J'ai huit variables indépendantes et une dépendante. J'ai exécuté une matrice de corrélation, et 5 d'entre eux ont une faible corrélation avec le DV. J'ai ensuite exécuté une régression multiple pas à pas pour voir si certains / tous les IV peuvent prédire le DV. La régression a montré que seuls deux IV peuvent prédire la DV (ne peut cependant représenter qu'environ 20% de la variance), et SPSS a supprimé le reste du modèle. Mon superviseur estime que je n'ai pas exécuté la régression correctement, car en raison de la force des corrélations, j'aurais dû trouver plus de prédicteurs dans le modèle de régression. Mais les corrélations étaient minuscules, alors ma question est: si les IV et le DV sont à peine corrélés, les IV peuvent-ils toujours être de bons prédicteurs du DV?
10
Réponses:
Avec une matrice de corrélation, vous examinez les associations inconditionnelles (grossières) entre vos variables. Avec un modèle de régression, vous examinez les associations conjointes de vos IVs avec vos DVs, donc des associations conditionnelles (pour chaque IV, son association avec les DVs conditionnelles sur les autres IVs). Selon la structure de vos données, ces deux données peuvent donner des résultats très différents, voire contraires.
la source
Par coïncidence, je regardais juste un exemple que j'avais créé plus tôt pour montrer des concepts similaires (en fait pour montrer l'un des problèmes de régression pas à pas). Voici le code R pour créer et analyser un jeu de données simulé:
Les corrélations et les régressions linéaires simples montrent des relations faibles (non statistiquement significatives) entre et chacune des variables . Mais été défini en fonction des deux s, et la régression multiple montre les deux comme des prédicteurs significatifs.y X y X
la source
Votre question serait plus facile à répondre si nous pouvions voir les détails quantitatifs de la sortie de votre logiciel et idéalement avoir une vue des données aussi.
Qu'est-ce que la "faible corrélation" en particulier? Quel niveau d'importance utilisez-vous? Existe-t-il des relations intégrées entre les prédicteurs qui entraînent la suppression de SPSS?
Notez que nous n'avons aucune possibilité de juger si vous avez utilisé la syntaxe la meilleure ou la plus appropriée pour votre objectif, car vous n'indiquez pas exactement ce que vous avez fait.
En termes généraux, de faibles corrélations entre les prédicteurs et les résultats impliquent que la régression peut être décevante de la même manière que vous avez besoin de chocolat pour faire un gâteau au chocolat. Donnez-nous plus de détails et vous devriez obtenir une meilleure réponse.
De manière générale, la déception de votre superviseur ne signifie pas que vous avez fait la mauvaise chose. Si votre superviseur connaît moins de statistiques que vous, vous devez demander conseil et soutien à d'autres personnes de votre établissement.
la source