1 / 12

Korelacijske metode psihologija (1.st.) – 2. letnik 2011/12 4. predavanje:

Korelacijske metode psihologija (1.st.) – 2. letnik 2011/12 4. predavanje: multipla regresija in korelacija Nelinarni odnosi in kategorični podatki. Statistično sklepanje pri multipli regresiji (1). Toleranca = % var. napovednika j , ki ga ne pojasnijo drugi napovedniki.

shea-rowland
Télécharger la présentation

Korelacijske metode psihologija (1.st.) – 2. letnik 2011/12 4. predavanje:

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. Korelacijske metode psihologija (1.st.) – 2. letnik 2011/12 4. predavanje: multipla regresija in korelacija Nelinarni odnosi in kategorični podatki

  2. Statistično sklepanje pri multipli regresiji (1) Toleranca = % var. napovednika j, ki ga ne pojasnijo drugi napovedniki. • Stabilnost modela odvisna od: • multiple korelacije (), • velikosti vzorca (), • števila napovednikov (), • korelacij mednapovedniki oz. Tol(), • vplivnih točk (). b/SE (b) ~ t (N-P-1) Navzkrižna validacija: preizkus stabilnosti modela.

  3. Statistično sklepanje pri multipli regresiji (2) • Vzorčni R je pristranska cenilka populacijskega. • Razlogi: • omejeno število prostostnih stopenj (zlasti pri majhnem N/P), • izkoriščanje slučajnih odstopanj vzorčnih korelacij od populacijskih. Wherryjev popravek (nepristranska ocena Rpop.): SPSS: “adjusted R” Zelo približno priporočilo: vsaj 15-30 oseb na napovednik (odvisno tudi od R, P, Tol in zaželene moči!)

  4. Statistično sklepanje pri multipli regresiji (3) Statistična značilnost R (H0: Rpop. = 0) df1 = P df2 = N - P - 1 Razlika med dvema R (H0: Rpop.(Y.1…P) = Rpop.(Y.1…P+D)) (samo za gnezdene skupine prediktorjev!): df1 = D df2 = N-P-D-1 P: prvotno št. prediktorjev; D: št. dodanih prediktorjev

  5. Napovedni intervali • = interval, v katerem z določeno verjetnostjo pričakujemo vrednost Y za osebo z določeno kombinacijo vrednosti X1-Xp • Širina odvisna od: • višine R, • velikosti vzorca , • oddaljenosti osebe od povprečja napovednikov . • Pri enem napovedniku:

  6. Nelinearni odnosi • Krivuljčen odnos skušamo opisati z vključitvijo nelinearnega člena: • Npr.: Yi = a + b1Xi + b2Xi2 + ei • V model najprej vključimo linearni člen. • Vključitev X2 vedno zviša R !  višina in stat. značilnost zvišanja? • Napovedovanje XY in YX ni enako natančno. • Pozor pri interpretaciji b1 in b2! • Kolinearnost: X centriramo. • Ne ekstrapoliraj! • Interakcija/moderacija: Na odnos med X in Y vpliva Z (več o tem prihodnje leto).

  7. Kategorični napovedniki • Dihotomni napovedniki: • Pripadnikom skupine 1 napovemo za b višji dosežek kot pripadnikom skupine 2. • Regresija z 1 dihotomnim napovednikom  t test za neodvisna vzorca. Npr.: spol in pravičnost nagrajevanja Plača = a + b1×spol + b2×kakovost +b3×zahtevnost + e b1= 0  pravično nagrajevanje Napačen pristop: razlika med povprečno plačo M in Ž

  8. Ordinalne in nominalne spremenljivke s k vrednostmi: • Izdelamo k-1 dihotomnih indikatorskih spremenljivk (dummy variables). • “Referenčna kategorija”: vse indikatorske spremenljivke = 0. • Npr: od česa je odvisen • dohodek? • Zahtevnost dela • Kakovost dela • Panoga • Plača = • a + b1×zahtevnost + b2×kakovost + b3×I1 + b4×I2 + e

  9. Plača = • a + b1×zahtevnost + b2×kakovost + b3×I1 + b4×I2 + e • V model vključimo (ali izključimo) vse indikatorske spremenljivke hkrati. • b = povprečna razlika med kategorijo i in referenčno kategorijo (pri kontroliranih preostalih prediktorjih) • a = povprečje referenčne kategorije (ko preostali prediktorji enaki 0) • Npr: • b3 = povprečna razlika med storitvami in javnim sektorjem za enako zahtevno in enako kakovostno opravljeno delo • če centrirani zahtevnost in kakovost: a =povprečna plača v javnem sektorju pri povprečni zahtevnosti in kakovosti

  10. Kaj navajamo pri poročanju? Regresijske koeficiente (Beta koeficiente) Standardne napake Intervale zaupanja (Popravljeni) koeficient multiple korelacije in determinacije oz. indeks učinkovitosti napovedi F test za multiplo korelacijo (standardno napako napovedi) Pri postopnem vključevanju še spremembo pojasnjene variance.

  11. Primer tabele:

  12. Opomnik – na kaj moramo posebej paziti? • Pred analizo: • Linearni model teoretično utemeljen? • Aditivni model teoretično utemeljen? • Vključeni ključni prediktorji? • Velikost vzorca, moč testov? • Merska raven vključenih spremenljivk? • Zanesljivost napovednikov (majhna napaka merjenja)? • Kriterij intervalen, pribl. normalno porazdeljen? • Vzorčenje? • Med analizo in po njej: • Predpostavke – normalnost, linearnost, homoscedastičnost? • Vplivne točke? • Korelacije med napovedniki - multikolinearnost? • Stabilnost modela (SEb, Radj., navzkrižna validacija…)

More Related