Múltiples pasos del análisis de regresión lineal
Múltiples pasos del análisis de regresión lineal
01, procesamiento de datos 02, vista de relaciones básicas (lineal y correlación) 03, resultados de regresión lineal (efecto del modelo, resultados del modelo)
Los resultados del análisis de regresión lineal del efecto del modelo 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 ecuación de regresión En la prueba de significancia, el estadístico F=2,574, el valor P correspondiente es menor que 0,05, la relación lineal de las variables explicativas es significativa y el modelo puede establecerse. Después de establecer el modelo, debe verificar si la bondad de ajuste del modelo es normal, donde puede verificar el valor de R cuadrado y ajustar el valor de R cuadrado.
Bondad de ajuste:
Como se puede observar en la tabla anterior, los recursos sociales, el nivel educativo y el desarrollo tecnológico se utilizan como variables independientes, y la posibilidad emprendedora se utiliza como variable dependiente. variable 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 valor R-cuadrado ajustado es 0,038, donde R-cuadrado es el coeficiente de determinación y es el índice de ajuste del modelo. ¿Qué proporción de las fluctuaciones en la respuesta Y se puede describir mediante fluctuaciones en X, y el R cuadrado ajustado también es un indicador del ajuste del modelo? Cuando el número de Se puede observar que la bondad de ajuste del modelo es promedio, lo que indica que el modelo puede explicar menos variables explicativas. Luego verifique si las variables tienen múltiples relaciones lineales.
El valor VIF se utiliza para detectar problemas de relaciones lineales. Generalmente, un valor VIF inferior a 10 significa que no existe una relación lineal (el estándar estricto es a veces 5). El valor de tolerancia se utiliza como estándar, valor de tolerancia = 1/VIF, por lo que el valor de tolerancia mayor que 0,1 significa que no existe una relación lineal directa (estrictamente mayor que 0,2), VIF y el valor de tolerancia tienen una correlación lógica, por lo que los dos Se puede seleccionar VIF. Hay una correspondencia lógica con el valor de tolerancia, por lo que ambos están bien. Descripción general de los valores VIF. En el análisis de regresión lineal, SPSSAU determinará de forma inteligente el problema más lineal y proporcionará sugerencias de solución. Los resultados muestran que los valores VIF de cada variable son menores que 5, por lo que no hay problema de linealidad múltiple en este ejemplo.
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, la ecuación del modelo 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 tiene 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 tienen impacto en 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 indica 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 indica que el género no tiene impacto en la posibilidad de emprender. El coeficiente de regresión de la edad es 0,024 (t=0,297, p=0,767>0,05), lo que indica que la edad no tiene impacto en la posibilidad de emprender.
El resumen del análisis muestra que el nivel educativo tiene 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 Influencia, cuanto mayor es el valor, mayor es el impacto. Cuando el valor Beta es menor que 0, es un impacto negativo. Cuanto menor es el valor, mayor es 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.