Студопедия

Главная страница Случайная страница

КАТЕГОРИИ:

АвтомобилиАстрономияБиологияГеографияДом и садДругие языкиДругоеИнформатикаИсторияКультураЛитератураЛогикаМатематикаМедицинаМеталлургияМеханикаОбразованиеОхрана трудаПедагогикаПолитикаПравоПсихологияРелигияРиторикаСоциологияСпортСтроительствоТехнологияТуризмФизикаФилософияФинансыХимияЧерчениеЭкологияЭкономикаЭлектроника






Обработка на компьютере. Исходные данные (data Editor) представляют собой 5 переменных (test 1, test 2, test 3, test 4, Y) для 25 объектов; для последних 5 объектов значе­ния y не






 

Исходные данные (Data Editor) представляют собой 5 переменных (test 1, test 2, test 3, test 4, Y) для 25 объектов; для последних 5 объектов значе­ния Y не определены (табл. 15.1).

1. Выбираем Analyze > Regression (Регрессионный) > Linear... (Линейный).

2. В открывшемся основном окне диалога Linear Regression (Линейный регрессионный) выделяем и переносим из левого окна переменные при по­мощи кнопки ►: зависимую переменную (Y) в правое верхнее окно (Dependent), независимые переменные (test 1, test 2, test 3, test 4) — в правое второе сверху окно (Independents).

3. В том же окне диалога выбираем метод. Для этого в окне Method (Ме­тод) вместо принятого по умолчанию стандартного метода (Enter) при помощи кнопки > выбираем один из пошаговых методов, в данном случае — Backward (Обратный).

4. Для вычисления и сохранения оценок зависимой переменной' в том же окне диалога нажимаем клавишу Save... (Сохранить). В появившемся окне диалога в разделе Predicted Values (Предсказанные оценки) отмечаем флаж­ком Unstandardized (He стандартизованные). Нажимаем Continue (Продол­жить).

5. После указания всех установок в основном окне диалога Linear Regression (Линейный регрессионный) нажимаем ОК и получаем результаты.

 

Рассмотрим наиболее важные результаты МРА.

Model Summary(с)

 

Model R R Square Adjusted R Square Std. Error of the Estimate
  .886(a).879(b) .786.773 .729 .731 .29023 .28914

a Predictors: (Constant), TEST4, TEST2, TEST1, TEST3

b Predictors: (Constant), TEST4, TEST2, TEST1

с Dependent Variable: Y

ANOVA(c)

 

Model   Sum of Squares df Mean Square F Sig.
  Regression 4.635   1.159 13.755 .000(a)
  Residual Total 1.264 5.898 15 19 .084    
  Regression 4.560   1.520 18.183 .000(b)
  Residual Total 1.338 5.898 16 19 .084    

a Predictors: (Constant), TEST4, TEST2, TEST1, TEST3

b Predictors: (Constant), TEST4, TEST2, TEST1

с Dependent Variable: Y

 

Эти две таблицы содержат наиболее общие результаты МРА для двух моделей (Model): 1 — исходная модель, с включением всех переменных; 2 — окончательная модель, с исключенной переменной test3. Интерпретации подлежат: в первой таблице — КМК (R) и КМД (R Square); во второй табли­це — значение критерия F -Фишера и его p -уровень значимости. КМК для окончательной модели статистически достоверен, поэтому модель множественной регрессии может быть содержательно интерпретирована. КМД достаточно большой, регрессионная модель объясняет более 77% дисперсии зависимой переменной, и результаты предсказания могут быть приняты во внимание.

 

Coefficients(a)

Model   Unstandardized Coefficients Standardized Coefficients t Sig.
    В Std. Error Beta    
1 (Constant) TEST1 TEST2 TEST3 TEST4 2 (Constant) TEST1 TEST2 TEST4 -1.486.011.012.014.017 -1.049.011.014.026 .871.004.005.015.012.733.004.005.008 .384.334.196.295 .379.368.445 -1.705 2.825 2.565.938 1.380 -1.430 2.800 2.949 3.161 .109.013.022.363.188.172.013.009.006

a Dependent Variable: Y

 

Эта таблица содержит величины не стандартизованных (В) и стандартизованных (Beta) коэффициентов регрессии, а также критерии t -Стьюдента (t) и p -уровни (Sig.), позволяющие определить их статистическую значимость. Отметим, что во внимание могут быть приняты только те регрессионные коэффициенты, которые являются статистически значимыми.

Показателем вклада каждой из переменных в регрессионную модель служат их -коэффициенты. В результирующей модели (2) для предсказания остаются три переменные: переменная test 3 исключена. Представляет ин­терес анализ причин исключения переменной test3 из модели. Как видно из табл. 15.2, эта переменная весьма существенно коррелирует с зависимой пе­ременной. Однако она сильно связана и с переменной test 4, что обусловли­вает существенное снижение ее -коэффициента: в исходной модели (1) он наименьший из всех остальных ( = 0, 196). Исключение переменной test 3 повышает предсказательную ценность переменной test 4.

B -коэффициенты используются для предсказания значений зависимой переменной — путем вычисления ее оценок по уравнению регрессии, в соответствии с формулой 15.2:

 

 

Фрагмент таблицы (Data Editor) с оценками зависимой переменной ()

  test 1 test 2 test 3 test 4 Y pre_1
  86, 00 110, 00 110, 00 101, 00 3, 88 3, 98
...
  74, 00 121, 00 100, 00 100, 00   3, 98
  96, 00 114, 00 114, 00 103, 00   4, 19
  104, 00 73, 00 105, 00 95, 00   3, 52
  94, 00 121, 00 115, 00 104, 00   4, 29
  91, 00 129, 00 105, 00 98, 00   4, 22

 

В связи с тем, что назначено сохранение оценок зависимой переменной (см. шаг 4), в таблице исходных данных (Data Editor) появилась новая переменная prе_1 — оценки зависимой переменной. Они вычислены по указан­ной формуле для всех 25 объектов и в данном примере могут служить для предсказания успеваемости 5 абитуриентов.



Поделиться с друзьями:

mylektsii.su - Мои Лекции - 2015-2024 год. (0.008 сек.)Все материалы представленные на сайте исключительно с целью ознакомления читателями и не преследуют коммерческих целей или нарушение авторских прав Пожаловаться на материал