Mudeli suurendamise liige. Koosmõjukomponentidega regressioonimudeli tõlgendamine

Lahedalt ära elavate inimeste rühmale vastav peamõju regressioonikordaja 2,61 näitab lahedalt ära elavate naiste ja toimetulekuraskustega naiste rahulolu keskmist erinevust. Pidevat tunnust käsitletakse mõnikord klassifitseerituna ehk väärtusklassideks jaotatuna. Saime võib-olla tugevamalt jalad maha regressioonikordajate mõistmises. Piltlikult öeldes, pideva tunnuse iga kahe väärtuse vahel võib leida veel ühe väärtuse. Seletus šansside suhete ja logaritmiliste šansside kaudu kipub jääma abstraktseks, kuid sobib üldiste mõjusuundade kirjeldamiseks. Peamõju regressioonikordaja koosmõjudega mudelis on sõltuva tunnuse keskmine muut ühe sõltumatu tunnuse ühikusuuruse muudu korral teise sõltumatu tunnuse nullkohas, milleks on kategoriaalsel tunnusel taustaväärtus ja pideval tunnusel nullpunkt.

Sõltumatute tunnuste mitmest mõju käsitletakse sageli liituvana, iga tunnust mõjumas omaette, kuigi samaaegselt teistega, teisi regressioonikordaja leidmisel arvesse võttes.

Tegelik sõltumatute tunnuste mõju võib olla aga tunduvalt keerulisem ja see on toonud esile sellised mõisted nagu kontrolli alla võetud tunnused ligikaudu: tunnused, mille kohta ei ole uurimishüpoteese, aga arvutustes võetakse neid arvessevahendavad tunnused kaudsete, kolmandate tunnuste kaudu Mudeli suurendamise liige mõjude arvesse võtmiseksmoderaatorid üks tunnus võib niihästi võimendada kui ka alla suruda teise mõju jm.

Käesolevas kirjutises käsitleme sõltumatute tunnuste koosmõju ehk interaktsiooni. Koosmõju on olukord, mil ühe sõltumatu tunnuse mõju sõltuvale tunnusele oleneb teise sõltumatu tunnuse teiste sõltumatute tunnuste väärtusest. Interaktsiooni puudumine tähendab seda, et ühe sõltumatu tunnuse mõju on üks ja sama teise sõltumatu tunnuse teiste sõltumatute tunnuste mis tahes väärtuse korral. Võiksime ka öelda, et interaktsioon väljendab koosmõju moodustavate sõltumatute tunnuste sünergiat sõltuva tunnuse suhtes.

Oluline on mõista, et koosmõju ei tähenda tunnuste omavahelist vastastikust Mudeli suurendamise liige, vaid seost mõjuprotsessis sõltuva tunnuse suhtes. Koosmõjutegur on tehniliselt vastavate tunnuste korrutis. Allpool vaatleme lihtsuse mõttes regressioonimudeleid, kus uurime kahe tunnuse koosmõju.

Enama kui kahe tunnuse koosmõju tõlgendamisel põhimõtteliselt uut ei lisandu, küll aga läheb seletus kiiresti väga keeruliseks. Tutvustame näidete alusel, kuidas tõlgendada interaktsioone, jättes kõrvale matemaatilise külje. Regressioonimudelid on koostatud IBM SPSS 24 üldistatud lineaarsete mudelite meetodiga generalized linear modelskuid selles programmipaketis on ka mitmeid muid sobivaid võimalusi. Eeldatakse, et lugeja on üldjoontes kursis regressioonimudelite põhiideega või valmis osutatud viidete najal end sellega kurssi viima.

Ei leia seda, mida otsite?

Kesksel kohal on koosmõjutegurit sisaldava mitmese lineaarse regressioonimudeli käsitlus arvulise iseloomuga sõltuva tunnuse jaoks mudelid 1 ja 2 allpool.

Selle kaudu seletame ära olulisemad koosmõjuteguri tõlgendamisega seotud mõtted. Osa on hädavajalik lugeda enne järgnevat kolme osa, mida võib pidada esimeses mudelis kirjeldatud mõtete rakenduseks. Need kolm mudelit on: logistiline regressioonimudel kategoriaalse Kategoriaalsed ja pidevad tunnused Kategoriaalseks nimetame sellist tunnust, mille üksikväärtused on selgelt eristuvad ja me käsitleme neid iseseisva tähendusega.

