Regresia Liniara Rezolvari Si Explicatii
-
Upload
andaturcan -
Category
Documents
-
view
580 -
download
1
Transcript of Regresia Liniara Rezolvari Si Explicatii
ATENTIE! Daca ati rezolvat exercitiul cu ANOVA inaintea celui cu regresie si ati folosit comanda Split file, nu uitati sa dati reset +OK la split file inainte de a incepe un exercitiu nou. Altfel toate rezultatele vor fi compromise.
Regresia liniara – rezolvari si explicatii
Preziceţi scorurile la variabila raspunsuri corecte folosind predictorii : emotivitate, nivel activism, continuum primar secundar si total stimuli adaptare.
a. Scrieti ecuatiile de predictie in note brute si note z si interpretati puterea de predictie.
b. Precizati cu cat se imbunatateste modelul prin introducerea in ecuatie a predictorilor 2, 3 si 4.
c. Ierarhizati predictorii folosind coeficientii de regresie standardizati si nestandardizati.
d. Ierarhizati modelele de predictie in functie de puterea lor si in functie de semnificatie.
e. Ierarhizati predictorii in functie de varianta explicata in plus in momentul introducerii in ecuatie.
f. Precizati care sunt predictorii care trebuie pastrati in vederea construirii unui model de regresie puternic.
g. Precizati scorul brut la variabila criteriu pentru un subiect care a obtinut nota 9 la primul predictor, emotivitate.
Variabila dependenta (criteriu) – este variabila ale carei rezultate vrem sa le prezicem; in cazul nostru: raspunsuri corecte.Variabilele independente (predictori) - emotivitate, nivel activism, continuum primar secundar si total stimuli adaptare.
Analyze – Regression - Linear
Trecem variabila dependenta in campul DependentVariabilele independente (predictorii) vor fi transferate in campul Independent(s) dupa cum urmeaza:
1. Introducem primul predictor, emotivitate, iar apoi apasam butonul next. (Block 1f 1)2. Introducem primii doi predictori, emotivitate si nivel activism, iar apoi apasam butonul
next. (Block 2 of 2)3. Introducem primii trei predictori, emotivitate, nivel activism si continuum primar
secundar, iar apoi apasam butonul next. (Block 3 of 3)4. Introducem toti cei patru predictori, emotivitate, nivel activism, continuum primar
secundar si total stimuli adaptare, iar apoi apasam butonul next. (Block 4 of 4)
Obs: Pentru a verifica variabilele din fiecare Bloc se poate folosi butonul Previous.
De la butonul Statistics: - Lasam marcate optiunile deja marcate: Estimates si Model fit- Marcam in plus: R squared change si Descriptives
Continue => OK
Rezolvare:
a. Scrierea ecuatiilor si interpretarea puterii de predictie: - Scrierea ecuatiilor: tabelul Coefficients
Din tabelul Coefficients se extrag constanta si coeficientii nestandardizati din coloana B si coeficientii standardizati din coloana Beta. Pentru fiecare model se va alege randul corespunzator.
Coefficientsa
Model
Unstandardized Coefficients Standardized Coefficients
t Sig.B Std. Error Beta
1 (Constant) a = 106.516 3.661 29.099 .000
Emotivitate b = -.015 .092 β = -.016 -.168 .867
2 (Constant) a = 111.841 9.239 12.105 .000
Emotivitate b1 = -.037 .098 β1 = -.039 -.377 .707
nivelul de activism b2 = -.076 .121 β2 = -.066 -.628 .531
3 (Constant) a = 111.291 10.005 11.123 .000
Emotivitate b1 = -.038 .099 β1 = -.040 -.383 .702
nivelul de activism b2 = -.077 .122 β2 = -.067 -.636 .526
continuum primar-
secundarb3 = .017 .115 β3 = .015 .147 .883
4 (Constant) a = 126.218 10.556 11.957 .000
emotivitate b1 = -.074 .095 β1 = -.079 -.781 .436
nivelul de activism b2 = -.083 .116 β2 = -.072 -.714 .477
continuum primar-
secundarb3 = -.038 .111 β3 = -.032 -.337 .736
total stimuli adaptare b4 = -.416 .125 β4 = -.318 -3.320 .001
a. Dependent Variable: raspunsuri corecte
Modelul 1 contine un sigur predictor iar ecuatia ce ii corespunde se numeste ecuatie bivariata.
