Como interpretar uma Regressão

Muitos artigos de periódicos estão enraizadas na análise econométrica e envolvem interpretar uma linha de regressão . À primeira vista, eles podem ser extremamente assustador e parece impossível de fazer sentido – há letras gregas e palavras em uma equação matemática. No entanto, com um pouco de prática , você pode entendê-las , sem um fundo em econometria . Instruções

1

Compreender o conceito de uma regressão . A regressão é uma fórmula matemática para tentar prever algo baseado fora de relacionamentos com outros fatores. Isso geralmente é feito para tentar explicar o que causa ou pode causar alguma coisa para acontecer. Por exemplo, você pode querer tentar prever uma faculdade GPA baseado em beber ou dormir hábitos.

2

Entenda a variável independente , também conhecido como a variável y ou a variável do lado esquerdo do sinal de igual . Isso normalmente é escrito em palavras. Seria algo como notas dos alunos , pontos marcados no jogo , altura … Estas são coisas que foram medidos no estudo. O que a regressão é com o objetivo de fazer é prever esta variável .

3

Olhe para as variáveis ​​dependentes , também conhecido como a variável x ou a variável do lado direito do sinal de igual . Pode haver uma variável no mais simples dos modelos , e pode haver múltiplas variáveis ​​em regressões mais complexas . Estas variáveis ​​também foram medidos no estudo e os pesquisadores estão usando estas variáveis ​​para tentar prever a variável independente . Algumas dessas variáveis ​​são números e outros são sim /não variáveis ​​, por isso certifique-se de compreender como cada um é medido. O documento vai explicar isso.

4

Identificar os coeficientes. Estes provavelmente serão listados em uma tabela onde as variáveis ​​dependentes são listadas verticalmente e há várias combinação de modelos onde existe um coeficiente listados em colunas. Se houver um número listado na coluna , então essa variável foi incluída no modelo.

5

Interpretar os coeficientes. Cada número no coeficiente significa que se houver um aumento de uma unidade na variável dependente , há muito que as alterações na variável independente . Por exemplo, se o modelo era SAT = macho + GPA e os coeficientes foram de 100 para homens e 300 para GPA , então pontuação SAT do macho seria de 100 pontos a mais , em média, do que as fêmeas . Da mesma forma, para um aumento de 1 ponto no GPA (de um 3.0 a 4.0 ) , haveria um aumento de 300 pontos na pontuação de uma pessoa SAT .

6

Interpretar a interceptação . Alguns papéis dará a intersecção do modelo , e esta é a única maneira que você pode realmente prever o valor de pontuação para as pessoas. Por exemplo, se o modelo foi em: Sáb pontuação = 1000 + 100 + 300 GPA macho , uma fêmea com um GPA de 3.5 teria uma pontuação de 2050

7

Olhe para as estrelas em cada uma . os coeficientes . Estrelas indicado se um modelo é estatisticamente significativa. Mesmo se você não compreender totalmente o que isso significa , sabe que as estrelas são necessárias para interpretar o modelo . Se um modelo não tem estrelas , geralmente não é um bom modelo .

8

Pense sobre a imagem grande. Faz sentido usar esse modelo? Há quaisquer outras variáveis ​​que podem estar faltando ? Você vê alguma falhas na metodologia. Você não se espera ser um especialista , mas não se esqueça de realmente pensar sobre se o modelo faz sentido e em um bom ajuste.