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

6. RANGINĖ LOGISTINĖ REGRESINĖ ANALIZĖ
6.1. Ranginės logistinės regresijos modelis
        6.1.6. Modelio tyrimas ir tobulinimas

Patikriname visas svarbiausias charakteristikas.

  1. Jeigu  modelio didžiausio tikėtinumo chi kvadrato statistikos  p reikšmė ≥ 0,05, tai modelis netinkamas.

  2. Patikriname, ar visi regresoriai statistiškai reikšmingi (visos Voldo kriterijaus  p reikšmės < 0,05). Jeigu ne – modelis taisytinas. Konstantos statistinio reikšmingumo netiriame.

  3. Patikriname, ar tenkinama tiesių lygiagretumo prielaida. Jeigu atitinkamo chi kvadrato statistikos p reikšmė <  0,05, tai reikia papildomos analizės (STATA dažniausiai tenka ieškoti programos papildo gologit2, alternatyva – taikyti nominaliąją regresiją).

  4. Papildomai galima ištirti,  ar deviacijos ir Pirsonos chi kvadratų  p reikšmės  0,05 (taip turi būti geruose nedidelių imčių modeliuose, turinčiuose nedaug intervalinių regresorių), surasti galimybes ir jų santykius, determinacijos  koeficientus ir klasifikacinę lentelę. Jeigu viskas gerai – modelį aprašome. Jeigu ne – tobuliname.

Modelio tobulinimas reiškia kintamųjų šalinimą arba jų transformaciją. Pašalinus bent vieną kintamąjį, keičiasi visos modelio charakteristikos: determinacijos koeficientai, visos p reikšmės. 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.

  • Jeigu nepatenkinta tiesių lygiagretumo prielaida, tai dar pažiūrime, ar pati statistikos reikšmė yra nedidelė. Galime gauti mažą p reikšmę vien todėl, kad turime daug duomenų. Tada modelio atmesti, kaip netinkamo negalima. Alternatyva yra kitokių jungties funkcijų pasirinkimas.

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