a= 106.51 b= -0.015
β= -0.016
Ecuatia in note brute: y = a + bx => y = 106.51 + (-0.015)x => y = 106.51- 0.015x.
y = nota bruta la variabila criteriu, raspunsuri corectea = constanta, luata din tabelb = coeficientul nestandardizat pentru primul predictor, emotivitatex = nota bruta la primul predictor, emotivitate
Ecuatia in note Z: Zy = βZx => Zy = - 0.016 Zx
Zy = nota standard (Z) la variabila criteriu, raspunsuri corecteβ = coeficientul standardizat pentru primul predictor, emotivitateZx = nota standard la primul predictor, emotivitate
- Puterea de predictie: tabelul Model Summary
Model Summary
Model R R Square
Adjusted R
Square
Std. Error of
the Estimate
Change Statistics
R Square
Change F Change df1 df2
Sig. F
Change
1 .016a .000 -.009 16.33412 .000 .028 1 105 .867
2 .064b .004 -.015 16.38143 .004 .394 1 104 .531
3 .065c .004 -.025 16.45902 .000 .022 1 103 .883
4 .318d .101 .066 15.71215 .097 11.025 1 102 .001
Se extrag din tabelul Model Summary R, R Square si Adjusted R Square pentru fiecare model de pe randul corespunzator.
r = 0.016 r² = 0.00026 r²aj = 0.009 * 100 => 0.9% => Modelul 1 format din predictorul emotivitate, explica 0.9% din varianta variabilei criteriu, raspunsuri corecte.
Obs: R²aj (Adjusted R square) nu se trece cu minus.
- Interpretarea puterii de predictie implica si analiza semnificatiei variantei explicate de fiecare model: Tabelul ANOVA
Se extrag din tabelul ANOVA valoarea lui F cu gradele de libertate din coloana df, de pe randurile Regression si Residual, precum si valoarea pragului de seminificatie din coloana Sig.
ANOVAe
Model Sum of Squares df Mean Square F Sig.
1 Regression 7.502 1 7.502 .028 .867a
Residual 28014.349 105 266.803
Total 28021.850 106
2 Regression 113.331 2 56.666 .211 .810b
Residual 27908.519 104 268.351
Total 28021.850 106
3 Regression 119.219 3 39.740 .147 .932c
Residual 27902.632 103 270.899
Total 28021.850 106
4 Regression 2840.935 4 710.234 2.877 .026d
Residual 25180.916 102 246.872
Total 28021.850 106
F(1,105) = 0.028; p = 0.867 > 0.05 => Modelul 1 este nesemnificativ, predictorul emotivitate explica un procent nesemnificativ din varianta variabilei criteriu „raspunsuri corecte”.
Modelul 2 contine doi predictori iar ecuatia ce ii corespunde se numeste ecuatie multivariata cu doi predictori.
a = 111.84b1 = -0.03b2 = -0.07β1 = -0.03β2 = -0.06
Ecuatia in note brute: y = a+b1x1+b2x2 => y = 111.84-0.03x1-0.07x2Ecuatia in note standard (Z): Zy = β1Zx1+ β2Zx2 => Zy = -0.03Zx1-0.06Zx2
- Puterea de predicite:
R=0.064 R²=0.004 R²aj = 0.015 *100 =>1.5%
Modelul al doilea, adica predictorii emotivitate si nivel activism explica 1.5% din varianta variabilei criteriu „raspunsuri corecte”.
F(2,104) = 0.211 p=0.810 > 0.050 => Modelul al doilea este nesemnificativ, adica predictorii emotivitate si nivel activism explica un procent nesemnificativ din varianta variabilei criteriu „raspunsuri corecte”
Modelul 3
a = 111.29b1 = -0.03b2 = -0.07b3 = 0.01β1 = -0.04β2 = -0.06β3= 0.01
Ecuatia in note brute: y = a+b1x1+b2x2+b3x3 => y = 111.29-0.03x1-0.07x2+0.01x3Ecuatia in note standard (Z): Zy = β1Zx1+β2Zx2+β3Zx3 => Zy = -0.04Zx1-0.06Zx2+0.01Zx3
- Puterea de predicite:
R=0.065 R²=0.004 R²aj = 0.025 *100 =>2.5%Modelul al treilea, adica predictorii emotivitate, nivel activism si continuum primar secundar explica 2.5% din varianta variabilei criteriu „raspunsuri corecte”.
