Regressions- analys
Regressionsekvationen Passningsmått
Statistisk signifikans
Tillämpning Kommentarer
Regressions- tabeller
Mjukvara
Multivariat regression
Exempel 1 Exempel 2 Exempel 3
Kombinations- studier Övrigt
Föreläsning 8 och 9: Regressionsanalys
Pär Nyman par.nyman@statsvet.uu.se
14 september 2015
- 1 -
Regressions- analys
Regressionsekvationen Passningsmått
Statistisk signifikans
Tillämpning Kommentarer
Regressions- tabeller
Mjukvara
Multivariat regression
Exempel 1 Exempel 2 Exempel 3
Kombinations- studier Övrigt
Regressionsanalys
Vårt viktigaste verktyg för kvantitativa studier.
Kan användas till det mesta, men svarar oftast på frågor om kausala samband.
På kursen lär vi ut de viktigaste grunderna.
Viktigt även för dem som inte själva vill använda det!
- 2 -
Regressions- analys
Regressionsekvationen Passningsmått
Statistisk signifikans
Tillämpning Kommentarer
Regressions- tabeller
Mjukvara
Multivariat regression
Exempel 1 Exempel 2 Exempel 3
Kombinations- studier Övrigt
Disposition för hela dagen
1
Repetition och passningsmått
2
Statistisk signifikans
3
Att läsa regressionstabeller
4
Multivariat regression
5
Kombinationsstudier
6
Avancerat
- 3 -
Regressions- analys
Regressionsekvationen Passningsmått
Statistisk signifikans
Tillämpning Kommentarer
Regressions- tabeller
Mjukvara
Multivariat regression
Exempel 1 Exempel 2 Exempel 3
Kombinations- studier Övrigt
Repetition och passningsmått
Regressionsekvationen (bivariat)
y = a + bx + e y = Beroende variabel
a = Konstant eller intercept b = Regressionskoefficient x = Oberoende variabel e = Felterm eller residual
- 4 -
Regressions- analys
Regressionsekvationen Passningsmått
Statistisk signifikans
Tillämpning Kommentarer
Regressions- tabeller
Mjukvara
Multivariat regression
Exempel 1 Exempel 2 Exempel 3
Kombinations- studier Övrigt
Repetition och passningsmått
Regressionsekvation med indexsiffror
y
i= a + bx
i+ e
iy = Beroende variabel a = Konstant eller intercept b = Regressionskoefficient x = Oberoende variabel e = Felterm eller residual
i = Indexsiffra från observation 1 till observation n
- 4 -
Regressions- analys
Regressionsekvationen Passningsmått
Statistisk signifikans
Tillämpning Kommentarer
Regressions- tabeller
Mjukvara
Multivariat regression
Exempel 1 Exempel 2 Exempel 3
Kombinations- studier Övrigt
Repetition och passningsmått
Regressionsekvation för förväntade värden ˆ
y = a + bx ˆ
y = Förväntat värde på den beroende variabel a = Konstant eller intercept
b = Regressionskoefficient x = Oberoende variabel
- 4 -
Regressions- analys
Regressionsekvationen Passningsmått
Statistisk signifikans
Tillämpning Kommentarer
Regressions- tabeller
Mjukvara
Multivariat regression
Exempel 1 Exempel 2 Exempel 3
Kombinations- studier Övrigt
Repetition och passningsmått
Multivariat regressionsekvation 1
y = a + b
1x + b
2z + e y = Beroende variabel
a = Konstant eller intercept b
1= Regressionskoefficient 1 b
2= Regressionskoefficient 2 x = Oberoende variabel 1 z = Oberoende variabel 2 e = Felterm eller residual
- 4 -
Regressions- analys
Regressionsekvationen Passningsmått
Statistisk signifikans
Tillämpning Kommentarer
Regressions- tabeller
Mjukvara
Multivariat regression
Exempel 1 Exempel 2 Exempel 3
Kombinations- studier Övrigt
Repetition och passningsmått
Multivariat regressionsekvation 2
y = a + b
1x
1+ b
2x
2+ e y = Beroende variabel
a = Konstant eller intercept b
1= Regressionskoefficient 1 b
2= Regressionskoefficient 2 x
1= Oberoende variabel 1 x
2= Oberoende variabel 2 e = Felterm eller residual
- 4 -
Regressions- analys
Regressionsekvationen Passningsmått
Statistisk signifikans
Tillämpning Kommentarer
Regressions- tabeller
Mjukvara
Multivariat regression
Exempel 1 Exempel 2 Exempel 3
Kombinations- studier Övrigt
Repetition och passningsmått
Multivariat regressionsekvation 3
Inkomst = a + b
1× Utbildning + b
2× Kvinna + e y = Beroende variabel
a = Konstant eller intercept b
1= Regressionskoefficient 1 b
2= Regressionskoefficient 2 Utbildning = Oberoende variabel 1 Kvinna = Oberoende variabel 2 e = Felterm eller residual
- 4 -
Regressions- analys
Regressionsekvationen Passningsmått
Statistisk signifikans
Tillämpning Kommentarer
Regressions- tabeller
Mjukvara
Multivariat regression
Exempel 1 Exempel 2 Exempel 3
Kombinations- studier Övrigt
Repetition och passningsmått
Exempel från British Journal of Medicine: Vad förklarar variationen i länders vetenskapliga framgångar?
