Svečias
Titulinis Mokymai Mokymų medžiaga Metodologiniai paketai Taikomoji regresija
Apie mokymus
Mokomieji duomenys
E. mokymai
TAIKOMOJI REGRESINĖ ANALIZĖ SOCIALINIUOSE TYRIMUOSE
TAIKOMOJI REGRESINĖ ANALIZĖ SOCIALINIUOSE TYRIMUOSE

Pavyzdinis metodologinis mokomasis studijų paketas

TAIKOMOJI REGRESINĖ ANALIZĖ SOCIALINIUOSE TYRIMUOSE

Autorus Prof. habil. dr. Vydas Čekanavičius

Ankstesnis dokumentas Turinys  Literatūros sąrašas Duomenų šaltiniai Sekantis dokumentas

3. TIESINĖS REGRESIJOS ALTERNATYVOS
3.2. Stabilizuotų liekamųjų paklaidų regresija
     3.2.4. Savirankos regresija su SPSS

Tirsime B duomenis. Renkamės Analyze → Regression → Linear. Perkeliame K37suminis į laukelį Dependent, regresorius K32, K33_4 į laukelį Independent(s).

 

Pasirenkame Statistics ir pažymime Confidence intervals, Descriptives.

 

Spaudžiame Continue ir Bootstrap. Pažymime Perform bootstrapping. Šiame meniu (Number of samples) galima nurodyti ir kitą replikacijų skaičių.

Spaudžiame Continue ir OK.  Lentelėje Descriptive Statistics pateiktos populiacijos kintamųjų (o ne jų koeficientų regresijos modelyje) vidutinės reikšmės ir jų 95 % pasikliautinieji intervalai. Turint vieną imtį, kintamojo vidurkiui pasikliautinį intervalą surasti neįmanoma. Tai kas pasikeitė? Taikant saviranką, mini imčių buvo 1000. Žinoma, labai pasitikėti šiais įverčiais nereikia.

Descriptive Statistics

 

Statistic

Bootstrapa

Bias

Std. Error

95% Confidence Interval

Lower

Upper

K37suminis

Mean

15.59

.01

.25

15.09

16.06

Std. Deviation

2.762

-.012

.167

2.404

3.076

N

124

0

0

124

124

K32 Asmeninės vidutinės pajamos per mėnesį

Mean

3.48

.00

.12

3.25

3.73

Std. Deviation

1.346

-.013

.120

1.091

1.570

N

124

0

0

124

124

K33_4 Asmeninių savybių įtaka pasiekiant esamą padėtį darbo rinkoje

Mean

4.33

.00

.07

4.19

4.47

Std. Deviation

.783

-.008

.083

.618

.937

N

124

0

0

124

124

a. Unless otherwise noted, bootstrap results are based on 1000 bootstrap samples

Kitoje lentelėje pateikiami kintamųjų koreliacijų įverčiai ir tų įverčių 95 % pasikliautinieji intervalai. Visos lentelės į šiuos konspektus netalpinsime, pateiksime tik jos fragmentus kintamojo K37suminis ir regresoriaus K32 koreliacijai.

Correlations

Pearson Correlation

K37suminis

K37suminis

1.000

K32

.419

Sig. (1-tailed)

K37suminis

K37suminis

.

K32

.000

 

95% Confidence Interval

Lower

K37suminis

K37suminis

1.000

K32

.263

Upper

K37suminis

K37suminis

1.000

K32

.553

Tiesinės regresijos koeficientai ir jų pasikliautinieji intervalai yra lentelėje Coefficients.

Coefficientsa

Model

Unstandardized Coefficients

Standardized Coefficients

t

Sig.

95.0% Confidence
Interval for B

B

Std. Error

Beta

Lower Bound

Upper Bound

1

(Constant)

7.412

1.265

 

5.858

.000

4.907

9.917

K32

.803

.157

.392

5.128

.000

.493

1.113

K33_4

1.242

.269

.352

4.613

.000

.709

1.775

a. Dependent Variable: K37suminis

Savirankos metodu įvertinti modelio koeficientų 95 % pasikliautinieji intervalai ir t testų p reikšmės yra lentelėje Bootstrap for Coefficients. Matome, kad ir pasikliautinieji intervalai ir p reikšmės nedaug skiriasi nuo apskaičiuotųjų, naudojant tiesinę regresiją.

Bootstrap for Coefficients

Model

B

Bootstrapa

Bias

Std. Error

Sig. (2-tailed)

95% Confidence Interval

Lower

Upper

1

(Constant)

7.412

-.014

1.248

.001

5.067

9.811

K32

.803

.009

.157

.001

.495

1.117

K33_4

1.242

-.002

.259

.001

.710

1.721

a. Unless otherwise noted, bootstrap results are based on 1000 bootstrap samples

Skyrelio pabaigai pateiksime šiokias tokias rekomendacijas:

  • Jeigu tiesinėje regresijoje susidūrėme su heteroskedastiškumu, bet stabilizuotų liekamųjų paklaidų regresija nustatė  tuos pačius statistiškai reikšmingus regresorius ir labai panašius jų pasikliautinuosius intervalus, tai heteroskedastiškumas nebuvo labai kenksmingas. Aprašyme viską ir nurodome – ir heteroskedastiškumą paminime, ir stabilizuotų liekamųjų paklaidų regresiją su jos rezultatais.
  • Nėra labai svarbu, kokį stabilizavimo metodą taikyti. Pavyzdžiui, kai kurie žmonės itin mėgsta saviranką. Kiti – nemėgsta.
  • Jeigu pasikliautinieji intervalai, lyginant su tiesinės regresijos modeliu, labai pakito arba, jeigu yra didelių išskirčių, tai vertėtų išbandyti atspariąją regresiją, žr. kitą skyrelį. 

 

NAUJIEMS VARTOTOJAMS
NAUJIENOS
Naujienlaiškis

Nr.1  2009 07-11
Nr.2  2009 12-2010 02
Nr.3  2010 03-05
Nr.4  2010 06-08
Nr.5  2010 09-11
Nr.6  2010 12-2011 02
Nr.7 2011 03-05
Nr.8 2011 06-08
 
© KTU Politikos ir viešojo administravimo institutas
Atnaujinta 2015-06-18