Условия получения приемлемых результатов анализа

Регрессия, как и корреляция, анализирует линейные зависимости. В предыдущее главе мы рассмотрели процедуру оценки криволинейных зависимостей в контек­сте 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 одним 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 концептуально осмысленных результатов анализа.

► Ваше исследование должно быть продумано по форме и исполнению. Анализ регрессии для не связанных по смыслу величин приводит к бесполезным резуьтатам.

► Для того чтобы существующие корреляции были признаны значимыми, необходимо иметь достаточные размеры выборок. Трудно указать точные границы «достаточно большой выборки», однако, как правило, проблемы со значимостью начинают возникать при N< 50, Разумеется, чем большее число переменных вы привлекаете для анализа, тем больший размер выборки требуется для получения значимых результатов.

► Ваши данные должны быть корректными и не содержать ошибок.

► Распределение значений предикторов должно быть близким к нормальному. Желательно, чтобы значения асимметрий и эксцессов по модулю не превос­ходили 1. Тем не менее, можно получить весьма точные результаты, если это требование не выполняется строго для каждого из предикторов, и даже в слу­чае, если в анализ входит дискретная переменная с небольшим числом значе­ний. Нормальность распределения зависимой переменной также желательна, однако допустимы как отклонения от нормальности, так и использование дис­кретных переменных с малым числом значений.

► Наиболее жестким требованием является запрет на использование зависимых переменных, корреляции между которыми близки к 1 (-1). Для проверки это­го требования можно использовать статистики коллинеарности.

После беглого обзора простого и множественного регрессионного анализа мы можем приступить к его практической реализации с помощью программы SPSS, а также к интерпретации результатов.