Rimligtvis beror vetenskaplig framgång i någon mån på kognitiv förmåga.
Kognitiv förmåga kan eventuellt förbättras genom kost rik på flavonoler.
Det finns mycket flavonoler i choklad.
Alltså bör andelen Nobelpristagare vara större i länder där man äter mycket choklad?
- 5 -
Regressions- analys
Regressionsekvationen Passningsmått
Statistisk signifikans
Tillämpning Kommentarer
Regressions- tabeller
Mjukvara
Multivariat regression
Exempel 1 Exempel 2 Exempel 3
Kombinations- studier Övrigt
Repetition och passningsmått
y = a + bx + e
- 6 -
Regressions- analys
Regressionsekvationen Passningsmått
Statistisk signifikans
Tillämpning Kommentarer
Regressions- tabeller
Mjukvara
Multivariat regression
Exempel 1 Exempel 2 Exempel 3
Kombinations- studier Övrigt
Repetition och passningsmått
y = a + bx + e
- 6 -
Regressions- analys
Regressionsekvationen Passningsmått
Statistisk signifikans
Tillämpning Kommentarer
Regressions- tabeller
Mjukvara
Multivariat regression
Exempel 1 Exempel 2 Exempel 3
Kombinations- studier Övrigt
Repetition och passningsmått
y = a + bx + e
- 6 -
Regressions- analys
Regressionsekvationen Passningsmått
Statistisk signifikans
Tillämpning Kommentarer
Regressions- tabeller
Mjukvara
Multivariat regression
Exempel 1 Exempel 2 Exempel 3
Kombinations- studier Övrigt
Repetition och passningsmått
y = a + bx + e
- 6 -
Regressions- analys
Regressionsekvationen Passningsmått
Statistisk signifikans
Tillämpning Kommentarer
Regressions- tabeller
Mjukvara
Multivariat regression
Exempel 1 Exempel 2 Exempel 3
Kombinations- studier Övrigt
Repetition och passningsmått
y = a + bx + e
- 6 -
Regressions- analys
Regressionsekvationen Passningsmått
Statistisk signifikans
Tillämpning Kommentarer
Regressions- tabeller
Mjukvara
Multivariat regression
Exempel 1 Exempel 2 Exempel 3
Kombinations- studier Övrigt
Repetition och passningsmått
y = a + bx + e
- 6 -
Regressions- analys
Regressionsekvationen Passningsmått
Statistisk signifikans
Tillämpning Kommentarer
Regressions- tabeller
Mjukvara
Multivariat regression
Exempel 1 Exempel 2 Exempel 3
Kombinations- studier Övrigt
Repetition och passningsmått
y = a + bx + e
- 6 -
Regressions- analys
Regressionsekvationen Passningsmått
Statistisk signifikans
Tillämpning Kommentarer
Regressions- tabeller
Mjukvara
Multivariat regression
Exempel 1 Exempel 2 Exempel 3
Kombinations- studier Övrigt
Repetition och passningsmått
y = a + bx + e
- 6 -
Regressions- analys
Regressionsekvationen Passningsmått
Statistisk signifikans
Tillämpning Kommentarer
Regressions- tabeller
Mjukvara
Multivariat regression
Exempel 1 Exempel 2 Exempel 3
Kombinations- studier Övrigt
Repetition och passningsmått
y = a + bx + e
- 6 -
Regressions- analys
Regressionsekvationen Passningsmått
Statistisk signifikans
Tillämpning Kommentarer
Regressions- tabeller
Mjukvara
Multivariat regression
Exempel 1 Exempel 2 Exempel 3
Kombinations- studier Övrigt
Repetition och passningsmått
Passningsmått beskriver hur väl vår modell beskriver den data vi har observerat.
De två viktigaste är regressionens standardfel och R
2. Båda passningsmåtten utgår ifrån storleken på
residualerna, men sätter den i relation till olika saker.
- 7 -
Regressions- analys
Regressionsekvationen Passningsmått
Statistisk signifikans
Tillämpning Kommentarer
Regressions- tabeller
Mjukvara
Multivariat regression
Exempel 1 Exempel 2 Exempel 3
Kombinations- studier Övrigt
Repetition och passningsmått
Regressionens standardfel
~Den genomsnittliga avvikelsen från regressionslinjen. Uttrycks i samma enheter som den beroende variabeln. Exempel: De observerade värdena avviker i genomsnitt från modellens prediktioner med 6,6 Nobelpristagare per 10 milj. invånare.