Nt elukohad: suurlinn, linn, asula, maakoht, aga samuti poliitikahuvi aste: väga huvitatud, küllaltki huvitatud, vaevalt huvitatud, ei tunne huvi.

Samuti võib piiratud ulatusega arvtunnust mõnikord käsitleda kategoriaalsena, nt ajateenijate vanus täisaastates. Kategoriaalne tunnus võib olla kategooriate sisulise järjestusega sel juhul kõneleme järjestusskaalast ehk ordinaalskaalast või ilma nominaal- ehk nimeskaala. Kategoriaalne tunnus on diskreetse katkendliku ehk mittepideva skaalaga tunnus. Pidev on see tunnus, mis võib teatud arvtelje lõigul omandada mis tahes väärtuse. Piltlikult öeldes, pideva tunnuse iga kahe väärtuse vahel võib leida veel ühe väärtuse.

Pideva tunnusena käsitleme aega kuid muidugi teatava mõõtmistäpsusega, mille tõttu aega kirjeldame enamasti mittepidevana — aastates, kuudes, sekunditesteepikkust, kaalu jm füüsikalisi suurusi.

Colorado Access on valitud osalemiseks varajase kohanemise programmis - Colorado Access

Pidevat tunnust käsitletakse mõnikord klassifitseerituna ehk väärtusklassideks jaotatuna. Kategoriaalse tunnuse puhul kasutatakse teatud kodeerimisskeeme.

1. Heaoluriigi teooria[ muuda muuda lähteteksti ] Heaoluriigi teooria kohaselt garanteerib riik kodanikele poliitilisi ja sotsiaalseid õigusi, ühendades turumajanduse sotsiaalse õiglusega.
3. SCOR on tarneahela analüüsimudel, mille eesmärk on kaardistada tarneahela tegevusi, tarneahelate mõõdistamist ning parimaid tegutsemisviise.
4. Colorado juurdepääs meditsiinilise abi saidi vabatahtlikele katseprojekti jaoks, et vähendada jäätmeid ja suurendada tõhusust Colorado juurdepääs meditsiinilise abi saidi vabatahtlikele katseprojekti jaoks, et vähendada jäätmeid ja suurendada tõhusust AURORA, Colo - Colorado Access, kohalik mittetulunduslik tervishoiuettevõte, osales vabatahtlikult üleriigilises äriprotsesside taaskorraldamise projektis.
6. Kuidas suurendada oma liikme video oppetundi

Kui tunnusel on k võimalikku väärtust, siis moodustatakse k — 1 dihhotoomset indikaatorit iga kategooria tuvastamiseks ja võetakse kategoriaalse tunnuse asemel mudelisse need Mudeli suurendamise liige. Dihhotoomsed tunnused i. Indikaatoreid võib olla ühe võrra vähem kui kategooriaid, sest viimase kategooria indiviidid tunneme ära selle järgi, et neil on kõigi indikaatorite väärtuseks 0. Muidugi võib selle, nn taustakategooria osa täita peale viimase meie osutusel ka mõni teine tähenduse poolest sobiv kategooria.

Regressioonimudeli koostamisel kasutatakse taustakategooriat nö arvestuse alusena ja selle regressioonikordaja loetakse võrdseks nulliga.

Mudeli suurendamise liige keskmise korral on jaotus tugevalt ebasümmeetriline väiksemaid väärtusi esineb Mudeli suurendamise liige kui suuremaid. Jaotust nimetatakse mõnikord ka harvade sündmuste jaotuseks vähesel arvul toimumine sagedane, suurel arvul toimumine harvnt orkaanide arv aastas, laste arv peres, muuseumikülastuste arv aastas jt loendustulemused.

Tõlgenduse erinevused lineaarse regressioonimudeliga võrreldes tulevad sellest, et nimetatud kolme mudeli puhul ei prognoosita vahetult mitte sõltuva tunnuse keskmist, vaid keskmist kindlal viisil teisendatud kujul. See toob kaasa regressioonikordajate tähenduse erisuguse sõnastuse, kui tahame tulemusi mõista esialgsete, teisendamata andmete kohta.

