Regressionsanalys

Question 1

Hur placeras regressionslinjen i förhållande till observerade datapunkter?

Answer 1

Så att residualerna blir så små som möjligt (det vill säga avstånden mellan predicerade och observerade värden).

Question 2

Beskriv formeln för regressionslinjen (ledtråd: ”a”, ”b”).

Answer 2

y = a + bx
b beskriver lutningen på linjen (ökning i y när x ökar med ett)
a beskriver interceptet

Question 3

Allt annat konstant, vad händer med regressionslinjen när korrelationen mellan prediktorn och utfallsvariabeln minskar?

Answer 3

Linjen blir mer flack.
Formeln för b: b = r * (standardavvikelse för y / standardavvikelse för x)
Om korrelationen (r) minskar så minskar även b, lutningen blir mindre.

Question 4

Regressionslinjen går alltid genom en viss punkt. Vilken?

Answer 4

Medelvärdet för den beroende och medelvärdet för den oberoende variabeln (Mx;My).

Question 5

På vilket sätt skiljer sig β (beta) från ”den ordinarie” regressionskoefficienten b? Vilken fördel har β jämfört med b?

Answer 5

Om man standardiserar x- och y-variabeln och beräknar regressionslinjen så betecknas linjens lutning med beta. β anger hur många standardavvikelser värdet på y ökar för varje ökning med en standardavvikelse på x-variabeln.

Värdet på β påverkas inte av enheten man mäter i. Den indikerar prediktiv förmåga (till skillnad från b), eftersom den kan jämföras med andra standardiserade regressionskoefficienter.

Question 6

Regressions SS

Answer 6

SS som återstår när observerade värden ersätts med predicerade värden. Vi vill att vår modell (det predicerade värdet) ska behålla så mycket varians som möjligt. Ju större regressions SS är i förhållande till residual SS desto mer av variansen i den beroende variabeln förklaras av vår modell (desto högre R-square får vi).

Question 7

Residual SS (error)

Answer 7

SS som går förlorad när observerade värden ersätts med predicerade värden.

Question 8

Between SS

Answer 8

Den SS som återstår om varje persons värde ersätts med resp. gruppmedelvärde.

Question 9

Within SS

Answer 9

Den SS som förloras om varje värde ersätts med resp. gruppmedelvärde.

Question 10

Vid regressionsanalys använder man sig av två olika frihetsgrader (df). Vad kallas dessa och hur beräknas de?

Answer 10

Regressionsfrihetsgrader (Reg.df): antalet prediktorer (p)

Residualfrihetsgrader (Res.df): Totala antalet personer - antalet prediktorer - 1 (N-p-1)

Question 11

Vad står ”R” respektive ”R²” för?

Answer 11

R: korrelationen mellan predicerade och observerade y-värden

R² (R-square i SPSS output): Hur stor andel av variansen i BV (y) som kan förklaras av variansen i OV (x). Med andra ord är R²= förklarad varians

Question 12

Vad har man för antaganden angående varians och fördelning i utfallsvariabeln vid enkel regressionsanalys?

Answer 12

Antagandet om homoscedasticitet innebär att variansen för y är homogen. Det är den om spridningen i variabeln y är ungefär lika stor för alla värden på x.

Antagandet om approximativt normalfördelade residualer innebär ungefär att y-värdena för varje x-värde bör vara normalfördelade.

Question 13

Vad skiljer multipel från enkel regressionsanalys?

Answer 13

Man använder flera oberoende variabler (prediktorer) för att predicera en beroende variabel (y).

Question 14

Vad innebär kollinearitet? Beskriv något mått på kollinearitet och någon tumregel vad den bör anta för värden.

Answer 14

Om en OV kan förklaras utifrån en annan OV sägs den ha kollinearitet. Denna OV bidrar inte så mycket till förklaringen av BV och kan innebära problem för modellen. T.ex. riskerar man att dra slutsatsen att en OV inte har nån effekt på BV trots att den har det.

Tolerance (bra om det är högt) > 0,4

Question 15

Vad innebär ”adjusted R square”?

Answer 15

Förklarad varians (hur stor andel av variansen i BV som kan förklaras av variansen i OV) justerat för antal prediktorer och antal deltagare. Om man har många deltagare i förhållande till antal prediktorer blir skillnaden mellan adjusted R square och R square inte så stor.

Question 16

Vad kan man anta om ANOVA-tabellen vid en regressionsanalys visar på en signifikant F-kvot?

Answer 16

Att modellen förklarar mer varians än vad en modell helt utan prediktorer skulle göra (modellen är bättre än slumpen). Åtminstone en av prediktorerna kan antas ha ett samband som är starkare än 0 i populationen.