Överkurs
Standardfel =
sRSS n − 1 − k =
s
P
(e
i2) n − 1 − k =
sP
(y
i− ˆ y
i)
2n − 1 − k
RSS = Summan av de kvadrerade feltermerna (Residual Sum of Squares)k = Antalet oberoende variabler
- 8 -
Regressions- analys
Regressionsekvationen Passningsmått
Statistisk signifikans
Tillämpning Kommentarer
Regressions- tabeller
Mjukvara
Multivariat regression
Exempel 1 Exempel 2 Exempel 3
Kombinations- studier Övrigt
Repetition och passningsmått
Regressionens standardfel
~Den genomsnittliga avvikelsen från regressionslinjen. Uttrycks i samma enheter som den beroende variabeln. Exempel: De observerade värdena avviker i genomsnitt från modellens prediktioner med 6,6 Nobelpristagare per 10 milj. invånare.
Överkurs
Standardfel =
sRSS n − 1 − k =
s
P
(e
i2) n − 1 − k =
sP
(y
i− ˆ y
i)
2n − 1 − k
RSS = Summan av de kvadrerade feltermerna (Residual Sum of Squares)k = Antalet oberoende variabler
- 8 -
Regressions- analys
Regressionsekvationen Passningsmått
Statistisk signifikans
Tillämpning Kommentarer
Regressions- tabeller
Mjukvara
Multivariat regression
Exempel 1 Exempel 2 Exempel 3
Kombinations- studier Övrigt
Repetition och passningsmått
R
2Andelen förklarad variation i den beroende variabeln. Antar värden mellan 0 (vår modell förklarar ingenting) och 1 (vår modell förklarar 100 procent av variationen i den beroende variabeln). Exempel: Skillnader i chokladkonsumtion kan
”förklara” 60 procent av variationen mellan länder i antalet Nobelpristagare.
Överkurs
R
2= 1 − RSS TSS = 1 −
P
(y
i− ˆ y
i)
2 P(y
i− ¯ y
i)
2RSS = Summan av de kvadrerade feltermerna (Residual Sum of Squares)
TSS = Summan av avvikelserna från medelvärdet (Total Sum of Squares)
- 9 -
Regressions- analys
Regressionsekvationen Passningsmått
Statistisk signifikans
Tillämpning Kommentarer
Regressions- tabeller
Mjukvara
Multivariat regression
Exempel 1 Exempel 2 Exempel 3
Kombinations- studier Övrigt
Repetition och passningsmått
R
2Andelen förklarad variation i den beroende variabeln. Antar värden mellan 0 (vår modell förklarar ingenting) och 1 (vår modell förklarar 100 procent av variationen i den beroende variabeln). Exempel: Skillnader i chokladkonsumtion kan
”förklara” 60 procent av variationen mellan länder i antalet Nobelpristagare.
Överkurs
R
2= 1 − RSS TSS = 1 −
P
(y
i− ˆ y
i)
2 P(y
i− ¯ y
i)
2RSS = Summan av de kvadrerade feltermerna (Residual Sum of Squares)
TSS = Summan av avvikelserna från medelvärdet (Total Sum of Squares)
- 9 -
Regressions- analys
Regressionsekvationen Passningsmått
Statistisk signifikans
Tillämpning Kommentarer
Regressions- tabeller
Mjukvara
Multivariat regression
Exempel 1 Exempel 2 Exempel 3
Kombinations- studier Övrigt
Repetition och passningsmått
I grunden mäter båda måtten samma sak. Givet en viss variation i den beroende variabeln, så ökar R
2när standardfelet sjunker, och vice versa.
Om variationen i den beroende variabeln är stor, kan standardfelet vara stort trots högt R
2, och vice versa.
- 10 -
Regressions- analys
Regressionsekvationen Passningsmått
Statistisk signifikans
Tillämpning Kommentarer
Regressions- tabeller
Mjukvara
Multivariat regression
Exempel 1 Exempel 2 Exempel 3
Kombinations- studier Övrigt
Repetition och passningsmått
Litet standardfel, lågt R2 Stort standardfel, högt R2
- 11 -
Regressions- analys
Regressionsekvationen Passningsmått
Statistisk signifikans
Tillämpning Kommentarer
Regressions- tabeller
Mjukvara
Multivariat regression
Exempel 1 Exempel 2 Exempel 3
Kombinations- studier Övrigt
Repetition och passningsmått
Justerat R
2När man adderar en variabel till en regressionsmodell kommer R
2alltid att öka, även om den inte har något med den beroende variabeln att göra.
För att korrigera för detta bör man i regel använda ett mått som kallas för justerat R
2.
Det är vanligt (och ok för er) att även justerat R
2uttrycks som andel av variationen i den beroende variabeln som modellen förklarar.
Mer korrekt: ”justerat för antalet frihetsgrader”.
- 12 -
Regressions- analys
Regressionsekvationen Passningsmått
Statistisk signifikans
Tillämpning Kommentarer
Regressions- tabeller
Mjukvara
Multivariat regression
Exempel 1 Exempel 2 Exempel 3
Kombinations- studier Övrigt
Repetition och passningsmått
Allmänt om passningsmått
Vad som är högt och lågt beror som alltid på vad vi har att jämföra med. Studenter har ofta orimligt höga förväntningar på vad våra modeller kan åstadkomma.
