Главная страница Случайная страница
КАТЕГОРИИ:
АвтомобилиАстрономияБиологияГеографияДом и садДругие языкиДругоеИнформатикаИсторияКультураЛитератураЛогикаМатематикаМедицинаМеталлургияМеханикаОбразованиеОхрана трудаПедагогикаПолитикаПравоПсихологияРелигияРиторикаСоциологияСпортСтроительствоТехнологияТуризмФизикаФилософияФинансыХимияЧерчениеЭкологияЭкономикаЭлектроника
Regression
|
|
Custom Tables
[DataSet1] D: \SLISS\--- 2012-2013\- 2013 Анализ данных\RU_ESS5e03.sav
В этой таблице показано, как закодированы переменные
| Column N % | ||
| Пол респондентов | Мужчины | 41, 0 |
| Женщины | 59, 0 | |
| Возраст респондентов в категориях | 14 - 24 года | 13, 8 |
| 25 - 34 года | 18, 1 | |
| 35 - 44 года | 15, 9 | |
| 45 - 54 года | 16, 5 | |
| 55 - 64 года | 16, 6 | |
| 65 - 74 года | 11, 5 | |
| 75 лет и старше | 7, 6 | |
| 2 Место жительства (город - сельская местность) -- описание респондента (без ферм) | Большой город | 37, 4 |
| Пригород или окраина большого города | 5, 2 | |
| Небольшой город | 34, 9 | |
| Поселок или деревня | 22, 5 | |
| Ферма или отдельностоящий дом в сельской местности | , 0 | |
| Официальное семейное положение -- перекодированное | Состоят в официальном браке | 44, 1 |
| Зарегистрированный гражданский брак | , 0 | |
| Официально расстались | , 0 | |
| Официально разведены | 14, 4 | |
| Вдовы и вдовцы | 17, 1 | |
| Никогда не состояли в зарегистрованном браке | 24, 4 | |
| Состоят в официальном браке | Не состоят в официальном браке | 56, 2 |
| Состоят в официальном браке | 43, 8 | |
| Разведены официально или расстались | Не в разводе | 85, 7 |
| В разводе или расстались | 14, 3 | |
| ОБРАЗОВАНИЕ, ES - ISCED | Not possible to harmonise into ES-ISCED | , 0 |
| ES-ISCED I, начальное | 4, 5 | |
| ES-ISCED II, неполное среднее | 9, 6 | |
| ES-ISCED IIIb, среднее | , 0 | |
| ES-ISCED IIIa, среднее -- продвинутое (гимназия и т.п.) | 34, 1 | |
| ES-ISCED IV, среднее специальное (техникум и т.п.) | 24, 9 | |
| ES-ISCED V2, высшее -- специалисты, баки, магистры и выше | 27, 0 | |
| Other | , 0 | |
| Голосовали на последних выборах за Единую Россию? | Не голосовали за Единую Россию | 36, 4 |
| Голосовали за Единую Россию | 63, 6 | |
| Используют Интернет/e-mail/www в личных целях | Нет доступа дома или на работе | 49, 8 |
| Никогда не пользуются в личных целях | 4, 5 | |
| Реже, чем раз в месяц | 1, 3 | |
| Раз в месяц | , 7 | |
| Несколько раз в месяц | 4, 6 | |
| Раз в неделю | 2, 7 | |
| Несколько раз в неделю | 9, 8 | |
| Каждый день | 26, 6 |
REGRESSION
/MISSING LISTWISE
/STATISTICS COEFF OUTS R ANOVA
/CRITERIA=PIN(.05) POUT(.10)
/NOORIGIN
/DEPENDENT netuse
/METHOD=STEPWISE gndr_Пол Возраст_в_категор ГОРОД_СЕЛО2 Брак Развод eisced_Образование Голос_ЕДРОС.
Считается линейная пошаговая регрессия (STEPWISE)
Переменная «место жительства» трактуется как интервальная: чем выше значение, тем менее городское место жительства (1 – большой город, 4 – сельская местность).