F(3,103) = 0.147 p=0.932 > 0.050 => Modelul al treilea este nesemnificativ, adica predictorii emotivitate, nivel activism si continuum primar secundar explica un procent nesemnificativ din varianta variabilei criteriu „raspunsuri corecte”
Modelul 4
a = 126.21b1 = -0.07b2 = -0.08b3 = -0.03b4 = -0.41β1 = -0.07β2 = -0.07β3 = -0.03β4 = -0.31
Ecuatia in note brute: y = a+b1x1+b2x2+b3x3+b4x4 => y = 126.21-0.07x1-0.08x2-0.03x3-0.41x4Ecuatia in note standard (Z): Zy = β1Zx1+β2Zx2+β3Zx3+β4Zx4 => Zy = -0.07Zx1-0.07Zx2-0.03Zx3-0.31Zx4
- Puterea de predicite:
R=0.318 R²=0.101 R²aj = 0.066 *100 =>6.6%Modelul al patrulea, adica predictorii emotivitate, nivel activism, continuum primar secundar si total stimuli adaptare, explica 6.6% din varianta variabilei criteriu „raspunsuri corecte”.
F(4,102) = 2.877 p=0.026 < 0.050 => Modelul al patrulea este semnificativ, adica predictorii emotivitate, nivel activism, continuum primar secundar si total stimuli adaptare explica un procent semnificativ din varianta variabilei criteriu „raspunsuri corecte”
b. Cu cat se imbunatateste modelul prin introducerea in ecuatie a predictorilor 2, 3 si 4.
Tabelul Model Summary, jumatatea cu Change Statistics
Se extrag din tabel R Square Change, F Change cu gradele de libertate de la df1 si df 2 si Sig. F Change. Fiecare rand contine indicii pentru modificarile aduse in model de fiecare nou predictor adaugat.
Model Summary
Model R R Square
Adjusted R
Square
Std. Error of
the Estimate
Change Statistics
R Square
Change F Change df1 df2
Sig. F
Change
1 .016a .000 -.009 16.33412 .000 .028 1 105 .867
2 .064b .004 -.015 16.38143 .004 .394 1 104 .531
3 .065c .004 -.025 16.45902 .000 .022 1 103 .883
4 .318d .101 .066 15.71215 .097 11.025 1 102 .001
Predictorul 2 – nivel activism – vom lua datele de pe randul 2
R²ch = 0.004 *100 = 0.4% => Predictorul al doilea, nivel activism, explica in plus fata de modelul anterior format din predictorul emotivitate, 0.4% din varianta variabilei criteriu „raspunsuri corecte”.
F(1,104) = 0.394; p = 0.531 > 0.050 => Varianta explicata in plus de predictorul al doilea, nivel activism, este nesemnificativa. sau Predictorul al doilea, nivel activism, nu imbunatateste semnificativ modelul de predictie.
Predictorul 3 – continuum primar secundar – vom lua datele de pe randul 3
R²ch = 0.0002 *100 = 0.02% => Predictorul al treilea, continuum primar secundar, explica in plus fata de modelul anterior, 0.02% din varianta variabilei criteriu „raspunsuri corecte”.
F(1,103) = 0.022; p = 0.833 > 0.050 => Varianta explicata in plus de predictorul al treilea, continuum primar secundar, este nesemnificativa. sau Predictorul al treilea, continuum primar secundar, nu imbunatateste semnificativ modelul de predictie.
Predictorul 4 – total stimuli adaptare – vom lua datele de pe randul 4
R²ch = 0.097 *100 = 9.7% => Predictorul al patrulea, total stimuli adaptare, explica in plus fata de modelul anterior, 9.7% din varianta variabilei criteriu „raspunsuri corecte”.
