Múltiples pasos del análisis de regresión lineal
Múltiples pasos del análisis de regresión lineal
01, procesamiento de datos 02, visualización de relaciones básicas (lineal y correlación) 03, resultados de regresión lineal (efecto del modelo, resultados del modelo)
Los resultados del efecto del modelo de análisis de regresión lineal son los siguientes:
Como se puede ver en la tabla anterior, la suma de los cuadrados de las desviaciones es 162.149, la suma de los cuadrados de los residuos es 152.062 , y la suma de cuadrados de la regresión es 10,086. En la prueba de significancia de la ecuación de regresión, el estadístico F=2,574 y el valor p correspondiente es menor que 0,05. La relación lineal entre las variables explicadas es significativa y se puede establecer el modelo. Después de establecer el modelo, debe verificar si la bondad de ajuste del modelo es aceptable, en la cual puede verificar el R cuadrado y ajustar el valor de R cuadrado.
Bondad de ajuste:
Como se puede observar en la tabla anterior, se utilizan como variables independientes los recursos sociales, el nivel educativo y el desarrollo tecnológico, y como variables independientes se utiliza la posibilidad de emprender. la variable dependiente para el análisis de regresión lineal Como se puede ver en la tabla anterior, el valor R-cuadrado del modelo es 0,062 y el R-cuadrado ajustado es 0,038, donde R-cuadrado es el coeficiente de determinación y el índice de ajuste del modelo. Refleja qué proporción de las fluctuaciones en Y pueden describirse mediante las fluctuaciones en X. El R cuadrado ajustado también es un indicador de ajuste del modelo. Cuando el número de x es grande, ajustar R? es más preciso que R?. Esto significa que los recursos sociales, el nivel educativo y el desarrollo tecnológico pueden explicar el 6,2% de los cambios en la posibilidad de emprender. Se puede observar que la bondad de ajuste del modelo es promedio, lo que indica que el modelo puede explicar menos de la variable explicada. Luego verifique si la variable es multilineal.
El valor VIF se utiliza para detectar problemas de linealidad absoluta. Generalmente, un valor VIF inferior a 10 significa que no existe linealidad absoluta (el estándar estricto es 5. A veces se utiliza el valor de tolerancia como estándar). Valor de tolerancia = 1/VIF, por lo que si el valor de tolerancia es mayor que 0,1, significa que no hay linealidad absoluta (estrictamente mayor que 0,2). Existe una correspondencia lógica entre VIF y el valor de tolerancia, por lo que puede elegir uno de los. dos Generalmente, se describe el valor VIF. Durante el análisis de regresión lineal, SPSSAU determinará de forma inteligente el problema más lineal y proporcionará sugerencias de solución. Se puede ver en los resultados que los valores VIF de las variables son todos menores que 5, por lo que no hay problema de linealidad multilineal en este caso.
Como se puede observar en la tabla anterior, el nivel educativo, los recursos sociales, el desarrollo tecnológico, el género y la edad se utilizan como variables independientes, y la posibilidad de emprender se utiliza como variable dependiente para el análisis de regresión lineal. Como se puede observar en el cuadro anterior, el modelo La fórmula es: Posibilidad de emprendimiento = 2.114 + 0.251*nivel educativo + 0.026*recursos sociales + 0.013*desarrollo tecnológico-0.172*género + 0.024*edad.
El análisis final muestra que el valor del coeficiente de regresión del nivel educativo es 0,251 (t=2,934, p=0,004<0,01), lo que significa que el nivel educativo tendrá un impacto positivo significativo en la posibilidad de emprender. El valor del coeficiente de regresión de los recursos sociales es 0,026 (t=0,271, p=0,787>0,05), lo que significa que los recursos sociales no afectan la posibilidad de emprender. El valor del coeficiente de regresión del desarrollo tecnológico es 0.013 (t=0.140, p=0.889>0.05), lo que significa que el desarrollo tecnológico no tiene impacto en la posibilidad de emprender.
El valor del coeficiente de regresión del género es -0,172 (t=-1,212, p=0,227>0,05), lo que significa que el género no afecta la posibilidad de emprender. El valor del coeficiente de regresión de la edad es 0,024 (t=0,297, p=0,767>0,05), lo que significa que la edad no afecta la posibilidad de emprender.
El análisis resumido muestra que el nivel educativo tendrá un impacto positivo significativo en la posibilidad de emprender. Sin embargo, los recursos sociales, el desarrollo tecnológico, el género y la edad no afectan la posibilidad de emprender.
Si la variable independiente Cuanto mayor es el valor, mayor es el impacto. Cuando el valor Beta es menor que 0, tiene un impacto negativo. Cuanto menor sea el valor, mayor será el impacto. Como se muestra en la figura anterior, el término constante de la ecuación de regresión es aproximadamente 2,114, y los coeficientes estandarizados de nivel educativo, recursos sociales, desarrollo tecnológico, género y edad son 0,218, 0,022, 0,011, -0,085 y 0,021 respectivamente.
Se puede observar que el nivel educativo en el modelo tiene un mayor impacto en la posibilidad de emprender.