![]() Главная страница Случайная страница КАТЕГОРИИ: АвтомобилиАстрономияБиологияГеографияДом и садДругие языкиДругоеИнформатикаИсторияКультураЛитератураЛогикаМатематикаМедицинаМеталлургияМеханикаОбразованиеОхрана трудаПедагогикаПолитикаПравоПсихологияРелигияРиторикаСоциологияСпортСтроительствоТехнологияТуризмФизикаФилософияФинансыХимияЧерчениеЭкологияЭкономикаЭлектроника |
Корреляция исходных данных для МРА
Строгих указаний о соотношении количества объектов N и количества признаков Р нет, но чем больше объем выборки, тем выше шансы получить статистически достоверные результаты. Главное требование к исходным данным — отсутствие линейных взаимосвязей между переменными, когда одна переменная является линейной производной другой переменной. Таким образом, нельзя пользоваться суммой переменных или их средним арифметическим наряду с самими переменными. Соответственно, недопустимы переменные, коэффициент корреляции которых с любой другой переменной равен 1. Следует избегать включения в анализ переменных, корреляция между которыми больше 0, 8. Следующее требование — переменные должны быть измерены в метрической шкале (интервалов или отношений) и иметь нормальное распределение. При нарушении этого требования, однако, результаты могут быть полезны, если, конечно, соблюдать известную осторожность. Желательно отбирать для МРА «независимые» переменные, сильно коррелирующие с «зависимой» переменной и слабо — друг с другом. Если «независимых» переменных много и наблюдается множество связей между ними, то перед МРА целесообразно провести факторный анализ этих «независимых» переменных с вычислением значений факторов для объектов (см. главу 16). При анализе на компьютере (например, при помощи SPSS) можно выбрать метод МРА: исходный или стандартный (Enter), прямой пошаговый (Forward), обратный пошаговый (Backward) или комбинированный пошаговый (Stepwise). Пошаговые методы позволяют в автоматическом режиме подобрать наиболее оптимальную комбинацию независимых переменных, обеспечивающую наибольшую статистическую значимость как КМ К, так и Независимые переменные не должны быть связаны друг с другом
Стандартный метод учитывает в МРА все «зависимые» переменные. Пошаговый метод обычно выступает в нескольких модификациях, основными из которых являются прямой и обратный метод. Прямой пошаговый метод поочередно включает в регрессионное уравнение каждую переменную, начиная с наиболее тесно коррелирующей с «зависимой» переменной, до тех пор, пока Основные результаты применения МРА: R — коэффициент множественной корреляции; F— критерий Фишера и ^-уровень статистической значимости КМ К; R2 — квадрат КМК или КМД;
В — коэффициенты регрессии (регрессионного уравнения).
Дополнительно возможно вычисление оценок «зависимой» переменной (Predicted Values) и ошибок оценки (Residuals). Рассмотрим процедуру обработки, основные результаты и их интерпретацию, применив программу SPSS к данным примера 15.1.
|