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
5.2. Daugianarė logistinė regresinė analizė su SPSS
        5.2.9. Žingsninė daugianarė logistinė regresija

Kaip ir kituose regresijos modeliuose galima taikyti žingsninę (keliaetapę) regresiją, ir leisti modelį tobulinti SPSS programai. Primename, kad tada modelis bus tobulinamas pagal formalius statistinius rodiklius. Gautas galutinis modelis bus statistiškai geriausias, bet nebūtinai geriausias tyrimo prasme. Yra keli žingsninės regresijos variantai – kai modelis vis pildomas naujais regresoriais, arba kai jie iš modelio šalinami. Be to, žingsninę regresiją galima taikyti tik daliai regresorių, kuriais norime papildyti jau turimą modelį. Ją šiame skyrelyje ir aptarsime. Tarkime, kad į modelį
cntry = f (imigrantbf, pray, stfedu, hhmmb)
norime įtraukti kintamuosius

  • stfdem (pasitenkinimas demokratijos lygiu šalyje),
  • stflife (pasitenkinimas gyvenimu),
  • agea (amžių).

Taikysime žingsninę regresiją. Visi meniu užpildomi, kaip ir pirminio tyrimo atveju. Skirtumai atsiranda tik Model  lange. Regresorius imigrantbf, pray, stfedu, hhmml perkeliame į lauką Forced Entry Terms. Šie regresoriai bus visuose modeliuose. Regresorius stfdem, stflife, agea perkeliame į langą Stepwise Terms. Šiais regresoriais modelis bus po truputį pildomas. Statistiškai nereikšmingi regresoriai į modelį nebus įtraukiami. Pasirenkame Stepwise Method: Forward stepwise.

Gautoje rezultatų išklotinėje atsirado lentelė Step Summary.

 Step Summary

Model

Action

Effect(s)

Model Fitting Criteria

Effect Selection Tests

-2 Log Likelihood

Chi-Squarea,b

df

Sig.

Step 0

0

Entered

Intercept, imigrantbf, hhmmb, pray, stfedu

756.278

.

 

 

Step 1

1

Entered

Stfdem

708.037

48.241

2

.000

Step 2

2

Entered

Stflife

691.149

16.888

2

.000

Stepwise Method: Forward Stepwise

a. The chi-square for entry is based on the likelihood ratio test.
b. The chi-square for removal is based on the likelihood ratio test.

 

Lentelėje pažymėta, kad pradinis modelis su regresoriais imigrantbf, pray, stfedu, hhmml  (Step 0) buvo pradžioje papildytas regresoriumi stfdem (Step 1), o po to – regresoriumi stflife (Step 2). Regresorius agea buvo nepanaudotas. Tai reiškia, kad įtraukus agea  į modelį, jis buvo statistiškai nereikšmingas. Galutinis modelis

cntry = f (imigrantbf, pray, stfedu, hhmml, stfdem, stflife).

Visos jo charakteristikos pateikiamos lentelėse, kurios nė kiek nesiskiria nuo aptartųjų skyrelyje 4.2.3. Beje, lange Stepwise Terms galima patalpinti ir regresorių sandaugas.

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