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

5. DAUGIANARĖ LOGISTINĖ REGRESINĖ ANALIZĖ
5.1. Daugianarės logistinės regresijos modelis
       5.1.7. Modelio tobulinimas

Modelio tobulinimas, kaip taisyklė, reiškia kintamųjų šalinimą arba jų transformaciją.

Pašalinus bent vieną kintamąjį, keičiasi visos modelio charakteristikos:determinacijos koeficientai, visos p reikšmės, klasifikacinė lentelė.

Reikia nepamiršti, kad ne visada pavyksta sudaryti duomenims tinkamą modelį. Yra duomenų, kuriems logistinės regresija (o dažnai ir jokia kita regresija) tiesiog netinka. Modelis tobulinamas, jeigu yra problemų:

  • Yra statistiškai nereikšmingas kintamasis (jo didžiausio tikėtinumo chi kvadrato p reikšmė didesnė už 0,05). Tada šis kintamasis pašalinamas iš modelio, ir logistinė regresinė analizė pakartojama be jo. Viskas gerai, jeigu klasifikacinėje lentelėje teisingai klasifikuotų atvejų sumažėjo nežymiai. Pristatydami galutinį modelį, tada rašysime, kad modelyje liko tik statistiškai reikšmingi kintamieji. Jeigu teisingai klasifikuotų atvejų sumažėja radikaliai, tai kintamąjį į modelį gražiname, o aprašyme konstatuojame, kad „kintamasis buvo statistiškai nereikšmingas. Vis  dėlto, jis paliktas modelyje, nes be jo labai sumažėja teisingų klasifikavimų procentas“.

  • Yra multikolinearumo problema. Faktiškai ši problema susideda iš dviejų dalių – priežasties nustatymo ir jos pašalinimo. Multikolinearumą įtarsime tik tada, jeigu modelyje atsiras „keistas“ (mums visai nelauktas) regresoriaus koeficiento ženklas. Tada galima atskirai suskaičiuoti ir peržiūrėti intervalinių regresorių koreliacijas. Jeigu kažkurie regresoriai stipriai koreliuoja, derėtų modelyje palikti vtik kelis iš jų arba juos pakeisti jų vidurkiu. Žinoma, tik tada, kai tas vidurkis yra prasmingas, t.y. nesudėjome metus su kilogramais. Galima sudaryti atskiras daugianares logistines regresijas Y = f(regresorius) kiekvienam regresoriui. Tada bent jau išsiaiškinsime, kokie turi būti modelio koeficientų ženklai. O po to vis tiek pradedame šalinti iš modelio kintamuosius, arba sugalvojame kuo juos pakeisti. Daugianarėje logistinėje regresijoje multikolinearumas tikrinamas labai retai.

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