Analizler · Orta · 3 dk okuma

Regresyon: yorum ve varsayımlar

Yüksek bir R², modelin doğru kurulduğunu göstermez.

Katsayıları okumak

Örnek

Üniversite öğrencilerinde not ortalaması (GNO) kahvaltı düzenliliği, sosyal destek ve haftalık ders çalışma saatiyle yordanıyor. Model anlamlı, F(3, 296) = 30,2, p < .001, R² = .235. Ders çalışma saati için B = 0,04: diğer değişkenler sabitken haftada bir saat fazla çalışmak GNO'da ortalama 0,04 puanlık artışla ilişkilidir. Standartlaştırılmış β değerleri yordayıcıların göreli önemini karşılaştırmaya yarar.

Varsayımlar

Doğrusallık: yordayıcı ile sonuç arasındaki ilişki doğrusal.
Bağımsızlık: gözlemler birbirinden bağımsız.
Eşvaryanslılık: artıkların yayılımı tahmin değerine göre değişmiyor.
Artıkların normalliği: özellikle küçük örneklemde güven aralıkları için önemli.
Çoklu doğrusal bağlantı yok: yordayıcılar birbirinin kopyası değil (VIF < 5, çok katı ölçütle < 10).

Etkili gözlemler

Tek bir gözlem regresyon doğrusunu kendine çekebilir. Cook uzaklığı veya standartlaştırılmış artık (|r| > 3,29) bu gözlemleri bulur. Bunları silmeden önce modeli onlarla ve onlarsız çalıştırıp sonucun değişip değişmediğine bakın (duyarlılık analizi).

Hiyerarşik regresyon

Önce kontrol değişkenleri (yaş, cinsiyet), sonra ilgilendiğiniz yordayıcılar eklenir. İkinci adımdaki R² artışı (ΔR²), yeni değişkenlerin kontrol değişkenlerinin ötesinde ne kadar katkı sağladığını gösterir.

Sık yapılan hatalar

Kesitsel veride regresyon katsayısını “etkisi” diye nedensel yorumlamak.
Standartlaştırılmamış B değerlerini farklı ölçekteki yordayıcılar arasında karşılaştırmak.
Anlamsız yordayıcıları tek tek çıkarıp en “güzel” modeli aramak (adımsal seçim).

Raporda nasıl yazılır?

Model GNO'daki varyansın %23.5'ini açıklamıştır, F(3, 296) = 30.2, p < .001. Ders çalışma saati GNO'yu anlamlı ve pozitif yönde yordamıştır, B = 0.04, β = .32, p < .001.

Sayıları kendi bulgularınızla değiştirin; ondalık ayırıcı için derginizin veya enstitünüzün yönergesine uyun.

İlgili yazılar

Temel · 3 dk

Danışma başlat