Regression
[DataSet1] D: \SLISS\--- 2012-2013\- 2013 Анализ данных\RU_ESS5e03.sav
| Variables Entered/Removeda | |||
| Model | Variables Entered | Variables Removed | Method |
| Возраст респондентов в категориях | . | Stepwise (Criteria: Probability-of-F-to-enter < =, 050, Probability-of-F-to-remove > =, 100). | |
| 2 Место жительства (город - сельская местность) -- описание респондента (без ферм) | . | Stepwise (Criteria: Probability-of-F-to-enter < =, 050, Probability-of-F-to-remove > =, 100). | |
| ОБРАЗОВАНИЕ, ES - ISCED | . | Stepwise (Criteria: Probability-of-F-to-enter < =, 050, Probability-of-F-to-remove > =, 100). | |
| Пол респондентов | . | Stepwise (Criteria: Probability-of-F-to-enter < =, 050, Probability-of-F-to-remove > =, 100). | |
| a. Dependent Variable: Используют Интернет/e-mail/www в личных целях |
Четыре шага – на последнем – в модели 4 переменных.
| Model Summary | ||||
| Model | R | R Square | Adjusted R Square | Std. Error of the Estimate |
| , 572a | , 327 | , 326 | 2, 473 | |
| , 603b | , 363 | , 363 | 2, 405 | |
| , 619c | , 383 | , 381 | 2, 369 | |
| , 625d | , 390 | , 389 | 2, 355 | |
| a. Predictors: (Constant), Возраст респондентов в категориях | ||||
| b. Predictors: (Constant), Возраст респондентов в категориях, 2 Место жительства (город - сельская местность) -- описание респондента (без ферм) | ||||
| c. Predictors: (Constant), Возраст респондентов в категориях, 2 Место жительства (город - сельская местность) -- описание респондента (без ферм), ОБРАЗОВАНИЕ, ES - ISCED | ||||
| d. Predictors: (Constant), Возраст респондентов в категориях, 2 Место жительства (город - сельская местность) -- описание респондента (без ферм), ОБРАЗОВАНИЕ, ES - ISCED, Пол респондентов |
Подавляющую долю дисперсии, судя по R-квадрат, объяснил возраст (33%), вторая по значимости переменная – место жительства добавочно объяснила объяснила лишь 36, 3 – 32, 6 = 3, 7% дисперсии…
| ANOVAa | ||||||
| Model | Sum of Squares | df | Mean Square | F | Sig. | |
| Regression | 4714, 283 | 4714, 283 | 770, 860 | , 000b | ||
| Residual | 9717, 715 | 6, 116 | ||||
| Total | 14431, 997 | |||||
| Regression | 5243, 871 | 2621, 935 | 453, 154 | , 000c | ||
| Residual | 9188, 127 | 5, 786 | ||||
| Total | 14431, 997 | |||||
| Regression | 5522, 062 | 1840, 687 | 327, 855 | , 000d | ||
| Residual | 8909, 936 | 5, 614 | ||||
| Total | 14431, 997 | |||||
| Regression | 5634, 794 | 1408, 699 | 253, 967 | , 000e | ||
| Residual | 8797, 203 | 5, 547 | ||||
| Total | 14431, 997 | |||||
| a. Dependent Variable: Используют Интернет/e-mail/www в личных целях | ||||||
| b. Predictors: (Constant), Возраст респондентов в категориях | ||||||
| c. Predictors: (Constant), Возраст респондентов в категориях, 2 Место жительства (город - сельская местность) -- описание респондента (без ферм) | ||||||
| d. Predictors: (Constant), Возраст респондентов в категориях, 2 Место жительства (город - сельская местность) -- описание респондента (без ферм), ОБРАЗОВАНИЕ, ES - ISCED | ||||||
| e. Predictors: (Constant), Возраст респондентов в категориях, 2 Место жительства (город - сельская местность) -- описание респондента (без ферм), ОБРАЗОВАНИЕ, ES - ISCED, Пол респондентов |
!!! Внимание!!! во вкладке Statistics была поставлена «галочка» для collinearity diagnostics (диагностика коллинеарности).
В пошаговой регрессии по определению каждая модель лучше предыдущей, если рассматривать ANOVA.
Поскольку использовалась пошаговая регрессия, все коэффициенты, включенные в модели – значимы.
Судя по VIF, которые близки к единице, больших проблем с мультиколлинеарностью быть не должно.
