|
|
 |
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 |
|
|
5. DAUGIANARĖ LOGISTINĖ REGRESINĖ ANALIZĖ
5.1. Daugianarės logistinės regresijos modelis
5.1.6. Daugianarės logistinės regresinės analizės etapai
Išsami modelio analizė susideda iš tokių etapų:
- Patikriname ar modelio didžiausio tikėtinumo chi kvadrato statistikos p reikšmė < 0,05. Jeigu p ≥ 0,05 , – modelis netinkamas.
- Patikriname, ar visi regresoriai statistiškai reikšmingi (visos didžiausio tikėtinumo chi kvadrato kriterijaus p reikšmės < 0,05). Jeigu ne – modelis taisytinas.
- Pažiūrėję į galimybių santykius, nustatome, kaip regresorių pokyčiai veikia konkrečios Y reikšmės įgijimo tikimybę, lyginant ją su kontrolinės kategorijos įgijimo tikimybe.
- Peržiūrime ar pakankamai daug teisingų klasifikavimų klasifikacinėje lentelėje. Jeigu nedaug – modelis netinkamas.
- Papildomai galima ištirti, ar deviacijos chi kvadrato statistikos p reikšmė 0,05 (taip turi būti geruose modeliuose, kuriuose nedaug intervalinių regresorių). Su Voldo kriterijumi patikriname, daliniuose modeliuose visi regresoriai statistiškai reikšmingi, t.y., ar jų p reikšmės < 0,05. Konstantos statistinio reikšmingumo netiriame.
- Jeigu viskas gerai – modelį aprašome. Jeigu ne – tobuliname.
Labai gerai duomenims tinkančiame modelyje:
- Modelio didžiausio tikėtinumo chi kvadrato p < 0,05.
- Visiems regresoriams didžiausio tikėtinumo chi kvadrato p < 0,05.
- Daliniuose modeliuose daugumai regresorių Voldo kriterijaus p < 0,05.
- Teisingai klasifikuojama kiekvienos kategorijos stebėjimų procentas turi būti ne mažesnis, nei tos kategorijos procentas tarp Y reikšmių.
- Jeigu imtis nėra labai didelė, ir visoms įmanomoms regresorių reikšmių kombinacijoms yra pakankamai daug Y stebėjimų (nulinius dažnius turi ne daugiau 5% langelių), tai deviacijos ir Pirsono chi kvadrato statistikų p reikšmės ≥ 0,05.
- Visų duomenų Kuko matai ≤ 1.
- Pasirinktasis determinacijos koeficientas ≥ 0,20.
|
|
|
|