Como interpretar regressões múltiplas em SPSS

Escrito por peter flom | Traduzido por karina silva
Como interpretar regressões múltiplas em SPSS
A regressão múltipla explora como uma variável está relacionada a várias outras variáveis (Creatas/Creatas/Getty Images)

A regressão múltipla é uma técnica estatística que explora como uma variável, a variável dependente, está relacionada a várias outras variáveis, ​​chamadas variáveis ​​independentes. Na regressão múltipla, a variável dependente deve ser contínua, como altura, peso ou renda, em oposição a uma categórica, como em quem votou na última eleição. Por exemplo, pode-se usar a regressão múltipla para explorar como a renda está relacionada à raça, etnia, idade e escolaridade entre os adultos norte-americanos.

Instruções

  1. 1

    Examine a tabela "variáveis registradas / ​​removidas". Isso mostra quais variáveis ​​independentes foram incluídas em sua regressão. Se você executou mais de um modelo, todos serão mostrados. Isso é bom para verificar se o SPSS fez o que você queria.

  2. 2

    Examine o modelo de tabela de resumo. Isso inclui o R, o R-quadrado e R-quadrado ajustado ao modelo, e o erro padrão de estimativa. O R-quadrado é uma medida do quanto de variação na variável dependente é explicada pelo modelo. O R-quadrado ajustado tenta ajustar isso à complexidade do modelo. Modelos mais complexos explicarão mais variância do que modelos mais simples.

  3. 3

    Examine a tabela de ANOVA (Análise de Variância). Em particular, o F e sua df (graus de liberdade) são indicadores de quão bom é o modelo. O Sig. (significância estatística) é uma medida de quão provável um F alto ou superior poderia ter surgido se não houvesse nenhuma relação em toda a população da qual a amostra analisada foi traçada.

  4. 4

    Examine a tabela de coeficientes. Ela informa quão estatisticamente significativa é cada variável independente (Sig.). O coeficiente não padronizado é uma estimativa que pode ser usada para construir um modelo preditivo. A saída também inclui um intervalo de confiança para cada parâmetro de variável estimada, que diz em qual intervalo é possível ter 95 por cento de certeza de que o parâmetro está certo.