糖心vlog官网观看

In dieser Sitzung erfahren Sie mehr 眉ber die Bedeutung des Testens auf St枚rfaktoren und erhalten Beispiele 蹿眉谤 Situationen, in denen eine St枚rvariable den Zusammenhang zwischen einer erkl盲renden und einer Antwortvariable erkl盲ren kann. Nachdem Sie nun den Zusammenhang zwischen einer erkl盲renden Variable und Ihrer Antwortvariablen statistisch getestet haben, werden Sie diesen Zusammenhang mit Hilfe einer einfachen linearen Regressionsanalyse 蹿眉谤 eine quantitative Antwortvariable testen und interpretieren. Sie werden auch lernen, wie das lineare Regressionsmodell zur Vorhersage Ihrer beobachteten Antwortvariablen verwendet werden kann. Schlie脽lich werden wir auch die statistischen Annahmen er枚rtern, die dem linearen Regressionsmodell zugrunde liegen, und Ihnen einige bew盲hrte Verfahren 蹿眉谤 die Kodierung Ihrer erkl盲renden Variablen zeigen. Beachten Sie, dass Sie, wenn Ihre Forschungsfrage keine quantitative Antwortvariable enth盲lt, eine aus Ihrem Datensatz verwenden k枚nnen, nur um etwas 脺bung mit dem Tool zu bekommen.

Die multiple Regressionsanalyse ist ein Instrument, mit dem Sie Ihre Forschungsfrage erweitern und einen strengeren Test der Assoziation zwischen Ihrer erkl盲renden und Ihrer Antwortvariablen durchf眉hren k枚nnen, indem Sie zus盲tzliche quantitative und/oder kategoriale erkl盲rende Variablen zu Ihrem linearen Regressionsmodell hinzuf眉gen. In dieser Sitzung werden Sie eine multiple Regressionsanalyse 蹿眉谤 eine quantitative Antwortvariable anwenden und interpretieren und lernen, wie Sie Konfidenzintervalle verwenden, um den Fehler bei der Sch盲tzung eines Populationsparameters zu ber眉cksichtigen. Sie werden auch lernen, wie man nichtlineare Zusammenh盲nge in einem linearen Regressionsmodell ber眉cksichtigt. Schlie脽lich werden Sie Erfahrungen mit Regressionsdiagnosetechniken sammeln, um zu bewerten, wie gut Ihr multiples Regressionsmodell Ihre beobachtete Reaktionsvariable vorhersagt. Beachten Sie, dass Sie, wenn Sie noch keine zus盲tzlichen erkl盲renden Variablen identifiziert haben, mindestens eine zus盲tzliche erkl盲rende Variable aus Ihrem Datensatz ausw盲hlen sollten. Wenn Sie zu Ihren Codeb眉chern zur眉ckkehren, stellen Sie sich einige Fragen wie "Welche anderen Variablen k枚nnten die Assoziation zwischen meiner erkl盲renden und meiner Antwortvariablen erkl盲ren?"; "Welche anderen Variablen k枚nnten einen gr枚脽eren Teil der Variabilit盲t meiner Antwortvariablen erkl盲ren?" oder sogar "Welche anderen erkl盲renden Variablen k枚nnten interessant sein, um sie zu untersuchen?" Zus盲tzliche erkl盲rende Variablen k枚nnen entweder quantitativ, kategorisch oder beides sein. Obwohl Sie nur zwei erkl盲rende Variablen ben枚tigen, um ein multiples Regressionsmodell zu testen, ermutigen wir Sie, mehr als eine zus盲tzliche erkl盲rende Variable zu identifizieren. Auf diese Weise k枚nnen Sie die Leistungsf盲higkeit der multiplen Regressionsanalyse wirklich erfahren und Ihr Vertrauen in Ihre F盲higkeit, komplexere Regressionsmodelle zu testen und zu interpretieren, st盲rken. Wenn Ihre Forschungsfrage keine quantitative Antwortvariable enth盲lt, k枚nnen Sie dieselbe quantitative Antwortvariable verwenden, die Sie in Modul 2 verwendet haben, oder Sie k枚nnen eine andere aus Ihrem Datensatz ausw盲hlen.

In dieser Sitzung werden wir einige Dinge besprechen, die Sie beachten sollten, wenn Sie in Zukunft mit der Datenanalyse arbeiten. Wir zeigen Ihnen auch, wie Sie eine kategoriale erkl盲rende Variable mit mehr als zwei Kategorien in einer multiplen Regressionsanalyse testen k枚nnen. Schlie脽lich f眉hren wir Sie in die logistische Regressionsanalyse 蹿眉谤 eine bin盲re Antwortvariable mit mehreren erkl盲renden Variablen ein. Die logistische Regression ist einfach eine andere Form des linearen Regressionsmodells, die Grundidee ist also die gleiche wie bei einer multiplen Regressionsanalyse. Im Gegensatz zum multiplen Regressionsmodell ist das logistische Regressionsmodell jedoch darauf ausgelegt, bin盲re Antwortvariablen zu testen. Sie werden Erfahrungen mit dem Testen und Interpretieren eines logistischen Regressionsmodells sammeln, einschlie脽lich der Verwendung von Odds Ratios und Konfidenzintervallen, um das Ausma脽 des Zusammenhangs zwischen Ihren erkl盲renden Variablen und der Antwortvariablen zu bestimmen. Sie k枚nnen die gleichen erkl盲renden Variablen verwenden, die Sie zum Testen Ihres multiplen Regressionsmodells mit einem quantitativen Ergebnis verwendet haben, aber Ihre Antwortvariable muss bin盲r sein (kategorisch mit 2 Kategorien). Wenn Sie eine quantitative Antwortvariable haben, m眉ssen Sie sie in 2 Kategorien binden. Alternativ k枚nnen Sie auch eine andere bin盲re Antwortvariable aus Ihrem Datensatz ausw盲hlen, die Sie zum Testen eines logistischen Regressionsmodells verwenden k枚nnen. Wenn Sie eine kategoriale Antwortvariable mit mehr als zwei Kategorien haben, m眉ssen Sie sie in zwei Kategorien einteilen