Pasos del análisis de regresión no lineal spss
El análisis de regresión se puede dividir en análisis de regresión lineal y análisis de regresión no lineal según el tipo de relación entre la variable independiente y la variable dependiente. Los parámetros de regresión de la regresión no lineal no son lineales y no pueden linealizarse mediante transformación.
Principio
La regresión no lineal se utiliza para establecer una relación no lineal entre una variable dependiente y un conjunto de variables independientes. A diferencia de la regresión lineal, que estima modelos lineales mediante el uso de un algoritmo de estimación iterativo, la regresión no lineal permite la estimación de modelos con relaciones arbitrarias entre variables independientes y dependientes.
Para aquellos modelos que parecen no lineales pero que pueden transformarse en modelos lineales transformando variables, los llamamos modelos lineales intrínsecos.
Cómo funciona
01
Esta sección describe cómo determinar y configurar la ecuación de regresión lineal. Esto incluye regresión lineal univariante con una sola variable independiente y regresión lineal múltiple con múltiples variables independientes. Para garantizar que la ecuación de regresión establecida cumpla con el estándar de linealidad, generalmente necesitamos realizar pruebas de linealidad en las variables dependientes e independientes antes de realizar el análisis de regresión. Es decir, se realiza una prueba lineal aproximada de la relación entre variables con la ayuda de un diagrama de dispersión, que es similar al diagrama de dispersión descrito en el capítulo sobre análisis de correlación y no se describirá nuevamente aquí. Además, los diagramas de dispersión también pueden detectar valores singulares en los datos, y es necesario verificar cuidadosamente si los posibles valores singulares representados en el diagrama de dispersión son creíbles.
I. Análisis de regresión lineal unidireccional
Utilice SPSS para realizar el análisis de regresión. La operación de muestra es la siguiente:
02
03
Haga clic en el botón "Estadísticas..." y podrá elegir cierta información estadística que se generará. Por ejemplo, el valor estimado (coeficiente de regresión) en el coeficiente de regresión puede generar el coeficiente de regresión y las estadísticas relacionadas, incluido el coeficiente de regresión B, el error estándar, el coeficiente de regresión estandarizado BETA, el valor T y el nivel de significancia, etc. El término de ajuste del modelo puede generar el coeficiente de correlación R, el coeficiente de determinación R2, el coeficiente de ajuste, el error estándar estimado y la tabla de análisis de varianza. Los dos elementos anteriores son las opciones predeterminadas; asegúrese de seleccionarlas. La configuración se muestra en la Figura 7-10. Una vez completada la configuración, haga clic en Continuar para regresar al cuadro de diálogo principal.
Después de establecer la ecuación de regresión, además de probar la importancia de la ecuación, también es necesario probar si la ecuación establecida viola los supuestos del análisis de regresión. Para este propósito, se requiere un análisis residual múltiple. Dado que el contenido de esta parte es relativamente complejo y teórico, no se presentará en detalle. Los lectores interesados pueden consultar la información relevante.
04
Los usuarios también pueden elegir si generar constantes de ecuación al realizar el análisis de regresión. Haga clic en el botón Opciones... para abrir su cuadro de diálogo y podrá ver que hay una opción Incluir constantes en ecuaciones en el medio. Marque esta opción para generar pruebas constantes. En el cuadro de diálogo de opciones, también puede definir el método para manejar los valores faltantes y establecer los criterios para incluir y excluir variables en la ecuación de regresión paso a paso múltiple. Aquí utilizamos la configuración predeterminada del sistema, como se muestra en la Figura 7-11. Una vez completada la configuración, haga clic en Continuar para regresar al cuadro de diálogo principal.