Bagaimana Menafsirkan Regresi Hirarkis- Probabilitas & Statistik



Regresi hierarkis adalah metode statistik untuk mengeksplorasi hubungan antara, dan menguji hipotesis tentang, variabel dependen dan beberapa variabel independen. Regresi linier membutuhkan variabel dependen numerik. Variabel independen mungkin numerik atau kategori. Regresi hierarkis berarti bahwa variabel independen tidak dimasukkan ke dalam regresi secara bersamaan, tetapi secara bertahap. Misalnya, regresi hirarkis mungkin menguji hubungan antara depresi (yang diukur dengan beberapa skala numerik) dan variabel termasuk demografi (seperti usia, jenis kelamin dan kelompok etnis) pada tahap pertama, dan variabel lain (seperti skor pada tes lain). ) pada tahap kedua.

Menafsirkan Tahap Pertama dari Regresi.

Lihatlah koefisien regresi yang tidak standar (yang dapat disebut B pada output Anda) untuk setiap variabel independen. Untuk variabel independen kontinu, ini merupakan perubahan variabel dependen untuk setiap unit perubahan variabel independen. Dalam contoh, jika umur memiliki koefisien regresi 2,1, berarti nilai prediksi depresi meningkat sebesar 2,1 unit untuk setiap tahun umur.

Untuk variabel kategorikal, keluaran harus menunjukkan koefisien regresi untuk setiap tingkat variabel kecuali satu; yang hilang disebut tingkat referensi. Setiap koefisien mewakili perbedaan antara level itu dan level referensi pada variabel dependen. Dalam contoh, jika kelompok etnis referensi adalah “Putih” dan koefisien yang tidak standar untuk “Hitam” adalah -1,2, itu berarti bahwa nilai prediksi depresi untuk orang kulit hitam adalah 1,2 unit lebih rendah daripada orang kulit putih.

Lihatlah koefisien standar (yang mungkin diberi label dengan huruf Yunani beta). Ini dapat ditafsirkan mirip dengan koefisien yang tidak standar, hanya saja mereka sekarang dalam satuan standar deviasi dari variabel independen, bukan satuan mentah. Ini dapat membantu dalam membandingkan variabel independen satu sama lain.

Lihatlah tingkat signifikansi, atau nilai-p, untuk setiap koefisien (ini mungkin diberi label “Pr >” atau yang serupa). Ini memberi tahu Anda apakah variabel terkait signifikan secara statistik. Ini memiliki arti yang sangat khusus yang sering disalahartikan. Ini berarti bahwa koefisien yang tinggi atau lebih tinggi dalam sampel sebesar ini tidak mungkin terjadi jika koefisien sebenarnya, di seluruh populasi yang menjadi sumbernya, adalah 0.

Lihatlah R kuadrat. Ini menunjukkan berapa proporsi variasi dalam variabel dependen yang diperhitungkan oleh model.

Menafsirkan Tahap Selanjutnya dari Regresi, Perubahan, dan Hasil Keseluruhan

Ulangi langkah di atas untuk setiap tahap regresi berikutnya.

Bandingkan koefisien standar, koefisien tidak standar, tingkat signifikansi, dan r-kuadrat di setiap tahap dengan tahap sebelumnya. Ini mungkin berada di bagian terpisah dari output, atau di kolom tabel yang terpisah. Perbandingan ini memberi tahu Anda bagaimana variabel di tahap kedua (atau setelahnya) memengaruhi hubungan di tahap pertama.

Lihatlah seluruh model , termasuk semua tahapannya. Lihatlah koefisien yang tidak standar dan standar dan tingkat signifikansi untuk setiap variabel dan kuadrat R untuk keseluruhan model.

  • Ini adalah subjek yang sangat kompleks.

jxfzsy/iStock/GettyImages

Related Posts

Dia