Stirra er inte blinda på passningsmåtten. Vårt mål är sällan att göra de bästa prediktionerna. Vanligare att vi är intresserade av ett kausalt samband.
Då är det viktigare hur stor effekten är samt huruvida den är statistiskt signifikant, alltså om samvariationen i vårt urval kan bero på slumpen.
- 12 -
Regressions- analys
Regressionsekvationen Passningsmått
Statistisk signifikans
Tillämpning Kommentarer
Regressions- tabeller
Mjukvara
Multivariat regression
Exempel 1 Exempel 2 Exempel 3
Kombinations- studier Övrigt
Korrelation är inte kausalitet
I grunden finns det fyra olika skäl till att observera en samvariation mellan två variabler x och y.
1
Sambandet är kausalt, så att x har en effekt på y .
2
Det observerade sambandet beror på en tillfällighet.
3
Omvänd orsaksriktning: det är y som påverkar x .
4
Sambandet är spuriöst och beror på att en tredje variabel påverkar både x och y .
- 13 -
Regressions- analys
Regressionsekvationen Passningsmått
Statistisk signifikans
Tillämpning Kommentarer
Regressions- tabeller
Mjukvara
Multivariat regression
Exempel 1 Exempel 2 Exempel 3
Kombinations- studier Övrigt
Korrelation är inte kausalitet
I grunden finns det fyra olika skäl till att observera en samvariation mellan två variabler x och y.
1
Sambandet är kausalt, så att x har en effekt på y .
2
Det observerade sambandet beror på en tillfällighet.
3
Omvänd orsaksriktning: det är y som påverkar x .
4
Sambandet är spuriöst och beror på att en tredje variabel påverkar både x och y .
- 13 -
Regressions- analys
Regressionsekvationen Passningsmått
Statistisk signifikans
Tillämpning Kommentarer
Regressions- tabeller
Mjukvara
Multivariat regression
Exempel 1 Exempel 2 Exempel 3
Kombinations- studier Övrigt
Korrelation är inte kausalitet
I grunden finns det fyra olika skäl till att observera en samvariation mellan två variabler x och y.
1
Sambandet är kausalt, så att x har en effekt på y .
2
Det observerade sambandet beror på en tillfällighet.
3
Omvänd orsaksriktning: det är y som påverkar x .
4
Sambandet är spuriöst och beror på att en tredje variabel påverkar både x och y .
- 13 -
Regressions- analys
Regressionsekvationen Passningsmått
Statistisk signifikans
Tillämpning Kommentarer
Regressions- tabeller
Mjukvara
Multivariat regression
Exempel 1 Exempel 2 Exempel 3
Kombinations- studier Övrigt
Korrelation är inte kausalitet
I grunden finns det fyra olika skäl till att observera en samvariation mellan två variabler x och y.
1
Sambandet är kausalt, så att x har en effekt på y .
2
Det observerade sambandet beror på en tillfällighet.
3
Omvänd orsaksriktning: det är y som påverkar x .
4
Sambandet är spuriöst och beror på att en tredje variabel påverkar både x och y .
- 13 -
Regressions- analys
Regressionsekvationen Passningsmått
Statistisk signifikans
Tillämpning Kommentarer
Regressions- tabeller
Mjukvara
Multivariat regression
Exempel 1 Exempel 2 Exempel 3
Kombinations- studier Övrigt
Korrelation är inte kausalitet
I grunden finns det fyra olika skäl till att observera en samvariation mellan två variabler x och y.
1
Sambandet är kausalt, så att x har en effekt på y .
2
Det observerade sambandet beror på en tillfällighet.
3
Omvänd orsaksriktning: det är y som påverkar x .
4
Sambandet är spuriöst och beror på att en tredje variabel påverkar både x och y .
- 13 -
Regressions- analys
Regressionsekvationen Passningsmått
Statistisk signifikans
Tillämpning Kommentarer
Regressions- tabeller
Mjukvara
Multivariat regression
Exempel 1 Exempel 2 Exempel 3
Kombinations- studier Övrigt
Statistisk signifikans
Kortversionen
För att svara på om ett samband är statistiskt signifikant beräknar vi först ett t-värde:
t = b se
bOm (det absoluta värdet av) t-värdet är större än det kritiska t-värdet för vår säkerhetsnivå säger vi att sambandet är statistiskt signifikant.
Vi vet då att det finns ett samband i populationen och att den observerade samvariationen inte var en tillfällighet.
- 14 -
Regressions- analys
Regressionsekvationen Passningsmått
Statistisk signifikans
Tillämpning Kommentarer
Regressions- tabeller
Mjukvara
Multivariat regression
Exempel 1 Exempel 2 Exempel 3
Kombinations- studier Övrigt
Statistisk signifikans
Exempel på slumpmässiga skillnader: tärningsslag Anta att vi slår två tärningar och räknar antalet prickar.