F(1,102) = 11.025; p = 0.001 < 0.050 => Varianta explicata in plus de predictorul al patrulea, total stimuli adaptare, este semnificativa. sau Predictorul al patrulea, total stimuli adaptare, imbunatateste semnificativ modelul de predictie.
c. Ierarhizare predictori folosind coeficientii – standardizati si – nestandardizati.
Atat pentru ierarhizarea predictorilor in functie de coeficientii standardizati cat si pentru cea in functie de coeficientii nestandardizati, vom extrage coeficientii din Tabelul Coefficients din ultimul model de predictie introdus, in cazul de fata modelul 4.
Coefficientsa
Model
Unstandardized Coefficients Standardized Coefficients
t Sig.B Std. Error Beta
1 (Constant) 106.516 3.661 29.099 .000
emotivitate -.015 .092 -.016 -.168 .867
2 (Constant) 111.841 9.239 12.105 .000
emotivitate -.037 .098 -.039 -.377 .707
nivelul de activism -.076 .121 -.066 -.628 .531
3 (Constant) 111.291 10.005 11.123 .000
emotivitate -.038 .099 -.040 -.383 .702
nivelul de activism -.077 .122 -.067 -.636 .526
continuum primar-
secundar.017 .115 .015 .147 .883
4 (Constant) 126.218 10.556 11.957 .000
Coefficientsa
emotivitate -.074 .095 -.079 -.781 .436
nivelul de activism -.083 .116 -.072 -.714 .477
continuum primar-
secundar-.038 .111 -.032 -.337 .736
total stimuli adaptare -.416 .125 -.318 -3.320 .001
--- - date pentru ierarhizarea in functie de coeficientii standardizati--- - date pentru ierarhizarea in functie de coeficeintii nestandardizati
- Ierarhizarea in functie de coeficientii standardizati: o se extrag coeficientii standardizati din coloana Beta a tabelului Coefficients de la
ultimul model introduso Se ierarhizeaza in functie de valoarea lui beta in modul, fara a tine cont de
semn, de la valoarea cea mai mare la cea mai mica.
β1 = -0.079 II 0.318>0.079>0.072>0.032β2 = -0.072 IIIβ3 = -0.032 IVβ4 = -0.318 I
P4 – P1 – P2 – P3
- Ierarhizarea in functie de coeficientii nestandardizati:o Se extrag coeficientii nestandardizati din coloana B, precum si valorile lui t si ale
lui Sig. din tabelul Coefficients de la ultimul model introdus. o Se ierarhizeaza in functie de valoarea lui t in modul, fara a tine cont de semn,
de la valoarea cea mai mare la cea mai mica.
b1 = -0.074 t = -0.781 p = 0.436 II 3.320>0.781>0.714>0.337b2 = -0.083 t = -0.714 p = 0.477 IIIb3 = -0.038 t = -0.337 p = 0.736 IVb4 = -0.416 t = -3.320 p = 0.001 I
P4 – P1 – P2 – P3
Obs: Ierarhia predictorilor in functie de coeficientii standardizati este aceeasi ca si ierarhia in functie de coeficientii nestandardizati.
d. Ierarhizare modele in functie- de puterea de predictie- de semnificatie.
- Ierarhizare modele in functie de puterea de predictie: Tabelul Model Summary
o Se extrag din tabelul Model Summary: R, R Square si Adjusted R Square pentru fiecare model de pe randul corespunzator.
o Se ierarhizeaza in functie de procentul de varianta explicat de fiecare model.
Model Summary
Model R R Square
Adjusted R
Square
Std. Error of
the Estimate
Change Statistics
R Square
Change F Change df1 df2
Sig. F
Change
1 .016a .000 -.009 16.33412 .000 .028 1 105 .867
2 .064b .004 -.015 16.38143 .004 .394 1 104 .531
3 .065c .004 -.025 16.45902 .000 .022 1 103 .883
4 .318d .101 .066 15.71215 .097 11.025 1 102 .001
Model 1: r = 0.016 r² = 0.00026 r²aj = 0.009 * 100 => 0.9% IVModel 2: R=0.064 R²=0.004 R²aj = 0.015 *100 =>1.5% IIIModel 3: R=0.065 R²=0.004 R²aj = 0.025 *100 =>2.5% IIModel 4: R=0.318 R²=0.101 R²aj = 0.066 *100 =>6.6% I
6.6 > 2.5 > 1.5 > 0.9 M4 – M3 – M2 – M1
- Ierarhizare modele in functie de semnificatie: Tabelul ANOVAo Se extrag din tabelul ANOVA valoarea lui F cu gradele de libertate din coloana
df, de pe randurile Regression si Residual, precum si valoarea pragului de seminificatie din coloana Sig.
o Se ierarhizeaza in functie de valoarea lui F.
