Detta är del två av vår genomgång av heteroskedasticitet. Om du vill veta mer om vad detta är och varför det kan innebära ett problem för din regression, gå genast tillbaka till del ett.
Fortsätt läsa ”Guide: Regressionsdiagnostik – heteroskedasticitet, del 2”
I detta inlägg ska vi gå igenom problem med heteroskedasticitet (och inte bara hur svårt det är att stava och uttala). Heteroskedasticitet är ett av de vanligare problemen som kan uppstå i, och försvåra tolkningen av, en regressionsanalys. Heteroskedasticitet innebär i korthet att variansen hos feltermerna inte är konstant; det vill säga att, när värdet på oberoende variabel (x) ökar, så minskar eller /ökar den oförklarade variationen i beroende variabel (y). Är spridningen jämn råder motsatsen homoskedasticitet.
Fortsätt läsa ”Guide: Regressionsdiagnostik – heteroskedasticitet, del 1”
I den här guiden ska vi gå igenom:
I bivariat regressionsanalys kan man undersöka om det finns ett linjärt samband mellan två variabler. Men ofta talar man om att man behöver föra in kontrollvariabler i regressionsanalysen. Anledningen är att om man missar att ta med de relevanta kontrollvariablerna riskerar att dra felaktiga slutsatser om huvudsambandet. I den här guiden ska vi gå igenom de två sätt på vilket man kan dra felaktiga slutsatser, och vad som man kan förvänta sig händer med huvudsambandet när man introducerar olika kontrollvariabler.
Fortsätt läsa ”Guide: Kontrollvariabler i regressionsanalys”
I den här guiden ska vi:
Fortsätt läsa ”Guide: En (i mitt tycke) bra resultatredovisning”
I det här inlägget ska vi:
Fortsätt läsa ”Guide: Regressionsdiagnostik – multikollinearitet”
SPSS-AKUTEN 