Руководство по анализу данных с помощью самой мощной и популярной



Pdf көрінісі
бет196/304
Дата10.10.2024
өлшемі8,54 Mb.
#206058
түріРуководство
1   ...   192   193   194   195   196   197   198   199   ...   304
Байланысты:
А. Наследов - SPSS 19. Профессиональный статистический анализ данных - 2011

Условия получения приемлемых 
результатов анализа
Регрессия, как и корреляция, анализирует линейные зависимости. В предыдущей 
главе мы рассмотрели процедуру оценки криволинейных зависимостей в контек-
сте простого регрессионного анализа. Большая часть того, что было справедливо 
для простой регрессии, оказывается применимым и для множественного анализа. 
Если теория или статистический расчет показывает, что между критерием и од-
ним или несколькими предикторами существует криволинейная зависимость, то 
можно ввести в качестве дополнительного предиктора, к примеру, квадрат какой-
либо из независимых переменных. О том, что для этого нужно сделать, подробно 
рассказано в предыдущей главе.
В заключение обзора множественной регрессии рассмотрим основные условия, 
выполнение которых способствует получению действительно ценных и концепту-
ально осмысленных результатов анализа.
Ваше исследование должно быть продумано по форме и исполнению. Анализ 
f
регрессии для не связанных по смыслу величин приводит к бесполезным резуль-
татам. К сожалению, описание тех условий, которые делают исследование «про-
думанным по форме и исполнению», выходит за рамки темы данной книги.
Для того чтобы существующие корреляции были признаны значимыми, необ-
f
ходимо иметь достаточные размеры выборок. Трудно указать точные границы 
«достаточно большой выборки», однако, как правило, проблемы со значимо-


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:
1   ...   192   193   194   195   196   197   198   199   ...   304




©engime.org 2024
әкімшілігінің қараңыз

    Басты бет