ANOVAe
Model Sum of Squares df
Mean
Square F Sig.
1 Regression 7.502 1 7.502 .028 .867a
Residual 28014.349 105 266.803
Total 28021.850 106
2 Regression 113.331 2 56.666 .211 .810b
Residual 27908.519 104 268.351
ANOVAe
Total 28021.850 106
3 Regression 119.219 3 39.740 .147 .932c
Residual 27902.632 103 270.899
Total 28021.850 106
4 Regression 2840.935 4 710.234 2.877 .026d
Residual 25180.916 102 246.872
Total 28021.850 106
Model 1: F(1,105) = 0.028; p = 0.867 IVModel 2: F(2,104) = 0.211; p = 0.810 II Model 3: F(3,103) = 0.147; p = 0.932 IIIModel 4: F(4,102) = 2.877; p = 0.026 I
2.877 > 0.211 > 0.147 > 0.028 M4 – M2 – M3 – M1
e. Ierarhizare predictori in functie de varianta explicata in plus in momentul introducerii in ecuatie: Tabelul Model Summary jumatatea cu Change Statistics
- Se extrag din tabel R Square Change, F Change cu gradele de libertate de la df1 si df 2 si Sig. F Change.
- Se ierarhizeaza in functie de valoarea lui F.
Model Summary
Model R R Square
Adjusted R
Square
Std. Error of
the Estimate
Change Statistics
R Square
Change F Change df1 df2
Sig. F
Change
1 .016a .000 -.009 16.33412 .000 .028 1 105 .867
2 .064b .004 -.015 16.38143 .004 .394 1 104 .531
3 .065c .004 -.025 16.45902 .000 .022 1 103 .883
4 .318d .101 .066 15.71215 .097 11.025 1 102 .001
Predictorul 1: R²ch = 0.0002 F(1,105) = 0.028 p = 0.867 IIIPredictorul 2: R²ch = 0.004 F(1,104) = 0.394 p = 0.531 IIPredictorul 3: R²ch = 0.0002 F(1,103) = 0.022 p = 0.883 IVPredictorul 4: R²ch = 0.097 F(1,102) = 11.025 p = 0.001 I
11.025 > 0.394 > 0.028 > 0.022 P4 – P2 – P1 – P3
f. Precizati care sunt predictorii care trebuie pastrati in vederea construirii unui model de regresie puternic.
o Se extrag coeficientii nestandardizati din coloana B, precum si valorile lui t si ale lui Sig. din tabelul Coefficients de la ultimul model introdus.
o Se pastreaza predictorii semnificativi, care au un prag de semnificatie < 0.050
b1 = -0.074 t = -0.781 p = 0.436 > 0.050b2 = -0.083 t = -0.714 p = 0.477 > 0.050b3 = -0.038 t = -0.337 p = 0.736 > 0.050b4 = -0.416 t = -3.320 p = 0.001 < 0.050In vederea construirii unui model de regresie puternic se pastreaza predictorul al patrulea, total stimuli adaptare, singurul predictor semnificativ, p = 0.001 < 0.050.
g. Precizati scorul brut la variabila criteriu pentru un subiect care a obtinut nota 9 la primul predictor, emotivitate.
Pentru ca avem scorul brut doar pentru primul predictor, emotivitate, vom folosi pentru prezicerea rezultatului la var. criteriu ecuatia in note brute de la primul model.
a= 106.51 b= -0.015 x = 9
Ecuatia in note brute: y = a + bx => y = 106.51 + (-0.015)9 => y = 106.51- 0.015*9 => y = 106.375