Question 17

Vad anger b- och β-koefficienterna vid en multipel regressionsanalys?

Answer 17

B: Hur mycket den beroende variabeln ökar (i skalsteg) när prediktorn ökar med 1 (skalsteg), givet att övriga prediktorer hålls konstanta.

Beta: Hur mycket den beroende variabeln ökar (i sd) när prediktorn ökar med 1 sd, givet att övriga prediktorer hålls konstanta.

Question 18

Enter

Answer 18

Alla valda OV tas med i modellen. Alla OV behandlas som om de skulle vara sist i hierarkin.

Question 19

Hierarkisk

Answer 19

OV tas med i en viss (bestämd) ordning. Effekten av en OV beräknas medan OV på högre nivå kontrolleras.

Question 20

Forward

Answer 20

Programmet väljer ut OV som förklarar mest varians, adderar sedan nästa OV o.s.v. OV tas med i modellen tills den förklarade variansen inte längre ökar signifikant.

Question 21

Backward

Answer 21

Alla OV tas med i modellen och sedan elimineras (successivt) de OV som inte bidrar signifikant till förklarad varians.

Question 22

Stepwise

Answer 22

Kombination av forward och backward.

Question 23

Beskriv, steg för steg, hur man skulle gå tillväga för att testa om en viss variabel X kan antas ha en kurvlinjär effekt på en annan variabel Y.

Answer 23

1. Z-transformera regressionskoefficienten
2. Kvadrera den Z-transformerade regressionskoefficienten
3. Undersök sambandet på nytt, tillsammans med den ursprungliga prediktorn

Question 24

Beskriv, steg för steg, hur man skulle gå tillväga för att testa om två variabler X och Z kan antas ha en interaktionseffekt på en tredje variabel Y.

Answer 24

1. Multiplicera de två variablerna X och Y (X*Y)

2. Undersök sambandet å nytt, tilllsammans med de ursprungliga prediktorerna X och Y

Question 25

Tänk dig att vi finner, vid en multipel regressionsanalys, att regressionskoefficienten för prediktor X är lika med +0,3, att regressionskoefficienten för prediktor Z är lika med -0,2, och att koefficienten för interaktionstermen X × Z är lika med +0,4 (alla koefficienter är signifikanta). Beskriv hur värdena +0,3; -0,2; och +0,4 kan tolkas.

Answer 25

När prediktorn X ökar med 1, så ökar den beroende variabeln med 0,3, givet att värdet på den andra prediktorn är genomsnittligt. När prediktorn Z ökar med 1, så minskar den beroende variabeln med 0,2m givet att värdet på den andra prediktorn är genomsnittligt. När den ena prediktorn ökar med 1, så ökar effekten av den andra med 0,4. T ex om prediktor X ökar från 0 (medelvärde när de är standardiserade) till 1, så ändras effekten av Z från -0,2 till –0,2 + 0,4 = 0,2.

Question 26

Säg att vi har en kategorivariabel med fyra kategorier som vi vill ta med som en prediktor i en regressionsanalys. Beskriv hur man skall göra.

Answer 26

1. Vi skapar 4-1=3 dikotoma “dummy-variabler”. 2. Om en observation är av rätt kategori får det värdet 1, alla andra blir 0. 3. Den sista fjärde kategorin får ingen dummyvariabel utan blir referenskategori. 4. Vi kör analysen och jämför dummy-variablerna mot den sammanslagna kategorivariabeln. Om det finns en signifikant skillnad i varians mellan den och en dummy-variabel vet vi om en kategori skiljer sig signifikant från de andra.

Question 27

När är logistisk regression att föredra framför linjär regression? Varför?

Answer 27

När den beroende variabeln är dikotom. Logistisk gör det möjligt att predicera värden på dikotoma variabler eftersom vi får oddskvoter.

Question 28

Säg att en kontinuerlig prediktor X får en regressionskoefficient på +0,2 (p < .05) vid en logistisk regression (binär). Beskriv vad värdet +0,2 står för.

Answer 28

För varje ökning av X med 1 ökar den naturliga logaritmen för oddsen att tillhöra den undersökta kategorin med 0,2. Alltså: Oddsen ökar när prediktorn ökar!

Question 29

Diagnostik

Answer 29

(1) Residualerna bör i genomsnitt vara ungefär noll för alla nivåer av de predicerade värdena. Detta kan undersökas genom att titta på en scatterplot med predicerade värden på x-axeln och med residualer på y-axeln. (Det ska inte se ut att finnas något samband) (2) Ingen person bör ha en ”otillbörligt” stark effekt på framräknat intercept eller regressionskoefficient. Detta kan undersökas genom att titta på histogram över de standardiserade DfBeta-värdena. (Vi vill inte ha några outliers)