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

4. DVINARĖ LOGISTINĖ REGRESINĖ ANALIZĖ
4.2. Dvinarė logistinė regresinė analizė su SPSS
       4.2.4. Modelio tobulinimas

Standartinė procedūra, kai yra statistiškai nereikšmingų regresorių – dalį jų pašalinti iš modelio. Mūsų atveju taip daryti netinka, nes statistiškai nereikšmingi yra pseudokintamieji, aprašantys vieną kategorinį kintamąjį. Nebus logiška, jeigu iš tyrimo pašalinsime visus respondentus, išskyrus tuos, kurie griežtai pasisako prieš imigrantų teises. Reikėtų arba iš viso iš modelio pašalinti kintamąjį imsclbn, arba pakeisti jį kitu kintamuoju.

Pradžioje patikrinsime, kiek respondentų rinkosi įvairias imsclbn reikšmes. Pasirinkę Analyze Descriptice Statistics Frequences, gauname kintamojo imslbnc dažnių lentelę.

 Įsitikiname, kad atsakydami į šį klausimą, tik septyni respondentai pasirinko penketą, dvidešimt septyni respondentai rinkosi vienetą. Tiek pat respondentų rinkosi dvejetą.

imsclbn When should immigrants obtain rights to social benefits/services

 

Frequency

Percent

Valid Percent

Cumulative Percent

Valid

1 Immediately on arrival

27

9.7

10.4

10.4

2 After a year, whether or not have worked

27

9.7

10.4

20.8

3 After worked and paid taxes at least a year

131

47.3

50.4

71.2

4 Once they have become a citizen

68

24.5

26.2

97.3

5 They should never get the same rights

7

2.5

2.7

100.0

Total

260

93.9

100.0

 

Missing

7 Refusal

3

1.1

 

 

8 Don't know

14

5.1

 

 

Total

17

6.1

 

 

Total

277

100.0

 

 

Sustambinsime kintamojo imslbnc kategorijas. Sukursime naują kintamąjį  imsb3, kuris įgis reikšmę 0, kai imslbnc = 1 arba 2. Kintamasis imsb3 įgis reikšmę 1, kai imslbnc = 3, ir imsb3 = 2, kai imslbnc = 4 arba 5.  Pasirenkame Transform → Recode into Different Variables ir perkeliame imsclbn  į dešinį laukelį. Laukelyje Name užrašome imsb3 ir paspaudžiame Change.

Pasirenkame Old and New Value. Naudodami Old value – New Value – Add parinktis nurodome, kaip turi atrodyti naujasis regresorius. Po to spaudžiame Continue ir OK.

Norėdami paaiškinti naujo kintamojo prasmę papildomai (Variable View – Labels –  Value Labels) aprašome jį, kaip požiūrį į socialines lengvatas imigrantams (angl. attitude towards social benefits for immigrants), o reikšmes pakomentuojame  taip: 0 – teigiamas požiūris (angl. positive attitude), 1 – labiau teigiamas, nei neigiamas (angl. more positive than negative), 2 – neigiamas požiūris (angl. negative attitude).

Tiriame naują modelį:

cntry = f(stfedu, happy, freehms, imsb3).

Tyrimą atliekame lygiai, kaip ankstesnio modelio atveju. Nepamirštame nurodyti, kad imsb3 yra kategorinis kintamasis. Nepateiksime visų lentelių, tik surašysime, jose gautus rezultatus:

  • Priklausomo kintamojo modelio kodai liko nepakitę: cntr = EE (Estija), atitinka modelio priklausomo kintamojo reikšmę 0, o cntr = PT (Portugalija) atitinka modelio kintamojo reikšmę  1.

  •  Naujasis kategorinis regresorius imsb3 pakeičiamas dviem pseudokintamaisiais imsb3(1) ir imsb3(2), įgyjančiais tik dvi reikšmes: 0 ir 1. Pseudokintamųjų kodų derinių reikšmės pateiktos lentelėje Categorical Variables Codings:

Categorical Variables Codings

 

Frequency

Parameter coding

(1)

(2)

imsb3 Attitude towards social benefits for immigrants

.00 positive attitude

51

1.000

.000

1.00 more positive than negative

128

.000

1.000

2.00 negative attitude

69

.000

.000

Pavyzdžiui, imsb3 = 1 atitiks derinys imsb3(1) = 0, imsb3(2) = 1, o imsb3 = 2 atitiks derinys imsb3(1) = 0, imsb3(2) = 0.

  • Pradinė klasifikacinė lentelė rodo, kad aklas spėjimas jog kiekvienas respondentas yra iš Estijos,  duotų  50,4 % teisingų imties duomenų klasifikavimų.

  • Chi kvadrato statistikos (x2= 115,195) p-reikšmė p  < 0,05, o Hosmerio – Lemešou x2 = 13,132,  p = 0,107 > 0,05 rodo   gerą modelio tikimą duomenims.