Все же стоит посмотреть не растут ли коэффициенты и не меняются ли знаки. В четвертой модели по сравнению с третьей немного увеличился коэффициент для образования, но это не страшно.
| Coefficientsa | ||||||||
| Model | Unstandardized Coefficients | Standardized Coefficients | t | Sig. | Collinearity Statistics | |||
| B | Std. Error | Beta | Tolerance | VIF | ||||
| (Constant) | 6, 593 | , 165 | 39, 978 | , 000 | ||||
| Возраст респондентов в категориях | -1, 017 | , 037 | -, 572 | -27, 764 | , 000 | 1, 000 | 1, 000 | |
| (Constant) | 7, 709 | , 198 | 38, 867 | , 000 | ||||
| Возраст респондентов в категориях | -, 990 | , 036 | -, 556 | -27, 699 | , 000 | , 994 | 1, 006 | |
| 2 Место жительства (город - сельская местность) -- описание респондента (без ферм) | -, 485 | , 051 | -, 192 | -9, 567 | , 000 | , 994 | 1, 006 | |
| (Constant) | 5, 608 | , 357 | 15, 724 | , 000 | ||||
| Возраст респондентов в категориях | -, 888 | , 038 | -, 499 | -23, 336 | , 000 | , 850 | 1, 176 | |
| 2 Место жительства (город - сельская местность) -- описание респондента (без ферм) | -, 425 | , 051 | -, 168 | -8, 393 | , 000 | , 966 | 1, 035 | |
| ОБРАЗОВАНИЕ, ES - ISCED | , 334 | , 048 | , 153 | 7, 039 | , 000 | , 826 | 1, 210 | |
| (Constant) | 6, 367 | , 392 | 16, 224 | , 000 | ||||
| Возраст респондентов в категориях | -, 865 | , 038 | -, 486 | -22, 647 | , 000 | , 835 | 1, 198 | |
| 2 Место жительства (город - сельская местность) -- описание респондента (без ферм) | -, 424 | , 050 | -, 168 | -8, 428 | , 000 | , 966 | 1, 035 | |
| ОБРАЗОВАНИЕ, ES - ISCED | , 345 | , 047 | , 158 | 7, 301 | , 000 | , 824 | 1, 213 | |
| Пол респондентов | -, 557 | , 123 | -, 089 | -4, 508 | , 000 | , 981 | 1, 019 | |
| a. Dependent Variable: Используют Интернет/e-mail/www в личных целях |
Уравнение регрессии (для него всегда используются нестандартизованные коэффициенты B, округляем до десятых):
Интернет = 6, 4 – 0, 9*Возраст – 0, 4*Место жительства + 0, 3*образование – 0, 6*пол использованные в уравнении коэффициенты
Как уже было сказано, судя по стандартизованному коэффициенту бетта сильнее всего влияет на пользование Интернетом возраст.
Интерпретация коэффициентов (нужно учитывать знак и кодировку).
Для пользования Интернетом 0 «минимальное использование» … 7 «максимальное»
Для возраста коэффициент отрицательный, это значит, что старшие возрастные группы реже пользуются интернетом, чем молодые.
Для места жительства – он тоже отрицательный. Учитывая кодировку – жители малых городов и сельских поселений меньше пользуются интернетом в сравнении с жителями больших городов.
Для образования – положительный. Чем выше образовательный уровень, тем больше пользуются Интернетом.
Пол – отрицательный коэффициент показывает, что женщины меньше пользуются Интернетом, чем мужчины.
!!! Внимание!!! нельзя ориентироваться только на знак регрессионного коэффициента. Нужно учесть, как закодированы независимые и зависимые переменные.