Eftersom vi spelar mot en notorisk fuskare misstänker vi att hen har manipulerat tärningarna.
Vi kan använda regressionsanalys för att studera om tärningarna i genomsnitt visar lika många prickar.
Prickar = a + b ∗ tarning + e
Variabeln tärning antar värdet 1 för den ena tärningen och 2 för den andra.
Om det inte är fusktärningar är det ”sanna” b-värdet noll.
Men de enskilda urvalen kommer ge andra b-värden.
- 15 -
Regressions- analys
Regressionsekvationen Passningsmått
Statistisk signifikans
Tillämpning Kommentarer
Regressions- tabeller
Mjukvara
Multivariat regression
Exempel 1 Exempel 2 Exempel 3
Kombinations- studier Övrigt
Statistisk signifikans
Lutningen varierar från urval till urval (n=2, β = 0)
1 2
1 2 3 4 5 6
- 16 -
Regressions- analys
Regressionsekvationen Passningsmått
Statistisk signifikans
Tillämpning Kommentarer
Regressions- tabeller
Mjukvara
Multivariat regression
Exempel 1 Exempel 2 Exempel 3
Kombinations- studier Övrigt
Statistisk signifikans
Lutningen varierar från urval till urval (n=2, β = 0)
1 2
1 2 3 4 5 6
b=1
- 16 -
Regressions- analys
Regressionsekvationen Passningsmått
Statistisk signifikans
Tillämpning Kommentarer
Regressions- tabeller
Mjukvara
Multivariat regression
Exempel 1 Exempel 2 Exempel 3
Kombinations- studier Övrigt
Statistisk signifikans
Lutningen varierar från urval till urval (n=2, β = 0)
1 2
1 2 3 4 5 6
b=−5
- 16 -
Regressions- analys
Regressionsekvationen Passningsmått
Statistisk signifikans
Tillämpning Kommentarer
Regressions- tabeller
Mjukvara
Multivariat regression
Exempel 1 Exempel 2 Exempel 3
Kombinations- studier Övrigt
Statistisk signifikans
Lutningen varierar från urval till urval (n=2, β = 0)
1 2
1 2 3 4 5 6
b=0
- 16 -
Regressions- analys
Regressionsekvationen Passningsmått
Statistisk signifikans
Tillämpning Kommentarer
Regressions- tabeller
Mjukvara
Multivariat regression
Exempel 1 Exempel 2 Exempel 3
Kombinations- studier Övrigt
Statistisk signifikans
Ju större urval, desto mindre avvikelser (n=30, β = 0)
1 2
1 2 3 4 5 6
b=−0.8
- 16 -
Regressions- analys
Regressionsekvationen Passningsmått
Statistisk signifikans
Tillämpning Kommentarer
Regressions- tabeller
Mjukvara
Multivariat regression
Exempel 1 Exempel 2 Exempel 3
Kombinations- studier Övrigt
Statistisk signifikans
Ju större urval, desto mindre avvikelser (n=30, β = 0)
1 2
1 2 3 4 5 6
b=−0.47
- 16 -
Regressions- analys
Regressionsekvationen Passningsmått
Statistisk signifikans
Tillämpning Kommentarer
Regressions- tabeller
Mjukvara
Multivariat regression
Exempel 1 Exempel 2 Exempel 3
Kombinations- studier Övrigt
Statistisk signifikans
Ju större urval, desto mindre avvikelser (n=30, β = 0)
1 2
1 2 3 4 5 6
b=1.13
- 16 -
Regressions- analys
Regressionsekvationen Passningsmått
Statistisk signifikans
Tillämpning Kommentarer
Regressions- tabeller
Mjukvara
Multivariat regression
Exempel 1 Exempel 2 Exempel 3
Kombinations- studier Övrigt
Statistisk signifikans
Vi är i regel mer intresserade av den underliggande processen än skillnaderna i urvalet
Är någon av tärningarna en fusktärning?
Tjänar männen i urvalet mer än kvinnorna på grund av sitt kön?
Påverkar demokratisering risken för väpnad konflikt?
= Vet vi att det finns en effekt eller kan skillnaden mellan tärningarna/könen/länderna bero på slumpen?
- 17 -
Regressions- analys
Regressionsekvationen Passningsmått
Statistisk signifikans
Tillämpning Kommentarer
Regressions- tabeller
Mjukvara
Multivariat regression
Exempel 1 Exempel 2 Exempel 3
Kombinations- studier Övrigt
Statistisk signifikans
Vi är i regel mer intresserade av den underliggande processen än skillnaderna i urvalet
Är någon av tärningarna en fusktärning?
Tjänar männen i urvalet mer än kvinnorna på grund av sitt kön?
Påverkar demokratisering risken för väpnad konflikt?
= Vet vi att det finns en effekt eller kan skillnaden mellan tärningarna/könen/länderna bero på slumpen?
