Educação Interpretar a primeira fase da análise de regressão.

Olhe para o coeficiente de regressão não-padronizado (que pode ser chamado de B na sua saída) para cada variável independente. Para as variáveis ​​independentes contínuas, isto representa a variação da variável dependente, para cada unidade de variação na variável independente. No exemplo, se a idade tinha um coeficiente de regressão de 2,1, isto significa que o valor esperado de depressão aumenta de 2,1 unidades por cada ano de idade.

Para as variáveis ​​categóricas, a saída deve mostrar um coeficiente de regressão para cada nível da variável exceto um, o que está faltando é chamado o nível de referência. Cada coeficiente representa a diferença entre esse nível eo nível de referência sobre a variável dependente. No exemplo, se o grupo étnico de referência é "branco" eo coeficiente não padronizado para "Black" é -1.2, isso significaria que o valor esperado de depressão para os negros é de 1,2 unidades menor que a de brancos.

Interpretando as fases posteriores da regressão, edição, eo resultado geral 

Assista os coeficientes padronizados (que podem ser marcadas com a letra grega beta). Estes podem ser interpretados de um modo semelhante ao coeficientes não normalizados, só que agora estão em termos de unidades de desvio padrão da variável independente, em vez da primeira unidade. Isso pode ajudar a comparar variáveis ​​independentes um do outro.

Olhe para o nível de significância, ou p-valor para cada coeficiente (estes podem ser rotulados como "Pr> "Ou algo assim.) Isto irá dizer-lhe se a variável associada é estatisticamente significativa. Isso tem um significado muito especial, que é muitas vezes deturpado. Isso significa que um coeficiente de este alto ou mais alto em uma amostra deste tamanho seria improvável de ocorrer se o "coeficiente real, toda a população da qual este é elaborado, era 0.

Olhe para R-quadrado. Isto mostra que a percentagem da variação da variável dependente é explicada pelo modelo.

Repita o procedimento acima para cada fase subsequente da regressão.

Compare os coeficientes padronizados, os coeficientes não padronizados, níveis de significância e R-squareds em cada etapa para o estágio anterior. Estes poderiam ser em seções separadas da produção, ou em colunas separadas de uma tabela. Essa comparação vai deixar você saber como as variáveis ​​do segundo (ou subsequente) fase influenciar as relações na primeira fase.

Olhe para o modelo inteiro, incluindo todas as fases. Olhe para os coeficientes não-padronizados e padronizados e níveis de significância para cada variável e para o modelo completo quadrado-R.