Главная Случайная страница Контакты | Мы поможем в написании вашей работы! | ||
|
Correlations | |||
Положение_дел | Удовлетворенность_рабместом | ||
Положение_дел | Pearson Correlation | ,246** | |
Sig. (2-tailed) | ,000 | ||
N | |||
Удовлетворенность_рабместом | Pearson Correlation | ,246** | |
Sig. (2-tailed) | ,000 | ||
N | |||
**. Correlation is significant at the 0.01 level (2-tailed). |
Регрессионный анализ
Если расчёт корреляции характеризует силу связи между двумя переменными, то регрессионный анализ служит для определения вида этой связи и дает возможности для прогнозирования значения одной (зависимой) переменной отталкиваясь от значения другой (независимой) переменной.
Чтобы вызвать регрессионный анализ в SPSS, выберите в меню
Analyze... (Анализ) /Regression... (Регрессия) Linear... (Линейная). Появится диалоговое окно Linear Regression (Линейная регрессия). Перенесите необходимую переменную в поле для зависимых переменных и присвойте другой переменной статус независимой переменной (см. рис. 19). Нажмите ОК. Фрагмент вывода основных результатов выглядит следующим образом (см. табл.7).
Рассмотрим сначала нижнюю часть результатов расчётов. Здесь выводятся коэффициент регрессии «b» и смещение по оси ординат «а» под именем "константа". То есть, уравнение регрессии будет выглядеть следующим образом: «Удовлетворенность_рабместом = 0,292* положение_дел + 1,883»
Рис. 19. Вид окна запуска регрессионного анализа
Средняя часть расчётов отражает два источника дисперсии: дисперсию, которая описывается уравнением регрессии (сумма квадратов, обусловленная регрессией) и дисперсию, которая не учитывается при записи уравнения (остаточная сумма квадратов). Частное от суммы квадратов, обусловленных регрессией и остаточной суммы квадратов называется "коэффициентом детерминации". В таблице результатов это частное выводится под именем "R-квадрат" (верхняя часть расчетов). Эта величина характеризует качество регрессионной прямой, то есть степень соответствия между регрессионной моделью и исходными данными. Мера определённости всегда лежит в диапазоне от 0 до 1. Существование ненулевых коэффициентов регрессии проверяется посредством вычисления контрольной величины F, к которой относится соответствующий уровень значимости.
В простом линейном регрессионном анализе квадратный корень из коэффициента детерминации, обозначаемый "R", равен корреляционному коэффициенту Пирсона. При множественном анализе эта величина менее наглядна, нежели сам коэффициент детерминации.
Таблица 7.
Дата публикования: 2015-11-01; Прочитано: 221 | Нарушение авторского права страницы | Мы поможем в написании вашей работы!