Čo je to regresná analýza a ako sa definuje?

Marcoantonio Villanueva Bustamante
Doktor v odbore psychológia

Regresná analýza je možno najrozšírenejšou viacrozmernou štatistickou technikou na určenie vzťahu medzi nimi jednu alebo skupinu nezávislých premenných a závislú premennú, takže prvá môže predpovedať zmenu v druhý-

Ľudské bytosti sa takmer prirodzene snažia vysvetliť udalosti, ktoré sa prirodzene dejú. každodenný život, „táto osoba fajčí, pretože sa cíti stresovaná“, „prejedanie vedie k vyššej telesnej hmotnosti“; Vieme však, že vysvetlenia takýchto udalostí nie sú vždy správne. Daniel Kahneman vo svojej knihe „Rýchle myslenie, pomalé myslenie“ opisuje, ako, hoci ľudia majú tendenciu využívať všetky kognitívne prvky, vlastniť, budú vždy robiť chyby, keď sa snažia vysvetliť nejakú udalosť, čo je úplne normálne v realite, kde koexistuje viacero faktorov. polovicu. Ako by sme sa teda mohli pokúsiť vysvetliť udalosti čo najpresnejšie? V sociálnych a zdravotníckych vedách je to možné urobiť prostredníctvom analýzy údajov; ktorý je definovaný ako súbor postupov, ktorým pomáhajú štatistické techniky popisné a inferenčné s cieľom extrahovať informácie z empirickej vzorky údajov a rozvíjať ich závery. V rámci analýzy údajov je technika, ktorá nám umožní poskytnúť spoľahlivé vysvetlenia udalostí, viacrozmerná technika nazývaná regresná analýza.

Regresná analýza má sériu variantov, ako je lineárna regresná analýza, viacnásobná regresná analýza, možno zvážiť logistickú regresiu, analýzu sprostredkovania, analýzu moderovania a dokonca modely štrukturálnych rovníc (SEM). Všetky tieto varianty však sledujú rovnakú operačnú logiku, jednu alebo viacero vstupných premenných, ktoré môžu byť známe ako prediktory, nezávislé premenné, premenné. vysvetľujúce alebo predchádzajúce premenné, predpovedajú najväčšiu možnú mieru rozptylu výstupnej premennej, ktorá môže byť známa ako závislá premenná alebo jednoducho kritérium; Ak existuje viac ako jedna nezávislá premenná, regresná analýza tiež určí, ktorá z nich má najväčší vplyv na závislú premennú.

Aby sme pochopili, ako sa tieto vzťahy vyskytujú, musíme sa uchýliť k nasledujúcej rovnici, ktorá predstavuje jednoduchý lineárny regresný model:

y = B_buď +B_Áno X a

Kde,
b_buď = Pôvod svahu
b_Áno = Stupeň sklonu čiary (sklon)
X = hodnota VI
e = Zvyšky (chyba)

Jednoducho povedané, táto rovnica udáva mieru, do akej prítomnosť prediktora (nezávislá premenná) spôsobuje zmenu kritéria (závislá premenná). Je potrebné spomenúť, že hoci rovnica uvádza reziduum (chybu), nie je odhadnutá v rámci modelu, prvku za čo možno túto techniku ​​kritizovať, ale že jej „evolučné“ modely štruktúrnych rovníc (SEM) kompenzuje.

Po odhadnutí rovnice je možné ju vizualizovať pomocou nasledujúcej dvojrozmernej roviny, ktorá sa nazýva regresná čiara.

Regresná čiara alebo sklon

Zdroj: Dagnino (2014)

Tento graf okrem toho, že predstavuje vzťah zúčastnených premenných (prostredníctvom mračna bodov), odhaľuje čiaru, ktorá dáva názov tomuto diagramu a označuje mieru, do akej sa empirické údaje zhodujú s regresnou hodnotou (hodnotou B).

Hoci B nám hovorí o stupni sklonu, v skutočnosti to nie je veľmi užitočné pre interpretáciu, pretože Vyjadruje sa v rovnakej metrike ako premenné, a preto môžu byť jej hodnoty príliš rozsiahle. Týmto spôsobom sa štandardizáciou B na základe skóre Z získa koeficient beta (β), ktorého hodnoty môžu byť medzi 0 a 1, kladné aj záporné a ktoré to umožňujú výklad. Záporná hodnota beta teda bude indikovať, že prediktorová premenná negatívne predpovedá kritérium, to znamená, že čím väčšia je prítomnosť prediktora, tým je menej pravdepodobná prítomnosť kritéria; Naopak, kladná hodnota beta znamená, že prítomnosť prediktora uprednostňuje prítomnosť kritéria.

Rovnako ako iné inferenčné štatistické techniky, interpretácia regresie bude závisieť od kontrast hypotézy alebo hodnota významnosti (p), ktorá je v spoločenských vedách typická p > .05.

Nakoniec, základným konceptom regresnej analýzy je hodnota R2, ktorá sa vzťahuje na rozptyl vysvetlený modelom. regresia, ktorú možno interpretovať priamo alebo jej vynásobením číslom 100, aby sme získali percento rozptylu vysvetlil.

Logistická regresia

Ako už bolo spomenuté na začiatku, existujú rôzne regresné analýzy, regresii sme sa venovali už skôr jednoduché lineárne a násobné, predpokladajú, že prediktorové premenné aj kritérium sú spojité. Ak však premenné nie sú spojité, to znamená, že sú kategorické, musí sa použiť logistická regresná analýza; Toto je jediný rozdiel oproti ostatným regresným modelom.