Praktikas on levinuim koosmõjuteguritega mitmene lineaarne regressioonimudel, meie põhimudel. Selles mudelis on lisaks vabaliikmele tunnustega sidumata tegurile kolm tegurit: X1, X2 ja nende koosmõju.

Lihtsuse mõttes vaatleme ainult kahe koosmõjus oleva sõltumatu tunnusega mudelit, sest täiendavad koosmõju mitte moodustavad sõltumatud tunnused ei muudaks alljärgnevate tõlgenduste põhimõtet. Koosmõju tähendust selgitame esmalt üldisemalt ja hiljem korduvalt üle näidete varal. Regressioonikordajad b1 ja b2 määravad vastavalt sõltumatute tunnuste X1 ja X2 peamõju suuruse i. Mõnikord jäetakse mõne sõltumatu tunnuse peamõju mudelist välja, mis tähendab, et selle tunnuse mõju nähtub tulemustest võimaliku peamõju ja koosmõju seguna, võimaluseta neid analüüsis eristada.

Allpool käsitleme mudeleid, milles on lisaks koosmõjutegurile olemas kõik peamõjud, ja nii soovitame ka praktikas teha. Koosmõjutegurit sisaldavas mudelis tõlgendus nii vahetu ei ole. Mudeli suurendamise liige koosmõjus oleva teise tunnuse nulliga võrdumise tingimus, et koosmõjule vastav liige ei sisalduks prognoosis.

Põhjamaade heaolumudel – Vikipeedia

Peamõju regressioonikordaja koosmõjudega mudelis on sõltuva tunnuse keskmine muut ühe sõltumatu tunnuse ühikusuuruse muudu korral teise sõltumatu tunnuse nullkohas, milleks on kategoriaalsel tunnusel taustaväärtus ja pideval tunnusel nullpunkt. Kui teisel interaktsiooni kuuluval tunnusel nullväärtus puudub, siis peamõju regressioonikordajale sellist tõlgendust anda ei saa.

Et tõlgendust saaks anda, selleks pidev seletav tunnus sageli tsentreeritakse või standardiseeritakse. Standardiseerimine ja tsentreerimine Olgu arvtunnuse X keskmine m ja standardhälve s. Tsentreeritud tunnuse keskmine on 0.

Standardiseeritud tunnused on nullkeskmise ja ühikulise dispersiooni ja standardhälbega. Tsentreerimine muudab tunnused ühetaoliseks keskmise seisukohalt ühtlasi lisab tunnusele nullpunkti ja standardiseerimine lisaks ka mastaabi poolest. Vaadeldakse, kui palju muutub sõltuva tunnuse mudeli kohane väärtus, kui ühe sõltumatu tunnuse väärtust muuta ühiku võrra suurendada ja teine sõltumatu tunnus jätta samaks.

Seejärel muudetakse teise sõltumatu tunnuse väärtust ühiku võrra suurendatakse Mudeli suurendamise liige vaadeldakse, kui palju muutub nüüd sõltuva tunnuse mudeli kohane väärtus, kui esimese sõltumatu tunnuse väärtust taas muuta ühiku võrra suurendada.

Teisisõnu, koosmõjuteguri kordaja näitab, kui palju ühe sõltumatu tunnuse ühikulise muutuse tõttu tekkinud sõltuva tunnuse keskmisest muutusest toob kaasa teise sõltuva tunnuse samaaegne ühikuline muut. Vaatleme väikest väljamõeldud näidet. Mudeli koosmõjuteguri regressioonikordajaks tuleb 0,3. Siis võiksid Mudeli suurendamise liige rühmakeskmised olla järgmised: naised maal 5,6; naised linnas 5,9; mehed maal 6,2; mehed linnas 6,8.

Üksikasjalikuma arutluse kohta leiate aknast Erinevuste erinevus Erinevuste erinevus Kui X1 on väärtusega x1 ja X2 väärtusega x2, siis saame sõltuva tunnuse Y järgmise mudelikohase prognoosi 1 : Regressioonikordajate mõtte avamiseks suurendame mõlemat sõltumatut tunnust antud väärtusega võrreldes ühiku võrra ja vaatleme seejuures tekkivaid mudeli kohaseid sõltuva tunnuse muutusi.

