate de tehnici statistice descriptive și inferențiale pentru a extrage informații dintr-un eșantion empiric de date și a dezvolta concluzii. În cadrul analizei datelor, tehnica care ne va permite să oferim explicații fiabile evenimentelor este o tehnică multivariată numită Analiză de regresie.

Analiza de regresie are o serie de variante precum analiza regresiei liniare, analiza regresiei multiple, Ar putea fi luate în considerare regresia logistică, analiza medierii, analiza moderației și chiar modelele de ecuații structurale (SEM). Totuși, toate aceste variante urmează aceeași logică operațională, una sau mai multe variabile de intrare, care pot fi cunoscute ca predictori, variabile independente, variabile. variabile explicative sau antecedente, prezic cea mai mare cantitate posibilă de varianță a unei variabile de ieșire, care poate fi cunoscută ca variabilă dependentă sau pur și simplu criteriu; Când există mai multe variabile independente, analiza de regresie determină și care dintre acestea are cea mai mare influență asupra variabilei dependente.

Pentru a înțelege cum apar aceste relații, trebuie să recurgem la următoarea ecuație, care prezintă un model de regresie liniară simplu:

y = B_fie +B_Eu X și

Unde,
b_fie = Originea pantei
b_Eu = Gradul de înclinare a liniei (pantă)
X = valoarea VI
e = Reziduuri (eroare)

Mai simplu spus, această ecuație indică gradul în care prezența unui predictor (variabilă independentă) produce o modificare a criteriului (variabilă dependentă). Este necesar de menționat că, deși ecuația menționează rezidualul (eroarea) nu este estimată în cadrul modelului, elementul pentru care această tehnică poate fi criticată, dar că modelele ei de ecuații structurale de „evoluție” (SEM) compensează.

Odată ce ecuația a fost estimată, aceasta poate fi vizualizată folosind următorul plan bidimensional, numit linie de regresie.

Linie de regresie sau panta

Sursa: Dagnino (2014)

Acest grafic, pe lângă prezentarea relației dintre variabilele implicate (prin norul de puncte), expune o linie care dă denumirea acestei diagrame și indică gradul în care datele empirice se potrivesc cu valoarea de regresie (valoarea lui B).

Deși B ne spune gradul pantei, de fapt nu este foarte util pentru interpretare deoarece Este exprimat în aceeași metrică ca și variabilele și, prin urmare, valorile sale pot fi prea extinse. În acest fel, prin standardizarea B pe baza Scorurilor Z, se obține coeficientul beta (β), ale cărei valori pot fi între 0 și 1, atât pozitive, cât și negative și care îi permite interpretare. Astfel, o valoare beta negativă va indica faptul că variabila predictor prezice negativ criteriul, adică cu cât prezența predictorului este mai mare, cu atât este mai puțin probabilă prezența criteriului; Dimpotrivă, o beta pozitivă indică faptul că prezența predictorului favorizează prezența criteriului.

Ca și alte tehnici statistice inferențiale, interpretarea unei regresii va depinde de contrastul de ipoteză sau valoarea semnificației (p), care în științele sociale este de obicei p > .05.

În cele din urmă, un concept elementar al analizei de regresie este valoarea lui R2 care se referă la varianța explicată de model. regresie, care poate fi interpretată direct sau înmulțind cu 100 pentru a obține procentul de varianță explicat.

Regresie logistică

După cum sa menționat la început, există diferite analize de regresie; regresia a fost abordată anterior liniar simplu și multiplu, acestea presupun că atât variabilele predictoare, cât și criteriul sunt continue. Totuși, atunci când variabilele nu sunt continue, adică sunt categorice, trebuie utilizată analiza de regresie logistică; Aceasta fiind singura diferență cu restul modelelor de regresie.