Шта је регресиона анализа и како се дефинише?

Маркоантонио Виљануева Бустаманте
Доктор психологије

Регресиона анализа је можда најчешће коришћена мултиваријантна статистичка техника за одређивање односа између једна или група независних променљивих и зависна тако да прва може предвидети промену у друго-

Готово урођено, људска бића покушавају да дају објашњења за догађаје који се дешавају природно. свакодневни живот, „та особа пуши јер се осећа под стресом“, „преједање доводи до веће телесне тежине“; Међутим, знамо да објашњења која дајемо таквим догађајима нису увек тачна. Данијел Канеман у својој књизи „Размишљање брзо, размишљање споро” описује како, иако људи имају тенденцију да искористе све когнитивне елементе које поседују, увек ће погрешити када покушавају да објасне неки догађај, што је сасвим нормално у стварности где коегзистирају више фактора. пола. Па како бисмо могли покушати да објаснимо догађаје што је прецизније могуће? У друштвеним и здравственим наукама то је могуће урадити анализом података; који се дефинише као скуп поступака који су потпомогнути статистичким техникама дескриптивне и инференцијалне како би се из емпиријског узорка података извукле информације и развиле закључци. У оквиру анализе података, техника која ће нам омогућити да дамо поуздана објашњења догађајима је мултиваријантна техника која се зове регресиона анализа.

Регресиона анализа има низ варијанти као што су линеарна регресиона анализа, анализа вишеструке регресије, могу се узети у обзир логистичка регресија, анализа медијације, анализа модерације, па чак и модели структурних једначина (СЕМ). Међутим, све ове варијанте прате исту оперативну логику, једну или више улазних варијабли, које могу бити познате као предиктори, независне променљиве, променљиве. експланаторне или претходне варијабле, предвиђају највећи могући износ варијансе излазне варијабле, која може бити позната као зависна варијабла или једноставно критеријум; Када постоји више од једне независне варијабле, регресиона анализа такође одређује која од њих има највећи утицај на зависну променљиву.

Да бисмо разумели како се ови односи јављају, морамо да прибегнемо следећој једначини, која представља једноставан модел линеарне регресије:

и = Б_било +Б_Ио Икс и

Где,
б_било = Порекло нагиба
б_Ио = Степен нагиба линије (нагиб)
Кс = ВИ вредност
е = Остаци (грешка)

Једноставно речено, ова једначина указује на степен до којег присуство предиктора (независне варијабле) производи промену критеријума (зависне варијабле). Неопходно је напоменути да иако се у једначини помиње остатак (грешка) он се не процењује у оквиру модела, елемент због чега се ова техника може критиковати, али да њени „еволутивни“ модели структурне једначине (СЕМ) компензује.

Једном када је једначина процењена, може се визуелизовати коришћењем следеће дводимензионалне равни, која се зове регресиона линија.

Регресијска линија или нагиб

Извор: Дагнино (2014)

Овај графикон, поред представљања односа укључених варијабли (кроз облак тачака), открива линију која даје назив овом дијаграму и указује на степен у ком се емпиријски подаци уклапају у регресијску вредност (вредност Б).

Иако нам Б говори степен нагиба, то заправо није много корисно за интерпретацију јер Изражава се у истој метрици као и променљиве и, стога, њене вредности могу бити преобимне. На овај начин, стандардизацијом Б на основу З резултата, добија се бета коефицијент (β), чије вредности могу бити између 0 и 1, позитивне и негативне и које то дозвољавају тумачење. Дакле, негативна бета вредност ће указати да променљива предиктора негативно предвиђа критеријум, односно, што је веће присуство предиктора, то је мање вероватно присуство критеријума; Напротив, позитивна бета показује да присуство предиктора фаворизује присуство критеријума.

Као и друге инференцијалне статистичке технике, интерпретација регресије ће зависити од контраст хипотезе, или вредност значаја (п), што је у друштвеним наукама типично п > .05.

Коначно, елементарни концепт регресионе анализе је Р2 вредност, која се односи на варијансу објашњену моделом. регресија, која се може тумачити директно или множењем са 100 да би се добио проценат варијансе објаснио.

Логистичка регресија

Као што је поменуто на почетку, постоје различите регресионе анализе; регресијом смо се раније бавили једноставни линеарни и вишеструки, они претпостављају да су и променљиве предиктора и критеријум континуирани. Међутим, када варијабле нису континуиране, односно категоричне, мора се користити логистичка регресиона анализа; Ово је једина разлика у односу на остале регресионе моделе.