- 17 -
Regressions- analys
Regressionsekvationen Passningsmått
Statistisk signifikans
Tillämpning Kommentarer
Regressions- tabeller
Mjukvara
Multivariat regression
Exempel 1 Exempel 2 Exempel 3
Kombinations- studier Övrigt
Statistisk signifikans
T&S använder β för populationens regressionskoefficient för att skilja den från urvalskoefficienten b (vår gissning om β). Om β är 0 finns det inget samband i populationen.
Jag föredrar att prata om β som den ”sanna” effekten och b som den uppskattade effekten.
Om vi förkastar möjligheten att β = 0 så säger vi att sambandet är statistiskt signifikant.
Vi kan aldrig observera β, men vi har en uppskattning (b) och kan beräkna hur osäker den uppskattningen är.
- 18 -
Regressions- analys
Regressionsekvationen Passningsmått
Statistisk signifikans
Tillämpning Kommentarer
Regressions- tabeller
Mjukvara
Multivariat regression
Exempel 1 Exempel 2 Exempel 3
Kombinations- studier Övrigt
Statistisk signifikans
T&S använder β för populationens regressionskoefficient för att skilja den från urvalskoefficienten b (vår gissning om β). Om β är 0 finns det inget samband i populationen.
Jag föredrar att prata om β som den ”sanna” effekten och b som den uppskattade effekten.
Om vi förkastar möjligheten att β = 0 så säger vi att sambandet är statistiskt signifikant.
Vi kan aldrig observera β, men vi har en uppskattning (b) och kan beräkna hur osäker den uppskattningen är.
- 18 -
Regressions- analys
Regressionsekvationen Passningsmått
Statistisk signifikans
Tillämpning Kommentarer
Regressions- tabeller
Mjukvara
Multivariat regression
Exempel 1 Exempel 2 Exempel 3
Kombinations- studier Övrigt
Statistisk signifikans
T&S använder β för populationens regressionskoefficient för att skilja den från urvalskoefficienten b (vår gissning om β). Om β är 0 finns det inget samband i populationen.
Jag föredrar att prata om β som den ”sanna” effekten och b som den uppskattade effekten.
Om vi förkastar möjligheten att β = 0 så säger vi att sambandet är statistiskt signifikant.
Vi kan aldrig observera β, men vi har en uppskattning (b) och kan beräkna hur osäker den uppskattningen är.
- 18 -
Regressions- analys
Regressionsekvationen Passningsmått
Statistisk signifikans
Tillämpning Kommentarer
Regressions- tabeller
Mjukvara
Multivariat regression
Exempel 1 Exempel 2 Exempel 3
Kombinations- studier Övrigt
Statistisk signifikans
T&S använder β för populationens regressionskoefficient för att skilja den från urvalskoefficienten b (vår gissning om β). Om β är 0 finns det inget samband i populationen.
Jag föredrar att prata om β som den ”sanna” effekten och b som den uppskattade effekten.
Om vi förkastar möjligheten att β = 0 så säger vi att sambandet är statistiskt signifikant.
Vi kan aldrig observera β, men vi har en uppskattning (b) och kan beräkna hur osäker den uppskattningen är.
- 18 -
Regressions- analys
Regressionsekvationen Passningsmått
Statistisk signifikans
Tillämpning Kommentarer
Regressions- tabeller
Mjukvara
Multivariat regression
Exempel 1 Exempel 2 Exempel 3
Kombinations- studier Övrigt
Statistisk signifikans
Urvalens b-värden är ”normalfördelade” (t-fördelade) De flesta urval har b-värden nära β.
Den uppskattade standardavvikelsen för populationen av b-värden kallas för koefficienternas standardfel.
Dessa beräknar datorn åt oss (alt. T&S s. 210–211). Ju fler standardfel b är från 0, desto säkrare är vi på att β 6= 0.
-3 -2 -1 0 1 2 3
Antal standardavvikelser från medelvärdet
B-värdets avvikelse från β (standardavvikelser)
- 19 -
Regressions- analys
Regressionsekvationen Passningsmått
Statistisk signifikans
Tillämpning Kommentarer
Regressions- tabeller
Mjukvara
Multivariat regression
Exempel 1 Exempel 2 Exempel 3
Kombinations- studier Övrigt
Statistisk signifikans
Urvalens b-värden är ”normalfördelade” (t-fördelade) De flesta urval har b-värden nära β.
Den uppskattade standardavvikelsen för populationen av b-värden kallas för koefficienternas standardfel.
Dessa beräknar datorn åt oss (alt. T&S s. 210–211). Ju fler standardfel b är från 0, desto säkrare är vi på att β 6= 0.
-3 -2 -1 0 1 2 3
Antal standardavvikelser från medelvärdet
B-värdets avvikelse från β (standardavvikelser)
- 19 -
Regressions- analys
Regressionsekvationen Passningsmått
Statistisk signifikans
Tillämpning Kommentarer
Regressions- tabeller
Mjukvara
Multivariat regression
Exempel 1 Exempel 2 Exempel 3
Kombinations- studier Övrigt
Statistisk signifikans
Urvalens b-värden är ”normalfördelade” (t-fördelade) De flesta urval har b-värden nära β.
