Пошаговые алгоритмы вычислений
255
стью начинают возникать при
N < 50. Разумеется, чем большее число перемен-
ных вы привлекаете для анализа, тем больший размер выборки требуется для
получения значимых результатов.
Ваши данные должны быть корректными и не содержать ошибок.
f
Распределение значений предикторов должно быть близким к нормальному.
f
Желательно, чтобы значения асимметрий и эксцессов по модулю не превос-
ходили 1. Тем не менее можно получить весьма точные результаты, если это
требование не выполняется строго для каждого из предикторов, и даже в слу-
чае, если в анализ входит дискретная переменная с небольшим числом значе-
ний. Нормальность распределения зависимой переменной также желательна,
однако допустимы как отклонения от нормальности, так и использование дис-
кретных переменных с малым числом значений.
Наиболее жестким требованием является запрет на использование зависимых
f
переменных, корреляции между которыми близки к 1 (–1). Для проверки это-
го требования можно использовать статистики коллинеарности.
Множественный регрессионный анализ является весьма сложной процедурой.
И нескольких страниц краткого обзора явно недостаточно для его изучения и ис-
черпывающего понимания. Поэтому желательно, чтобы перед проведением мно-
жественного регрессионного анализа у вас уже были более глубокие знания о нем.
После беглого обзора простого и множественного регрессионного анализа мы
можем приступить к его практической реализации с помощью программы SPSS,
а также к интерпретации результатов.
Достарыңызбен бөлісу: