Условия получения приемлемых результатов МР

Регрессия, как и корреляция, анализирует линейные зависимости. Ранее была рассмотрена процедура оценки криволинейных зависимостей в контексте простого регрессионного анализа. Если теория или статистический расчет показывает, что между критерием и одним или несколькими предикторами существует криволинейная зависимость, то можно применить процедуру линеаризации.

Основные условия применения МРА:

1. Исследование должно быть продумано по форме и исполнению. Анализ регрессии для не связанных по смыслу величин приводит к бесполезным результатам.

2. Объем выборки желательно иметь n ≥ 50.

3. Данные должны быть корректными и записаны в таблицу без ошибок.

4. Распределение значений предикторов должно быть близким к нормальному (значения асимметрий и эксцессов по модулю не превосходят 1).

5. Нормальность распределения зависимой переменной также желательна, однако допустимы как отклонения от нормальности, так и использование дискретных переменных с малым числом значений.

6. Наиболее жестким требованием является запрет на использование независимых переменных, корреляции между которыми близки к 1 (-1). Поэтому перед проведением регрессионного анализа никогда не бывает лишним вычисление корреляций между предикторами.

7. Не желательно задействовать предикторы, совпадающие по смыслу.

´ Задача 3.1 [7]. Для решения требуется программа SPSS и файл данных MR.sav. Число объектов в файле данных MR.sav n = 46. Переменные файла, которые мы будем использовать: помощь – зависимая переменная, интерпретируемая как время (в секундах) оказания помощи партнеру (среднее – 30, стандартное отклонение – 10); симпатия – оценка своей симпатии к партнеру, нуждающемуся в помощи (по 20-балльной шкале); агрессия – оценка своей агрессивности к партнеру (по 20-балльной шкале); польза – оценка пользы от своей помощи (по 20-балльной шкале); проблема – оценка серьезности проблемы своего партнера (по 20-балльной шкале); эмпатия – оценка эмпатии (склонности к сопереживанию) как результат тестирования (по 10-балльной шкале).

1. Запустите программу SPSS. После выполнения этого шага на экране появится окно редактора данных SPSS. Откройте файл данных MR.sav, выполнив следующие действия: выберите в меню File (файл) команду Open ► Data (открыть ►данные) или щелкните на кнопке Open File (открыть файл) панели инструментов. В открывшемся диалоговом окне дважды щелкните на имени MR.sav или введите его с клавиатуры и щелкните па кнопке ОК.

2. В меню Analyze (анализ) выберите команду Regression ► Linear (регрессия ► линейная). На экране появится диалоговое окно Linear Regression (линейная регрессия) (рис. 3.1).

3. Щелкните сначала на переменной помощь, чтобы выделить се, а затем – на верхней кнопке со стрелкой, чтобы переместить переменную в поле Dependent (зависимая переменная). Выделите переменные симпатия, проблема, эмпатия, польза и агрессия, затем переместите их в список Independent(s) (независимые переменные).

4. В раскрывающемся списке Method (метод) выберите пункт Forward (прямой). Щелкните на кнопке ОК, чтобы открыть окно вывода.

5. В результате программа сгенерирует данные, показывающие, какая из независимых переменных оказывает наибольшее влияние на зависимую переменную. Метод Forward (прямой) обеспечит включение в уравнение регрессии всех предикторов, имеющих значимую частную корреляцию с критерием β; в порядке убывания значимости.

´ Задача 3.2 [7]. Для решения требуется программа SPSS и файл данных MR.sav.

1. Откройте диалоговое окно Linear Regression (линейная регрессия), показанное на рис. 3.1. Если Вы уже успели поработать с этим окном, очистите его щелчком на кнопке Reset (сброс) и выполните следующие действия.

 

2. Щелкните сначала на переменной помощь, чтобы выделить се, а затем – на верхней кнопке со стрелкой, чтобы переместить переменную в поле Dependent (зависимая переменная). Выделите переменные симпатия, проблема, эмпатия, польза и агрессия, затем переместите их в список Independent(s) (независимые переменные).

3. В раскрывающемся списке Method (метод) выберите пункт Stepwise (по шагам).

4. Щелкните па кнопке Statistics (статистики), чтобы открыть диалоговое окно Linear Regression: Statistics (линейная регрессия: статистики), (рис. 3.2). Установите флажок Descriptives (описательные статистики) и щелкните на кнопке Continue (продолжить), чтобы вернуться в диалоговое окно Linear Regression (линейная регрессия).

5. Щелкните па кнопке Save (сохранение), чтобы открыть диалоговое окно Linear Regression: Save (линейная регрессия: сохранение) (рис. 3.3). Установите флажок Unstandardized (нестандартизированные значения) и щелкните на кнопке Continue (продолжить), чтобы вернуться в диалоговое окно Linear Regression (линейная регрессия).

6. Щелкните на кнопке Options (параметры), чтобы открыть диалоговое окно Linear Regression: Options (линейная регрессия: параметры), показанное на рис. 3.4. В поле Entry (включение) введите значение 0,1, в поле Removal (удаление) введите значение 0,2 и щелкните на кнопке Continue (продолжить), чтобы вернуться в диалоговое окно Linear Regression (линейная регрессия).

7. Щелкните на кнопке ОК, чтобы открыть окно вывода.

В результате выполнения приведенных инструкций будут сгенерированы данные, позволяющие судить о том, какая из независимых переменных оказывает наибольшее влияние на критерий.

 

На основе этих данных можно составить уравнение регрессии:

 

(помощь) = – 5,315 + 1,257 (польза) + 1,168 (агрессия) + 1,033(симпатия).