Den uppskattade standardavvikelsen för populationen av b-värden kallas för koefficienternas standardfel.
Dessa beräknar datorn åt oss (alt. T&S s. 210–211).
Ju fler standardfel b är från 0, desto säkrare är vi på att β 6= 0.
-3 -2 -1 0 1 2 3
Antal standardavvikelser från medelvärdet
B-värdets avvikelse från β (standardavvikelser)
- 19 -
Regressions- analys
Regressionsekvationen Passningsmått
Statistisk signifikans
Tillämpning Kommentarer
Regressions- tabeller
Mjukvara
Multivariat regression
Exempel 1 Exempel 2 Exempel 3
Kombinations- studier Övrigt
Statistisk signifikans
Urvalens b-värden är ”normalfördelade” (t-fördelade) De flesta urval har b-värden nära β.
Den uppskattade standardavvikelsen för populationen av b-värden kallas för koefficienternas standardfel.
Dessa beräknar datorn åt oss (alt. T&S s. 210–211).
Ju fler standardfel b är från 0, desto säkrare är vi på att β 6= 0.
-3 -2 -1 0 1 2 3
Antal standardavvikelser från medelvärdet
B-värdets avvikelse från β (standardavvikelser)
- 19 -
Regressions- analys
Regressionsekvationen Passningsmått
Statistisk signifikans
Tillämpning Kommentarer
Regressions- tabeller
Mjukvara
Multivariat regression
Exempel 1 Exempel 2 Exempel 3
Kombinations- studier Övrigt
Statistisk signifikans
Urvalens b-värden är ”normalfördelade” (t-fördelade) De flesta urval har b-värden nära β.
Den uppskattade standardavvikelsen för populationen av b-värden kallas för koefficienternas standardfel.
Dessa beräknar datorn åt oss (alt. T&S s. 210–211).
Ju fler standardfel b är från 0, desto säkrare är vi på att β 6= 0.
-3 -2 -1 0 1 2 3
Antal standardavvikelser från medelvärdet
B-värdets avvikelse från β (standardavvikelser)
- 19 -
Regressions- analys
Regressionsekvationen Passningsmått
Statistisk signifikans
Tillämpning Kommentarer
Regressions- tabeller
Mjukvara
Multivariat regression
Exempel 1 Exempel 2 Exempel 3
Kombinations- studier Övrigt
Statistisk signifikans
Genom att dela b-värdet med dess standardfel erhålls ett mått på hur många standardfel som b-värdet är från 0.
Detta mått kallas t-värde.
t = b se
bOm (det absoluta värdet av) t-värdet än större än det kritiska t-värdet kan vi – givet vår säkerhetsnivå – utesluta möjligheten att β = 0.
Vid stora urval är de kritiska värdena t
90, t
95och t
991,65, 1,96 och 2,58.
- 20 -
Regressions- analys
Regressionsekvationen Passningsmått
Statistisk signifikans
Tillämpning Kommentarer
Regressions- tabeller
Mjukvara
Multivariat regression
Exempel 1 Exempel 2 Exempel 3
Kombinations- studier Övrigt
Statistisk signifikans
t
kvnärmar sig z
kvvid stora urval
- 21 -
Regressions- analys
Regressionsekvationen Passningsmått
Statistisk signifikans
Tillämpning Kommentarer
Regressions- tabeller
Mjukvara
Multivariat regression
Exempel 1 Exempel 2 Exempel 3
Kombinations- studier Övrigt
Statistisk signifikans
Det spelar ingen roll om t-värdet är positivt eller negativt Ett absolut värde innebär att man stryker alla minustecken.
Sambandet är statistiskt signifikant om det absoluta värdet av t-värdet är större än det kritiska värdet.
Kan också uttryckas som att sambandet är signifikant om testvärdet ligger utanför intervallet mellan −t
kvoch t
kv.
- 22 -
Regressions- analys
Regressionsekvationen Passningsmått
Statistisk signifikans
Tillämpning Kommentarer
Regressions- tabeller
Mjukvara
Multivariat regression
Exempel 1 Exempel 2 Exempel 3
Kombinations- studier Övrigt
Statistisk signifikans
Kortversionen igen
För att svara på om ett samband är statistiskt signifikant beräknar vi först ett t-värde:
t = b se
bOm (det absoluta värdet av) t-värdet är större än det kritiska t-värdet för vår säkerhetsnivå säger vi att sambandet är statistiskt signifikant.
Vi vet då att det finns ett samband i populationen och att den observerade samvariationen inte var en tillfällighet.
