Please enable JavaScript.

Coggle requires JavaScript to display documents.

Regressioanalyysi (lineaarinen) - Coggle Diagram

- - - - ei syy-seurausuhteita vaan muuttujien välinen yhteys
      - selittäjillä oma erityinen selitysosuus mutta myös niiden päällekkäinen selitysosuus mahdollinen
        
        jos pisteen etäisyys suorasta on pieni, selitysaste on korkea
      - mallin selitysaste R^2 saadaan, kun lasketaan yhteen kunkin selittäjän erityiset ja selittäjien päällekkäiset selitysosuudet
      - tavoitteena on selittää usealla eri muuttujalla yhdessä selitettävässä (riippuvassa) muuttujassa havaittavaa vaihtelua ja tähän pyritään sovittamalla aineistoon regressiosuora, joka on muotoa: y = a + b1x1 + b2x2 +...+ bpxp + e
        
        y = selitettävä
        
        a = mallin lähtötaso (vakio)
        
        x = selittäjä
        
        b = regressiokerroin (kuinka paljon y muuttuu kun x muuttuu yhden yksikön verran)
        
        e = osuus y:n vaihtelusta, jotka x:t ei selitä (jäännös)
      - ollaan kiinnostuneita: 1) kunkin selittäjän erityisestä selitysosuudesta kun muut selittäjät on kontrolloitu ja 2) mallin kokonaisselitysasteesta
      - muuttujien väliset korrelaatiot:
        1) tähdet (**) kertovat tilastollisesta merkitsevyydestä (mitä enemmän tähtiä, sitä todennäköisemmin havainto on totta myös perusjoukossa)
        2) yhteyden voimakkuus kertoo, kuinka vahvasti selitettävän vaihtelu on yhteydessä selittäjän vaihteluun (tulkinta korrelaation voimakkuudesta esim. 0,01 heikko, 0,03 kohtalainen, 0,05 voimakas (Cohen, 1992))
        3) yhteyden suunta (+/-)
        selittäjien keskinäiset korrelaatiot (multikollineaarisuus voi olla ongelma, jos selittäjien keskinäiset korrelaatiot ovat erittäin voimakkaita (> 0,80) mutta vain korrelaatioiden perusteella mallista ei saa poistaa selittäjiä vaan täytyy tarkastella VIF-arvoja)
      - soveltuu käytettäväksi, kun: 1) yksi selitettävä (riippuva) muuttuja, joka on väh. välimatka-asteikollinen
        2) monta selittävää (riippumatonta) muuttujaa, jotka ovat väh.välimatka-asteikollisia tai 2-luokkaisia luokitteluasteikollisia
        3) sopivat muuttujien mitta-asteikot
        4) lineaarinen yhteys ja ei poikkeavia arvoja
        5) ei selittäjien multikollineaarisuutta
    - - selitettävät muuttujat laitetaan malliin eri askelmilla tietyssä, tutkimuskysymysasettelun määrittämässä järjestyksessä
      - käytetään, kun: 1) halutaan tutkia tiettyjen selittäjien (esim. taustamuuttujien) yhteisestä selitysosuudesta tai toisten selittäjien tuomaa selitysasteen muutosta esim. taustamuuttujien vaikutuksien jälkeen
        2) ollaan kiinnostuneita jonkun tekijän (esim. sukupuolen) muuntavasta vaikutuksesta
- - - - muuttujien mitta-asteikot
      - riittävästi tutkittavia suhteessa selittäjien määrään (vähintään 20+5 x selittäjien määrä)
      - selittäjien ja selitettävän väliset yhteydet ovat lineaarisia eikä aineistossa ole poikkeavia havaintoja
      - selittäjät eivät ole multikollineaarisia
- - - - jos p < ,05, malli sopii aineistoon ja voidaan tulkita eri selittäjien vaikutuksia
      - F-rimpsu ANOVA-taulukosta: F(selitysasteet) = F-arvo, p-arvo
      - F-suhde on suuri, jos malli on toimiva ja jäännöstermit pieniä
  - - - 1) suunta:
        B = neg. -> selittäjän kasvaessa selitettävä pienee
        B = pos. -> selittäjän kasvaessa selitettävä kasvaa
        2) ja suuruus sillä beeta-arvot ovat keskenään vertailukelpoisia
- - - - 3) jos yhteisvaikutustemi p < ,05 ja muuntava tekijä dikotominen niin tehdään regressioanalyysit erikseen kummallekin ryhmälle ilman yhteisvaikutustermiä ja muuntavaa tekijää
        
        4) vertaillaan rinnakkaisia malleja: onko selittäjät merkitseviä molemmissa ryhmissä ja onko standardoimattomat beetat erisuuria