• Embed Doc
  • Copy Link
  • Readcast
  • Collections
  • CommentGo Back
Download
 
Regressione Lineare
* Scopo dell'analisi della regressione* Regressione bivariata: Modello di base* Regressione multipla: Modello di base* Stima e interpretazione dei parametri* Adeguatezza della soluzione* Misure dell'associazione lineare tra VariabiliIndipendenti (VI) e Variabile Dipendente (VD)* Assunzioni* Approcci analitici alla regressione* LimitiRegressione: esamina la relazione lineare tra una o più variabili esplicative (o indipendenti, VI, o“predittori”) e una variabile criterio (o dipendente, VD).Duplice scopo:a) esplicativo: studiare e valutare gli effetti delle VI sulla VD in funzione di un determinato modelloteorico b) predittivo: individuare una combinazione lineare di VI per predire in modo ottimale il valoreassunto dalla VD
Punto di partenza della regressione
:
1 2 3 4 51.Atteggiamento1.00 .44 .41.33.562.Norma soggettiva.441.00.33.42.723.Senso di Controllo.41.331.00.39.364.Comport. Passato.33.42.391.00.545.Intenzione.56.72.36.541.00
Punto di arrivo della regressione:
VariabileBBetaTpAtteggiamento.15.262.69.01Norma Soggettiva2.08.515.32.00Senso di Controllo.00.00.03.98Comport. Passato.49.242.58.01Intercetta-2.27-.70.49R = .80; R2 = .64; F(4,55)= 24.61. p<.0001
Regressione bivariata (o semplice)
Una sola variabile indipendente (VI) sulla quale “regredisce” la variabile dipendente (VD). Siipotizza che la VI “determini” o “influenzi” o “predica” la VD.
 
Individuare quella retta che consente di prevedere al meglio i punteggi nella VD a partire da quellinella VI.Individuare la retta che “interpola” meglio la nuvola di punti (o “scatterplot”) della distribuzionecongiunta delle due variabili
Regressione bivariata (o semplice)
La relazione lineare è quella più parsimoniosa ed è quella più realistica in moltissimi casi.L’equazione che lega Y a X è la seguente:
Y = a + bX
Parametri dell’equazione:
Intercetta
:
a
, punto in cui la retta incrocia l'asse delle ordinate (altezza della linea).
Coefficiente angolare
:
b
inclinazione della retta di regressione di Y su X; indica di quante unitàcambia Y per una variazione unitaria che si verifica nella X.
 
Le relazioni tra le variabili non sono perfette.Infatti:- le variabili sono misurate con errore;- la relazione può non essere perfettamente lineare;-predittori importanti possono essere omessi.Allora i punti sono dispersi intorno alla retta di regressione.L’equazione quindi deve incorporare un termine di errore (o residuo) per ogni caso.
Y = a + bX +eY’ = a + bX
: valore “teorico” della Y, valore che si ottiene tramite l'equazione di regressione, valoremedio della distribuzione ottenuta dei valori di Y per ogni valore fissato di X
.“e”:
Residuo, deviazione del punteggio osservato Y dal punteggio teorico Y’.La retta di regressione deve essere identificata precisamente.Occorre calcolarne i parametri.Bisogna “stimare” i valori dei parametri della popolazione, a e b, tramite i dati osservati su uncampione.Bisogna identificare la retta che meglio si adatta ai punti che descrivono la distribuzione delle Ysulle X.Questo viene fatto con il metodo dei minimi quadrati (“least squares”).La retta che interpola meglio il diagramma di dispersione, cioè quella retta che passa più vicina
of 00

Leave a Comment

You must be to leave a comment.
Submit
Characters: ...
You must be to leave a comment.
Submit
Characters: ...