La guida completa: come riportare i risultati della regressione
In statistica, i modelli di regressione lineare vengono utilizzati per quantificare la relazione tra una o più variabili predittive e una variabile di risposta .
Possiamo utilizzare il seguente formato generale per riportare i risultati di un semplice modello di regressione lineare :
È stata utilizzata la regressione lineare semplice per verificare se la [variabile predittrice] prevedeva in modo significativo la [variabile risposta].
Il modello di regressione adattato era: [equazione di regressione corretta]
La regressione complessiva è risultata statisticamente significativa (R 2 = [valore R 2 ], F (regressione df, residuo df) = [valore F], p = [valore p]).
È stato riscontrato che la [variabile predittrice] prevedeva in modo significativo la [variabile di risposta] (β = [valore β], p = [valore p]).
E possiamo utilizzare il seguente formato per riportare i risultati di un modello di regressione lineare multipla :
È stata utilizzata la regressione lineare multipla per verificare se la [variabile predittrice 1], la [variabile predittrice 2],… prevedeva in modo significativo la [variabile di risposta].
Il modello di regressione adattato era: [equazione di regressione corretta]
La regressione complessiva è risultata statisticamente significativa (R 2 = [valore R 2 ], F (regressione df, residuo df) = [valore F], p = [valore p]).
È stato riscontrato che la [variabile predittiva 1] prevedeva in modo significativo la [variabile di risposta] (β = [valore β], p = [valore p]).
È stato riscontrato che la [variabile predittiva 2] non prevedeva in modo significativo la [variabile di risposta] (β = [valore β], p = [valore p]).
Gli esempi seguenti mostrano come riportare i risultati della regressione per un modello di regressione lineare semplice e un modello di regressione lineare multipla.
Esempio: reporting dei risultati di una regressione lineare semplice
Supponiamo che un professore voglia utilizzare il numero di ore studiate per prevedere il voto che gli studenti riceveranno in un determinato esame. Raccoglie dati da 20 studenti e si adatta a un semplice modello di regressione lineare.
La schermata seguente mostra il risultato del modello di regressione:
Ecco come segnalare i risultati del modello:
È stata utilizzata una regressione lineare semplice per verificare se le ore di studio prevedevano in modo significativo i punteggi degli esami.
Il modello di regressione aggiustato era: punteggio dell’esame = 67,1617 + 5,2503* (ore studiate).
La regressione complessiva è stata statisticamente significativa (R 2 = 0,73, F(1, 18) = 47,99, p < 0,000).
È stato riscontrato che le ore studiate predicono in modo significativo la performance dell’esame (β = 5,2503, p < 0,000).
Esempio: riportare i risultati di una regressione lineare multipla
Supponiamo che un professore voglia utilizzare il numero di ore studiate e il numero di esami pratici sostenuti per prevedere il voto che gli studenti riceveranno in un determinato esame. Raccoglie dati da 20 studenti e si adatta a un modello di regressione lineare multipla.
La seguente schermata mostra il risultato del modello di regressione:
Ecco come segnalare i risultati del modello:
È stata utilizzata la regressione lineare multipla per verificare se le ore di studio e gli esami preparatori hanno comportato una previsione significativa dei punteggi degli esami.
Il modello di regressione aggiustato era: Punteggio dell’esame = 67,67 + 5,56*(ore studiate) – 0,60*(esami preparatori sostenuti)
La regressione complessiva è stata statisticamente significativa (R 2 = 0,73, F(2, 17) = 23,46, p = < 0,000).
È stato riscontrato che le ore studiate predicono in modo significativo la performance dell’esame (β = 5,56, p = <0,000).
È stato riscontrato che sostenere gli esami preparatori non prevedeva in modo significativo il punteggio dell’esame (β = -0,60, p = 0,52).
Risorse addizionali
Come leggere e interpretare una tabella di regressione
Comprendere l’ipotesi nulla per la regressione lineare
Comprensione del test F per la significatività complessiva nella regressione
Informazioni sull'autore
Benjamin anderson
Ciao, sono Benjamin, un professore di statistica in pensione diventato insegnante dedicato di Statorials. Con una vasta esperienza e competenza nel campo della statistica, sono ansioso di condividere le mie conoscenze per potenziare gli studenti attraverso Statorials. Scopri di più