Руководство по анализу данных с помощью самой мощной и популярной
жүктеу/скачать 8,54 Mb. Pdf көрінісі
|
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. жүктеу/скачать 8,54 Mb. Достарыңызбен бөлісу:
|