سناریوی آموزشی
پیامد Y با سه پیش بین X1، X2 و X3 مدل سازی می شود. این نام های خنثی کمک می کنند مثال را برای سازه های واقعی خود بازسازی کنید؛ جهت و واحد هر متغیر باید پیش از تحلیل مشخص شود.
داده ساختگی قابل کپی
X1,X2,X3,Y 1,4,2,18.3 2,3,1,19.1 3,5,3,27.0 4,2,2,21.4 5,6,4,33.7 2,7,5,22.9 4,3,1,26.1 6,5,4,36.0 3,8,6,25.1 5,4,2,32.3 7,6,5,38.2 1,2,3,13.4 6,7,6,34.4 4,1,1,20.7 2,5,4,21.0
مدل و مفروضه ها
مدل با عرض از مبدأ Y=b0+b1X1+b2X2+b3X3 برازش شد. خطی بودن، استقلال خطاها، یکنواختی واریانس و شکل باقیمانده ها باید با نمودارهای تشخیصی بررسی شوند. VIF فقط هم خطی را بررسی می کند و آزمون جامع اعتبار مدل نیست.
خروجی ضرایب
| متغیر | B | SE | t | p | 95% CI |
|---|---|---|---|---|---|
| ثابت | 8.13 | 1.25 | 6.51 | <.001 | 5.38 تا 10.88 |
| X1 | 3.38 | 0.25 | 13.74 | <.001 | 2.84 تا 3.92 |
| X2 | 2.24 | 0.46 | 4.87 | <.001 | 1.23 تا 3.26 |
| X3 | -1.45 | 0.55 | -2.63 | .024 | -2.66 تا -0.23 |
برازش کل R²=.961, adjusted R²=.950, F(3,11)=90.22, p<.001 بود. VIFهای X1، X2 و X3 به ترتیب ۱٫۰۹، ۴٫۶۵ و ۴٫۷۵ به دست آمدند؛ بنابراین دو پیش بین آخر به آستانه قراردادی ۵ نزدیک اند و تفسیر ضرایبشان باید با توجه به همبستگی بین پیش بین ها انجام شود.
جمله پیشنهادی فصل چهار
مدل رگرسیون چندگانه معنادار بود، F(3,11)=90.22, p<.001, R²=.961. با کنترل سایر متغیرها، X1 و X2 پیش بینی مثبت و X3 پیش بینی منفی معناداری برای Y داشتند.
احتیاط تفسیری
ضریب رگرسیون اثر علّی را ثابت نمی کند. نمونه ۱۵ نفری برای سه پیش بین بسیار کوچک است و این مثال برای آموزش محاسبه ساخته شده؛ در پژوهش واقعی توان، پیچیدگی مدل، داده های گمشده و اعتبارسنجی را پیش از نتیجه گیری بررسی کنید.
ابزار و مسیر مرتبط
برای بازتولید یا کنترل این مثال می توانید از محاسبه گر رگرسیون استفاده کنید. مجموعه مثال های مشابه در مطالعات موردی پژوهشی قرار دارد و برای منطق انتخاب و گزارش تحلیل نیز خدمات فصل چهارم پایان نامه را ببینید.