I det här inlägget ska vi:
I vanlig regressionsanalys undersöker man de direkta effekterna av en eller flera oberoende variabler på en beroende variabel. Men i många teorier så antar man att en effekt kan medieras genom en annan variabel – effekten går så att säga genom en annan variabel.
Q: Hur genomför man en logistisk regressionsanalys i SPSS? Vad är viktigast att titta på i outputen?
Q: Vi har genomfört två stycken multiple regressioner med 1 beroende, samt 8 respektive 2 oberoende variabler. Då vi i början av vår metod tänkte uttrycka detta i en funktion så undrar vi om det finns någon standardfunktion för en multipel regressionsanalys?
A: Japp, det finns det. I en regression med två oberoende variabler ser den ut såhär:
Yi = B0 + B1X1i + B2X2i + ei
Det betyder alltså att variabeln Y för personen i är lika med ett startvärde (interceptet), B0, plus koefficienten för variabel X1 (B1) gånger X1, plus koefficienten för X2 (B2) gånger X2, plus en felterm för varje person. När ni skriver er funktion så byter ni lämpligen ut Y, X1 och X2 mot namnen på era variabler.
Det regressionsanalysen syftar till är ju att uppskatta värdet på B0, B1 och B2, och särskilt på B1 och B2. Om B1 till exempel är signifikant skild från noll så betyder det ju att det finns ett samband mellan Y och X1.
Q: Hur kan man skapa en ny variabel (X) med fyra svarsalternativ eller celler med villkor från fyra dikotoma variabler d.v.s. krav1, krav2, kontroll1, kontroll2 med respektive svarsalternativ ”Ja” = 1 och ”Nej” = 2.
Cell1 med villkor: om (krav1 = 1 & krav2 = 1) & (minst ett av kontrollmåtten = 2).
Cell2 med villkor: om (minst ett av kravmåtten = 2) & (minst ett av kontrollmåtten = 2).
Cell3 med villkor: om (krav1 = 1 & krav2 = 1) & (kontroll1 = 1 & kontroll2 = 1).
Cell4 med villkor: (minst ett av kravmåtten = 2) & (kontroll1 = 1 & kontroll2 = 1).
I det här inlägget ska vi:
Fortsätt läsa ”Guide: Regressionsdiagnostik – multikollinearitet”
I tidigare inlägg om regressionsanalys har jag beskrivit hur man ska tolka signifikansvärden för att se om regressionskoefficienten är signifikant skild från noll, det vill säga huruvida vi kan vara säkra på om det finns en effekt eller inte.
I det här inlägget tänkte jag beskriva hur man kan tolka regressionskoefficienternas standardfel för att avgöra om en koefficient är signifikant eller inte, och hur man också enkelt kan testa om koefficienten är signifikant skild från något annat tal än noll.
Fortsätt läsa ”Guide: Tolka standardfel i regressionsanalys”
Q: Jag läste inlägget om regressionsanalys med interaktionseffekter och förstår hur det går till, men finns möjligheten att göra samma sorts av analys på en variabel som inte är en dummy-variabel? Om så är fallet, hur tolkas resultatet?
Fortsätt läsa ”Läsarfråga: Interaktionseffekter med kontinuerlig variabel”
I det här (långa, men intressanta) inlägget ska vi:
Fortsätt läsa ”Guide: Regressionsanalys med interaktionseffekter”
Jag hade tänkt göra en ny guide till någon typ av analys och lägga upp här på bloggen. Tyvärr har jag inte så mycket tid som jag skulle önska, och undrar därför vad som egentligen efterfrågas. Vad ska nästa guide handla om?
Jag har försökt tänka ut några ämnen till saker som är bra att kunna och gjort en omröstning. Lägg din röst på det du helst vill se i nästa guide. Om det inte finns med i listan, välj ”Other”, och skriv vad du önskar dig!
Q: En av variablerna som jag testar i multipel linjär regression har svarsalternativen 1= aldrig, 2=sällan, 3=ofta, 4= väldigt ofta. Jag har i analysen nu gjort dummyvariabler av samtliga utom nr 4, vilken jag jämför med. Så långt inga problem. Däremot går jag problem med multikollinearitet i variablerna 1 & 2 när jag lägger in dem i en regressionsmodell med andra variabler. Spontant känns det inte så underligt att de kanske är beroende av varandra och verkar liknande på den beroende variabeln eftersomd de är skapade ur samma grundvariabel. Men hur tar jag hänsyn till detta? (väger jag samman svar 1 & 2 har jag åter en tolerabel nivå för multikollinearitet men jag skulle föredra att inte göra på detta vis).
Fortsätt läsa ”Läsarfråga: Multikollinearitet i dummyvariabler”
SPSS-AKUTEN 