Leiame veel ühe muudu.

Mudeli suurendamise liige Eelneva arutluse oleksime võinud üles ehitada ka tunnusest X2 lähtudes. Koosmõju seletus on koosmõju komponentide seisukohalt sümmeetriline. Analoogiliselt saaksime regressioonikordaja b2 tõlgenduse lähtudes vahest sõltumatu tunnuse X2 seisukohalt. Mudel 1. Vaatleme rahuloluhinnangut naistel ja meestel olenevalt hinnangust toimetulekule praeguse sissetuleku juures.

Kasutame järgmisi tunnuseid: sõltuv tunnus — üldine eluga rahulolu skaalal 0 kuni 10, mida suurem arv, seda suurem rahulolu; seletavad tunnused — sugu 1 - mees, 2 - nainetoimetulek praeguse sissetuleku juures 1 - elame lahedalt ära, 2 - tuleme toime, 3 - on raskusi või suuri raskusi. Huvi pakub, kuidas keskmiselt varieerub eluga rahulolu naistel ja meestel olenevalt hinnangust toimetulekule olemasoleva sissetuleku juures.

Kuivõrd erineb keskmine rahulolu naistel ja meestel toimetuleku eri astmeil st, kas sugu mõjutab toimetuleku efekti rahulolu suhtes ehk kas rahulolu keskmine erinevus toimetuleku eri astmetel on naiste puhul sama mis meeste puhul? Otsime vastust nendele küsimustele eluga rahulolu regressioonimudeli abil toimetulekuhinnangu ja sootunnuse kaudu, kaasates regressioonimudelisse ka nende koosmõju.

Regressioonimudelis on taustakategooriaks järjekorras viimane kategooria sootunnusel naine ja toimetulekul on raskusi või suuri raskusi; nimetused on allpool lühendatud suupärasemaks. Keskmine rahulolu on 6,5 standardhälbega 2,2. Et seletavad tunnused on kategoriaalsed, siis tuuakse esile iga kategooria regressioonikordaja taustakategooria regressioonikordaja võetakse, nagu tavaliselt, võrdseks nulliga.

Tabeli põhjal saame välja kirjutada kuus regressioonivõrrandit, kategooriate iga kombinatsiooni jaoks oma kolm toimetulekuastet meestel ja kolm naistel. Meie näites on selleks rühmaks toimetulekuraskustega naised.

Keskmine rahulolu selles rühmas on mõõdukas, jäädes ka alumise usalduspiiri 5,25 poolest siiski pisut kõrgemale kui skaala füüsiline keskpunkt.

Nagu eespool selgitatud, näitab koosmõjuga mudelis sõltumatu tunnuse peamõju sõltuva tunnuse keskmist, kui koosmõjus osalev teine sõltumatu tunnus on null, kategoriaalse tunnuse korral — taustakategooria. Meeste peamõju regressioonikordaja -0, Kui sellele liita vabaliige 5,45, siis saame teada toimetuleku raskustega meeste keskmise rahulolu.

Kordaja näitab, kui palju erineb toimetulekuraskustega meeste keskmine rahulolu toimetulekuraskustega naiste keskmisest rahulolust. Miinusmärgiga kordaja näitab, et meeste hinnang on selles rühmas madalam kui naistel.

Näeme ühtlasi, et see on madalaim vaadeldavas kuues rühmas. Lahedalt ära elavate inimeste rühmale vastav peamõju regressioonikordaja 2,61 näitab lahedalt ära elavate naiste ja toimetulekuraskustega naiste rahulolu keskmist erinevust.

Vabaliiget 5,45 lisades saame lahedalt ära elavate naiste keskmise rahulolu prognoosi 8,1, mis on väga kõrge rahuloluhinnang.

Toime tulevate inimeste Mudeli suurendamise liige vastav peamõju regressioonikordaja 1,2 ja see näitab, et toime tulevate naiste keskmine rahulolu on enam kui punkti võrra suurem kui toimetulekuraskustega naiste keskmine rahulolu. Vabaliiget lisades saame toime tulevate naiste keskmise rahulolu prognoosi 6,6, mis jääb alla lahedalt ära elavate naiste rahulolule, kuid on suurem kui toimetulekuraskustega naiste rahulolu.

