Artigos

Tire duas dúvidas com o especialista no assunto Dr. Daphnis Citti de Lauro

다중선형회귀 예제

회귀 계수를 포함하는 모델에 회귀 계수를 추가하는 중요성을 테스트하는 가설 문은 다음과 같이 작성될 수 있습니다: 다중 선형 회귀 분석의 중심에는 단일 선을 통해 단일 선을 피팅하는 작업이 분산형 플롯. 보다 구체적으로 다중 선형 회귀는 다차원 데이터 포인트 공간을 통해 선에 맞습니다. 가장 간단한 양식에는 하나의 종속 변수와 두 개의 독립변수가 있습니다. 종속 변수는 결과 변수 또는 회귀라고도 할 수 있습니다. 독립 변수를 예측 변수 또는 회귀 변수라고도 합니다. 일반적으로 () 표시기 변수는 레벨이 있는 정성적 요인을 나타내는 데 필요합니다. 예를 들어, 세 가지 유형의 기계를 나타내는 정성적 계수는 두 개의 표시기 변수를 사용하여 다음과 같이 나타낼 수 있습니다: 달리 지정되지 않는 한”다중 회귀”는 일반적으로 일변량 선형 다중 회귀 분석을 나타냅니다. “Univariate”는 정확히 하나의 관심 변수를 예측하고 있음을 의미합니다. “선형”은 각 예측 변수와 기준 간의 관계가 모델에서 선형임을 의미합니다. 예를 들어 아래 그림은 동기 부여와 작업 성과 간의 가정된 관계를 시각화합니다. Henry의 회귀 모델에는 작업 성능 = (109 x 0.27) + (89 x 0.31) + (73 x 0.16) + 18.1 = 86.8이 명시되어 있습니다. 즉, 헨리는 86.8의 직무 성과에 대한 예측 값을 가지고 있습니다. 이것은 헨리가 우리의 모델에 따라 가져야 하는 직무 성과 점수입니다.

그러나 모델은 현실을 근사화하려는 시도일 뿐이므로 예측된 값은 일반적으로 데이터의 실제 값과 다소 다릅니다. 이제 이 문제를 좀 더 살펴보겠습니다. SPSS에서 여러 회귀를 실행하는 경우 SPSS 다중 회귀 분석 자습서를 시도합니다. 각 예측 변수에 레벨이 있게 합니다. 그런 다음 th 예측 변수의 th 레벨을 나타냅니다. 예를 들어 첫 번째 예측 변수의 다섯 번째 수준을 나타내고 아홉 번째 예측 변수의 첫 번째 수준을 나타냅니다. 이러한 각 수준에 대해 기록된 관측값은 다음과 같은 방식으로 표현될 수 있습니다: 다중 회귀의 결과를 해석할 때 베타 계수는 다른 모든 변수를 상수(“다른 모든 동등한”)를 유지하면서 유효합니다.