Saya memiliki delapan variabel independen dan satu dependen. Saya telah menjalankan matriks korelasi, dan 5 di antaranya memiliki korelasi rendah dengan DV. Saya kemudian menjalankan beberapa regresi bertahap untuk melihat apakah ada / semua IVs dapat memprediksi DV. Regresi menunjukkan bahwa hanya dua IV yang dapat memprediksi DV (hanya dapat menjelaskan sekitar 20% dari varians), dan SPSS menghapus sisanya dari model. Atasan saya berpendapat bahwa saya belum menjalankan regresi dengan benar, karena karena kekuatan korelasinya, saya seharusnya menemukan lebih banyak prediktor dalam model regresi. Tetapi korelasinya kecil, jadi pertanyaan saya adalah: jika infus dan DV hampir tidak berkorelasi, bisakah infus masih menjadi prediktor yang baik untuk DV?
10
Jawaban:
Dengan matriks korelasi, Anda memeriksa asosiasi (mentah) tanpa syarat antara variabel Anda. Dengan model regresi, Anda memeriksa asosiasi gabungan IV Anda dengan DV Anda, sehingga melihat asosiasi kondisional (untuk setiap IV, hubungannya dengan DV tergantung pada IV lainnya). Tergantung pada struktur data Anda, keduanya dapat menghasilkan hasil yang sangat berbeda, bahkan bertentangan.
sumber
Secara kebetulan saya hanya melihat contoh yang telah saya buat sebelumnya untuk menunjukkan konsep yang sama (sebenarnya untuk menunjukkan salah satu masalah dengan regresi bertahap). Berikut ini adalah kode R untuk membuat dan menganalisis dataset yang disimulasikan:
Korelasi dan regresi linier sederhana menunjukkan hubungan yang rendah (tidak signifikan secara statistik) antaray dan masing-masing x variabel. Tapiy didefinisikan sebagai fungsi dari keduanya x s, dan regresi berganda menunjukkan keduanya sebagai prediktor signifikan.
sumber
Pertanyaan Anda akan lebih mudah dijawab jika kami dapat melihat detail kuantitatif dari output perangkat lunak Anda dan idealnya juga melihat data.
Apa itu "korelasi rendah", khususnya? Tingkat signifikansi apa yang Anda gunakan? Apakah ada hubungan built-in antara prediktor yang mengakibatkan SPSS menjatuhkan beberapa?
Perhatikan bahwa kami tidak memiliki ruang untuk menilai apakah Anda menggunakan sintaksis terbaik atau paling tepat untuk tujuan Anda, karena Anda tidak menyatakan dengan tepat apa yang Anda lakukan.
Secara umum, korelasi rendah antara prediktor dan hasil menyiratkan bahwa regresi mungkin mengecewakan dengan cara yang sama seperti Anda membutuhkan cokelat untuk membuat kue cokelat. Beri kami lebih banyak detail, dan Anda harus mendapatkan jawaban yang lebih baik.
Secara umum, kekecewaan atasan Anda tidak menyiratkan bahwa Anda melakukan hal yang salah. Jika atasan Anda tahu lebih sedikit statistik daripada Anda, Anda perlu mencari saran dan dukungan dari orang lain di lembaga Anda.
sumber