- 23 -
Regressions- analys
Regressionsekvationen Passningsmått
Statistisk signifikans
Tillämpning Kommentarer
Regressions- tabeller
Mjukvara
Multivariat regression
Exempel 1 Exempel 2 Exempel 3
Kombinations- studier Övrigt
Statistisk signifikans
Vi ska titta på tre exempel från Marcus föreläsning
1
Sambandet mellan kön och placering på vänster–höger-skalan.
2
Sambandet mellan religiositet och korruption.
3
Sambandet mellan tilltro till regeringen och benägenhet att ge till tiggare.
- 24 -
Regressions- analys
Regressionsekvationen Passningsmått
Statistisk signifikans
Tillämpning Kommentarer
Regressions- tabeller
Mjukvara
Multivariat regression
Exempel 1 Exempel 2 Exempel 3
Kombinations- studier Övrigt
Statistisk signifikans
Variabel Kodning
Höger 1 (klart till vänster) till 5 (klart till höger) Kvinna 0 (man) eller 1 (kvinna)
Månadsinkomst (brutto) 1 (<10 000 kr) till 12 (>60 000 kr)
Korruption 0 (ingen korruption) - 10 (mycket korruption) Religiositet 1 (inte alls viktigt) till 4 (mycket viktigt) BNP per capita Tusentals dollar
Skänker till tiggare 1 (< 1 gång/vecka) till 4 (varje dag) Förtroende för regeringen 1 (inget förtroende) till 4 (fullt förtroende) Borgerlig Skulle rösta på ett borgerligt parti
Tips: Döp gärna dikotoma variabler efter hur de är kodade.
Kvinna och höger har en underförstådd tolkning och går därför snabbare att tolka än kön och ideologisk position.
- 25 -
Regressions- analys
Regressionsekvationen Passningsmått
Statistisk signifikans
Tillämpning Kommentarer
Regressions- tabeller
Mjukvara
Multivariat regression
Exempel 1 Exempel 2 Exempel 3
Kombinations- studier Övrigt
Statistisk signifikans
Exempel 1: Kön och placering på vänster–höger-skalan
När vi genomför den bivariata regressionsanalysen erhåller vi följande värden:
b = -0,125 se(b) = 0,027
t = -4,63 (-0,125/0,027)
Det kritiska t-värdet på 99 procents säkerhetsnivå är här 2,58 (n=7329). Eftersom 4,63 är större än 2,58 (-4,63 ligger utanför det kritiska intervallet från -2,58 till 2,58) kan vi konstatera att effekten av kön på den ideologiska positionen är statistiskt signifikant vid 99 procents säkerhetsnivå.
- 26 -
Regressions- analys
Regressionsekvationen Passningsmått
Statistisk signifikans
Tillämpning Kommentarer
Regressions- tabeller
Mjukvara
Multivariat regression
Exempel 1 Exempel 2 Exempel 3
Kombinations- studier Övrigt
Statistisk signifikans
Exempel 1: Kön och placering på vänster–höger-skalan
När vi genomför den bivariata regressionsanalysen erhåller vi följande värden:
b = -0,125 se(b) = 0,027
t = -4,63 (-0,125/0,027)
Det kritiska t-värdet på 99 procents säkerhetsnivå är här 2,58 (n=7329). Eftersom 4,63 är större än 2,58 (-4,63 ligger utanför det kritiska intervallet från -2,58 till 2,58) kan vi konstatera att effekten av kön på den ideologiska positionen är statistiskt signifikant vid 99 procents säkerhetsnivå.
- 26 -
Regressions- analys
Regressionsekvationen Passningsmått
Statistisk signifikans
Tillämpning Kommentarer
Regressions- tabeller
Mjukvara
Multivariat regression
Exempel 1 Exempel 2 Exempel 3
Kombinations- studier Övrigt
Statistisk signifikans
Exempel 2: Religiositet och korruption
När vi genomför den bivariata regressionsanalysen erhåller vi följande värden:
b = 1,808 se(b) = 0,313
t = 5,78 (1,808/0,313)
Det kritiska t-värdet på 99 procents säkerhetsnivå är här 2,64 (n=78). Då 5,78 är större än 2,64 (5,78 ligger utanför det kritiska intervallet från -2,64 till 2,64) kan vi slå fast att sambandet är statistiskt signifikant på 99 procents säkerhetsnivå.
- 26 -
Regressions- analys
Regressionsekvationen Passningsmått
Statistisk signifikans
Tillämpning Kommentarer
Regressions- tabeller
Mjukvara
Multivariat regression
Exempel 1 Exempel 2 Exempel 3
Kombinations- studier Övrigt
Statistisk signifikans
Exempel 2: Religiositet och korruption
När vi genomför den bivariata regressionsanalysen erhåller vi följande värden:
b = 1,808 se(b) = 0,313
t = 5,78 (1,808/0,313)
Det kritiska t-värdet på 99 procents säkerhetsnivå är här 2,64 (n=78). Då 5,78 är större än 2,64 (5,78 ligger utanför det kritiska intervallet från -2,64 till 2,64) kan vi slå fast att sambandet är statistiskt signifikant på 99 procents säkerhetsnivå.
- 26 -