  • Kokso ir Snelo R2 = 0,372 , o Nagelkerkės R2 = 0,495. Determinacijos koeficientai yra kiek mažesni, nei tiriant pradinį modelį, bet pakankamai didelės (gerokai viršija 0,20).

  • Patikrinus Kuko mato ir DFB reikšmes, įsitikiname, kad visos jos neviršija vieneto. Darome išvadą, kad modelyje išskirčių nėra.

  • Klasifikacinė lentelė rodo praktiškai tokį patį gerą modelio tikimą, kaip ir pradinis modelis. Bendrasis teisingai klasifikuotų imties respondentų procentas  yra 77,4

Classification Tablea

 

Observed

Predicted

 

cntry Country

Percentage Correct

 

EE Estonia

PT Portugal

Step 1

cntry Country

EE Estonia

95

30

76.0

PT Portugal

26

97

78.9

Overall Percentage

 

 

77.4

  • Kintamųjų koeficientų lentelėje visi kintamieji, išskyrus konstantą, statistiškai reikšmingi. Tik konstantai Voldo kriterijaus p = 0,065 > 0,050. Tradiciškai į konstantos statistinį reikšmingumą nekreipiame dėmesio. Juolab, kad ir  p reikšmė viršija 0,05 visai nedaug.

Variables in the Equation

 

B

S.E.

Wald

df

Sig.

Exp(B)

95% C.I.for EXP(B)

Lower

Upper

Step 1a

freehms

-.760

.158

23.117

1

.000

.468

.343

.637

happy

.300

.099

9.258

1

.002

1.350

1.113

1.637

stfedu

-.564

.091

38.819

1

.000

.569

.476

.679

imsb3

 

 

11.371

2

.003

 

 

 

imsb3(1)

1.661

.508

10.688

1

.001

5.263

1.945

14.243

imsb3(2)

1.137

.426

7.132

1

.008

3.117

1.353

7.178

Constant

1.833

.992

3.415

1

.065

6.255

 

 

a. Variable(s) entered on step 1: freehms, happy, stfedu, imsb3.

Įsitikinome, kad naujasis modelis gerai suderintas su duomenimis. Koeficientai B prie freehms ir slfedu yra neigiami, o koeficientas prie happy teigiamas. Primename, kad teigiamas koeficientas rodo, jog atitinkamam kintamajam didėjant, auga ir P(Y=1) tikimybė.  Ir atvirkščiai, jeigu koeficientas neigiamas, tai auga P(Y=0) tikimybė. Todėl, didėjant freehms reikšmei didėja cntry = EE (modelio kodas 0) tikimybė.  Taigi, kuo respondentas priešiškiau nusistatęs seksualinių mažumų atžvilgiu (freehms didesnis), tuo tikėtiniau, kad jis iš Estijos. Analogiškai darome išvadą, kad kuo respondentas palankiau vertina švietimo sistemą, tuo didesnė tikimybė, kad jis iš Estijos, o  kuo laimingesnis tuo tikėtiniau, kad iš Portugalijos.

Stulpelyje EXP(B) pateikiamos galimybių santykių reikšmės, t.y. . Jau rezultatų išklotinės pradžioje buvo pažymėta, kad teigiamą požiūrį į socialines lengvatas imsb3=1 atitinka kategorinių kintamųjų derinys imsb3(1)=1, imsb3(2)=0, o neigiamą imsb3(1)=0, imsb3(2)=0. Atitinkamas galimybių santykis pateiktas prie imsb3(1)=1 ir yra lygus 5,263. Todėl galime padaryti tokią išvadą:  palankus požiūris į socialines lengvatas imigrantams, lyginant su nepalankiu, padidina tikimybių santykį

5,263 karto. Labiau tampa tikėtina, kad respondentas buvo iš  Portugalijos. Analogiškai labiau teigiamas, nei neigiamas požiūris į socialines lengvatas (imsb3(1)=0, imsb3(2)=1) padidina tikimybių santykį 3,117 karto.

Analogiškai interpretuojami galimybių santykiai ir tolydiems kintamiesiems. Pavyzdžiui,  kiekvienas papildomas balas vertinant savo laimingumą (happy) padidina tikimybių santykį 1,35  karto. Labiau tampa tikėtina, kad respondentas iš Portugalijos. Kiekvienas papildomas balas vertinant švietimo būklę stfedu, sumažina tikimybių santykį 0,569 karto. Tampa labiau tikėtina, kad respondentas iš Estijos.

Kadangi happy ir stfedu matavimo skalės daugmaž vienodos, labai supaprastindami situaciją, galime tarti, kad stfedu modelyje svarbesnis, nes jo pokytis galimybių santykį pakeičia dvigubai, o happy  pokytis galimybių santykį pakeičia tik 1,35 karto.

Grafoje 95 %  C.I. for EXP(B)  yra galimybių santykių 95% pasikliautinųjų intervalų apatiniai (Lower) ir viršutiniai (Upper) rėžiai. Matome, kad intervaliniams kintamiesiems rėžiai yra pakankamai maži.

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 2018-09-27