TAIKOMOJI REGRESINĖ ANALIZĖ SOCIALINIUOSE TYRIMUOSE
Pavyzdinis metodologinis mokomasis studijų paketas
TAIKOMOJI REGRESINĖ ANALIZĖ SOCIALINIUOSE TYRIMUOSE
Autorus Prof. habil. dr. Vydas Čekanavičius |
|
2. TIESINĖ REGRESINĖ ANALIZĖ
2.3. Tiesinė regresinė analizė su STATA
2.3.4. Galutinis modelis
Ankstesniuse skyreliuose įsitikinome, kad regresijos modelis labai gerai aprašo duomenis. Vis dėlto nedidelė happy ir satisfaction koreliacija, maža beta koeficiento reikšmė kintamajam happy ir netiesinis liekanų išsibarstymo grafikas kelia abejonių dėl šio regresoriaus reikalingumo. Todėl patikriname regresijos modelį be jo.
regress satisfaction trust_all, beta |
Matome, kad naujojo modelio R2= 0,5567 nuo ankstesniojo R2= 0,5898 skiriasi tik per 0,0331, t.y. determinacijos koeficientas sumažėjo labai nedaug.

Darome išvadą, kad regresorių happy galima iš modelio pašalinti. Nepaisant to, kad jis buvo statistiškai reikšmingas. Galutinis modelis:
satisfaction = 0,382 +0,892 trust_all. |
Naujajame modelyje liko tik vienas regresorius, todėl nebereikia tikrinti multikolinearumo, nebereikia aprašinėti standartizuotosios beta reikšmės, o ANOVA ir t testo p reikšmės sutaps. Dar reikėtų ištirti, ar tenkinamos regresijos prielaidos, t.y. įvykdyti komandas
avplot trust_all rvfplot
predict r2, rstandard
estat hottest
histogram r2, frequency normal
pnorm r2 |
swilk r2
dfbeta trust_all
summarize DFtrust_all
predict Coo1 , cooksd
summarize Coo1 |
Nebepateiksime gautųjų rezultatų, tik konstatuosime, kad visos regresijos modelio prielaidos buvo tenkinamos.
