Como interpretar os resultados da regressão com o pacote estatístico SPSS

A regressão é uma técnica estatística complexa, cujo objetivo é prever o valor de um resultado ou de uma variável dependente, como: renda anual, produção econômica ou simplesmente notas dos alunos. Elas são baseadas em uma ou mais variáveis ​​de previsão que podem ser: anos de experiência, taxas de desemprego ou nível de escolaridade do aluno. Pesquisadores em educação e ciências sociais usam a regressão para estudar uma ampla gama de fenômenos. Para conduzir sua análise, eles usam o Statistical Package for the Social Sciences, cuja sigla em inglês corresponde ao SPSS. Com este pacote estatístico, você pode executar análises de regressão que podem intimidar um iniciante,

Como interpretar os resultados da regressão com o Statistical Package (SPSS)

Passo 1

Execute o procedimento de regressão no SPSS e abra o arquivo de saída para revisar os resultados. O arquivo de saída aparecerá na sua tela, geralmente com o nome de arquivo “Saída 1”. Imprima este arquivo e marque as seções importantes. À mão, faça anotações ao revisar os resultados.

Etapa 2

Comece sua interpretação examinando a tabela “Estatísticas descritivas”. Dependendo da versão do pacote que você usa, ele aparecerá pela primeira vez na saída. A estatística descritiva fornecerá os valores da média e o desvio padrão das variáveis ​​em seu modelo de regressão. Por exemplo, uma regressão que analisa o efeito de anos de educação e anos de experiência na renda média anual fornecerá os desvios médios e padrão de acordo com os dados de cada uma dessas três variáveis.

Etapa 3

Preste atenção na tabela de correlação que aparecerá após a análise estatística descritiva. Eles medirão o grau em que essas variáveis ​​estão relacionadas. As correlações variam de zero a um; portanto, quanto maior o valor, maior o nível de correlação. Os valores podem ser positivos ou negativos. Ou seja, seu significado será: correlação positiva ou negativa.

Etapa 4

Revise o resumo do modelo e preste atenção especial ao valor na tabela R. Isso indica quanto da variação no valor da variável dependente é explicada no seu modelo de regressão. Por exemplo, a regressão da renda média em anos de estudo e anos de experiência pode produzir um valor de 0,36 na Tabela R. Isso indica que 36% da variação na renda média pode ser explicada a partir da variabilidade na educação e na experiência de uma pessoa.

Etapa 5

Determine a relação linear entre as variáveis ​​na regressão examinando a tabela de análise de variância (ANOVA) fornecida pelo SPSS. Considere o valor da estatística F e seu nível de importância (indicado pelo valor “Sig”). Se o valor de F for estatisticamente significativo em um nível de 0,05 ou menos, isso sugere uma relação linear entre as variáveis. A importância estatística de um nível de 0,05 mostra que há uma chance de 95% de que o relacionamento entre as variáveis ​​não seja devido ao acaso. Este é o nível de importância aceito na maioria dos campos de pesquisa.

Etapa 6

Estude a tabela de coeficientes para determinar o valor da constante. Isso resume os resultados da equação de regressão. A coluna B da tabela fornece os valores dos coeficientes de regressão e a constante, que é o valor esperado da variável dependente quando os valores independentes são iguais a zero.

Etapa 7

Estude os valores das variáveis ​​independentes na tabela de coeficientes. Os valores na coluna B representam o grau em que o valor da variável independente contribui para o valor do dependente. Por exemplo, um B de 800 por ano de educação sugere que, a cada ano adicional, a renda média aumente para US $ 800. Os valores de t na tabela de coeficientes indicam a importância estatística da variável. Em geral, um valor de t de 2 ou mais indica relevância estatística.

Referências

 

Você pode estar interessado:

Deixe um comentário