| Excluded Variablesa | ||||||
| Model | Beta In | t | Sig. | Partial Correlation | Collinearity Statistics | |
| Tolerance | ||||||
| Пол респондентов | -, 081b | -3, 916 | , 000 | -, 098 | , 984 | |
| 2 Место жительства (город - сельская местность) -- описание респондента (без ферм) | -, 192b | -9, 567 | , 000 | -, 233 | , 994 | |
| Состоят в официальном браке | , 066b | 3, 188 | , 001 | , 080 | , 994 | |
| Разведены официально или расстались | -, 027b | -1, 326 | , 185 | -, 033 | , 998 | |
| ОБРАЗОВАНИЕ, ES - ISCED | , 183b | 8, 388 | , 000 | , 206 | , 850 | |
| Голосовали на последних выборах за Единую Россию? | -, 025b | -1, 213 | , 225 | -, 030 | , 984 | |
| Пол респондентов | -, 082c | -4, 077 | , 000 | -, 102 | , 984 | |
| Состоят в официальном браке | , 069c | 3, 447 | , 001 | , 086 | , 994 | |
| Разведены официально или расстались | -, 031c | -1, 555 | , 120 | -, 039 | , 998 | |
| ОБРАЗОВАНИЕ, ES - ISCED | , 153c | 7, 039 | , 000 | , 174 | , 826 | |
| Голосовали на последних выборах за Единую Россию? | -, 010c | -, 505 | , 613 | -, 013 | , 978 | |
| Пол респондентов | -, 089d | -4, 508 | , 000 | -, 112 | , 981 | |
| Состоят в официальном браке | , 054d | 2, 723 | , 007 | , 068 | , 982 | |
| Разведены официально или расстались | -, 041d | -2, 075 | , 038 | -, 052 | , 993 | |
| Голосовали на последних выборах за Единую Россию? | -, 003d | -, 159 | , 874 | -, 004 | , 976 | |
| Состоят в официальном браке | , 036e | 1, 761 | , 078 | , 044 | , 931 | |
| Разведены официально или расстались | -, 033e | -1, 652 | , 099 | -, 041 | , 983 | |
| Голосовали на последних выборах за Единую Россию? | , 008e | , 418 | , 676 | , 010 | , 960 | |
| a. Dependent Variable: Используют Интернет/e-mail/www в личных целях | ||||||
| b. Predictors in the Model: (Constant), Возраст респондентов в категориях | ||||||
| c. Predictors in the Model: (Constant), Возраст респондентов в категориях, 2 Место жительства (город - сельская местность) -- описание респондента (без ферм) | ||||||
| d. Predictors in the Model: (Constant), Возраст респондентов в категориях, 2 Место жительства (город - сельская местность) -- описание респондента (без ферм), ОБРАЗОВАНИЕ, ES - ISCED | ||||||
| e. Predictors in the Model: (Constant), Возраст респондентов в категориях, 2 Место жительства (город - сельская местность) -- описание респондента (без ферм), ОБРАЗОВАНИЕ, ES - ISCED, Пол респондентов |
Интернет перекодируется в бинарную переменную: 1 – пользуются Интернетом каждый день, 0 – пользуются реже или вообще не пользуются.
Рассчитывается логистическая регрессия. Зависимая переменная – описанная выше бинарная.
Независимые:
gndr_Пол -- категориальная
Возраст_в_категор -- интервальная
ГОРОД_СЕЛО2 -- категориальная
eisced_Образование - категориальная
maritalb_Семейное_П_перекодированное - категориальная
Голос_ЕДРОС - категориальная
RECODE netuse (7=1) (1 thru 6=0) (ELSE=SYSMIS) INTO Интернет.
VARIABLE LABELS Интернет 'Используют Интернет каждый день, или нет'.
EXECUTE.
LOGISTIC REGRESSION VARIABLES Интернет
/METHOD=FSTEP(LR) gndr_Пол Возраст_в_категор ГОРОД_СЕЛО2 eisced_Образование maritalb_Семейное_П_перекодированное Голос_ЕДРОС
/CONTRAST (gndr_Пол)=Indicator(1)
/CONTRAST (ГОРОД_СЕЛО2)=Indicator
/CONTRAST (eisced_Образование)=Indicator(1)
/CONTRAST (maritalb_Семейное_П_перекодированное)=Indicator
/CONTRAST (Голос_ЕДРОС)=Indicator(1)
/PRINT=GOODFIT
/CRITERIA=PIN(0.05) POUT(0.10) ITERATE(20) CUT(0.57).
В диалоге бинарной логистической регрессии нужно нажать на кнопку “Categorical” и указать, какие переменные – категориальные, и, если нужно, указать, какая категория – первая или последняя, будет опорной.
