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
4.3. Dvinarė logistinė regresinė analizė su STATA
       4.3.6. Multikolinearumas

Parodysime, kaip gali kilti (ir likti nepastebėta) multikolinearumo problema, į modelį įtraukdami kintamojo freehms kvadratą. Paaiškinti tokį įtraukimą nesunku – manome, kad šis kintamsis toks svarbus, kad priklausomybė nuo jo ne tiesinė, o kvadratinė. Naująjį regresorių (pavadinsime jį freesquare) sukuriame komanda:

gen freesquare = freehms*freehms

Sudarome modelį su visais kintamaisiais:

logit country freehms stfgov imsb2  freesquare

 Matome, kad modelyje visi kintamieji statistiškai reikšmingi, chi kvadrato reikšmė didelė (126, p = 0,000...). Vis dėlto, modelyje yra akivaizdžiai neteisinga priklausomybė nuo freesquare: šio regresoriaus koeficientas yra teigiamas, priešingai nei freehms. Iškart susiduriame su interpretacijos problema. Multikolinearumą galima pastebėti, užmetus akį į kintamųjų koreliaciją:

corr  freesquare freehms

Koreliacija lygi 0,97, t.y. nepaprastai stipri. Įsitikinti, kad regresijos lygtyje atsirado neteisingas koeficiento ženklas, galima ir tiesiog atliekant logistinę country  regresiją pagal vienintelį kintamąjį freesquare. Įvykdome

logit country   freesquare


Matome, kad koeficiento prie freesquare ženklas, kaip ir tikėjomės yra neigiamas. Beje, multikolinearumo problemą galima išspręsti iš modelio pašalinant ir freehms. Čia, kaip ir dažnai būna regresijoje – nėra vienintelio teisingo duomenims tinkamo modelio. Gali būti net keli statistikos požiūriu tinkami modeliai. Geresnis iš jų tas, kuris geriau atspindi realią situaciją. O tą nuspręsti padeda ne statistika, o geras tiriamo dalyko išmanymas.

Praktiniuose logistinės regresijos taikymuose multikolinearumas tikrinamas tik tada, kai tyrėjo nuomone atsiranda netikėti koeficientų ženklai. Jeigu tyrėjas  savo nuomonės neturi (o kitų nuomonių nežino), tai jis gali pažiūrėti, ar intervalinių regresorių koreliacijos nėra didelės. Jeigu tyrėjui neaišku, kokia koreliacija yra didelė (jis ir sriubos pasūdyti nesugeba, jeigu neranda instrukcijos, kiek gramų druskos į litrą sriubos dėti, ką jau čia apie koreliaciją bekalbėti), tai jis gali sudaryti logistinės regresijos modelį su vieninteliu regresoriumi. Regresoriaus koeficiento ženklas (teigiamas/neigiamas) turėtų išlikti ir jungtiniame modelyje. Operaciją kartojame su antruoju regresoriumi. Tada su trečiuoju. Ir t.t.

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