Asume nüüd peamise juurde. Lahedalt ära elavate inimeste rühmas erineb meeste keskmise rahulolu erinevus naiste keskmisest rahulolust 0,59±0,60 võrra meeste ja naiste keskmise rahulolu erinevusest toimetulekuraskustega inimeste rühmas.

Täpsemalt võiks öelda, et lahedalt ära elavate inimeste seas on keskmine erinevus naiste ja meeste rahulolus väiksem kui toimetulekuraskustega inimeste seas. Lahedalt ära elavate inimeste rühmas on rahulolu soolised erinevused Suurenenud liikme folk meetodid kui poole punkti võrra väiksemad kui toimetulekuraskustega inimeste rühmas.

Analoogiliselt on toime tulijate rühmas on meeste ja naiste keskmine rahuloluhinnangute vahe 0,58±0,42 võrra väiksem kui toimetulekuraskustega inimeste rühmas siin ei kata usaldusvahemik nullpunkti. Sootunnuse ja toimetuleku koosmõju regressioonikordajad kahel esimesel toimetuleku astmel on seega praktiliselt võrdsed 0,59 ja 0,58 mis tähendab seda, et naiste ja meeste keskmine rahulolu erinevus on nendes rühmades ühetaoline, sest need rühmad erinevad taustarühmast ühepalju.

Navigeerimismenüü

Muidugi ei tähenda see seda, et keskmine rahulolu oleks kahel esimesel toimetulekuastmel ühetaoline. Kokkuvõtteks saame öelda, mida kehvem toimetulek, seda madalam eluga rahulolu, kuid toimetulekuraskused mõjutavad meeste puhul rahulolu langust tugevamalt kui naiste puhul.

Toimetulekuraskuste negatiivne mõju rahulolule on meeste puhul teravam kui naiste puhul. Toimetulekuraskuste ilmnedes tuleb Mudeli suurendamise liige erinevus naiste ja meeste rahulolutasemes.

Kahel esimesel toimetulekuastmel seda ei olnud.

Colorado juurdepääs valitud varajase kohanemise programmis osalemiseks Colorado juurdepääs valitud varajase kohanemise programmis osalemiseks AURORA, Colo - Colorado Access, kohalik mittetulunduslik tervishoiuettevõte, valiti tarbijapartnerluse varajase kasutuselevõtu programmis osalemiseks. See aitab meil sinna jõuda. CACP-mudeli kaudu on liikmed autentselt eksperdid enda ellu kaasatud, tehes koostööd tervishoiujuhtidega, et uuendada, välja töötada ja rakendada hooldus- ja teenindusmudeleid, mis töötavad ja mõõdavad seda. Varase adopteerimise programmi valitud osalevad organisatsioonid pühenduvad kõigele alates juhtkonna kaasamisest kuni siseintervjuudeni kuni fookusgruppide läbiviimiseni. Kogu kuulise programmi vältel võtab Colorado Access CACP ekspertidega ühendust liikme teekonna kaardistamiseks, liikmete osaluse infrastruktuuri arendamiseks, kogemuste mõõtmise raamistike loomiseks, mudeli hindamiseks osalemiseks ja koostöö kaudu muutuste toetamiseks.

Rahulolutaseme kujunemine toimetuleku seisukohalt vaadates käib meestel ühtmoodi ja naistel 20-aastane suurus. Võiksime kõnelda ka teisest koosmõju tunnusest — toimetulekust — lähtudes. Lahedalt ära elavate meeste ja toimetulekuraskustega meeste rahulolu keskmine erinevus on 0,59±0,60 võrra suurem kui sama erinevus naiste seas.

Toime tulevate ja toimetulekuraskustega meeste rahulolu keskmine erinevus on 0,58±0,42 võrra suurem kui naistel. See on seletus toimetulekuastmete vaheliste erinevuste kaudu, kõrvutades mehi ja naisi. Tulemus on sisuliselt muidugi sama, mis saame naiste ja meeste vaheliste erinevuste kaudu.