Quando eseguiamo l’analisi di regressione<\/a> , spesso vogliamo capire in che modo le modifiche a una variabile indipendente influiscono su una variabile dipendente. Tuttavia, una variabile moderatrice pu\u00f2 talvolta influenzare questa relazione.<\/span><\/p>\n Ad esempio, supponiamo di voler adattare un modello di regressione in cui utilizziamo la variabile indipendente ore trascorse esercitandosi ogni settimana<\/em> per prevedere la variabile dipendente della frequenza cardiaca rimanente<\/em> .<\/span> <\/p>\n Riteniamo che pi\u00f9 ore trascorse a fare esercizio siano associate a una frequenza cardiaca a riposo pi\u00f9 bassa. Tuttavia, questa relazione potrebbe essere influenzata da una variabile moderatrice come il genere<\/strong> .<\/span><\/p>\n \u00c8 possibile che ogni ora aggiuntiva di esercizio si traduca in un calo maggiore della frequenza cardiaca rimanente negli uomini rispetto alle donne.<\/span> <\/p>\n Un altro esempio di variabile moderatrice potrebbe essere l\u2019et\u00e0<\/strong> . \u00c8 probabile che ogni ora aggiuntiva di esercizio si traduca in un calo maggiore della frequenza cardiaca rimanente nei giovani rispetto agli anziani.<\/span> <\/p>\n Le variabili di moderazione hanno le seguenti propriet\u00e0:<\/span><\/p>\n 1. Le variabili moderatrici possono essere qualitative o quantitative<\/strong> .<\/span><\/p>\n Le variabili qualitative<\/a> sono variabili che prendono nomi o etichette. Esempi inclusi:<\/span><\/p>\n Le variabili quantitative<\/a> sono variabili che assumono valori numerici. Esempi inclusi:<\/span><\/p>\n Negli esempi precedenti, il sesso<\/strong> era una variabile qualitativa che poteva potenzialmente influenzare la relazione tra le ore studiate e la frequenza cardiaca rimanente, mentre l\u2019et\u00e0<\/strong> era una variabile quantitativa che poteva potenzialmente influenzare la relazione.<\/span><\/p>\n 2. Le variabili moderatrici possono influenzare la relazione tra una variabile indipendente e una variabile dipendente in vari modi.<\/strong><\/span><\/p>\n Le variabili moderatrici possono avere i seguenti effetti:<\/span><\/p>\n A seconda della situazione, una variabile moderatrice pu\u00f2 moderare<\/em> la relazione tra due variabili in modi diversi.<\/span><\/p>\n Tasso<\/em><\/span><\/p>\n Y<\/em> = \u03b20<\/sub> +<\/sub> \u03b21<\/em><\/span><\/p>\n Se sospettiamo che un’altra variabile, Z<\/em> , sia una variabile moderatrice, allora potremmo adattare il seguente modello di regressione:<\/span><\/p>\n Y<\/em> = \u03b2 0<\/sub> + \u03b2 1<\/sub> X<\/em> 1<\/sub> + \u03b2 2<\/sub> Z<\/em> <\/sub> +<\/em> \u03b23XZ<\/sub><\/span><\/p>\n In questa equazione, il termine XZ<\/em> \u00e8 chiamato termine di interazione<\/strong> .<\/span><\/p>\n Se il valore p<\/a> per il coefficiente XZ<\/em> nel risultato della regressione \u00e8 statisticamente significativo, indica che esiste un’interazione significativa tra X<\/em> e Z<\/em> e Z<\/em> dovrebbe essere inclusa nel modello di regressione come variabile moderatrice.<\/span><\/p>\n Scriveremo il modello finale come segue:<\/span><\/p>\n Y<\/em> = \u03b2 0<\/sub> + \u03b2 1<\/sub> X<\/em> + \u03b2 2<\/sub> Z<\/em> <\/sub> +<\/em> \u03b23XZ<\/sub><\/span><\/p>\n Se il valore p del coefficiente di XZ<\/em> nel risultato della regressione non \u00e8 statisticamente significativo, allora Z<\/em> non \u00e8 una variabile moderatrice.<\/span><\/p>\n Tuttavia, \u00e8 possibile che il coefficiente Z<\/em> sia ancora statisticamente significativo.<\/span> In questo caso, includeremmo semplicemente Z<\/em> come un\u2019altra variabile indipendente nel modello di regressione.<\/span><\/p>\n Abbiamo quindi scritto il modello finale come segue:<\/span><\/p>\n Y<\/em> = \u03b2 0<\/sub> + \u03b2 1<\/sub> X<\/em> + \u03b2 2<\/sub> Z<\/em><\/span><\/p>\n Come leggere e interpretare una tabella di regressione<\/a> Una variabile moderatrice \u00e8 un tipo di variabile che influenza la relazione tra una variabile dipendente e una variabile indipendente . Quando eseguiamo l’analisi di regressione , spesso vogliamo capire in che modo le modifiche a una variabile indipendente influiscono su una variabile dipendente. Tuttavia, una variabile moderatrice pu\u00f2 talvolta influenzare questa relazione. Ad esempio, […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[11],"tags":[],"yoast_head":"\n![\"\"](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/moderation1.png\")
<\/p>\n![\"Esempio](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/moderation2.png\")
<\/p>\n![\"Variabile](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/moderation3.png\")
<\/p>\n Propriet\u00e0 delle variabili di moderazione<\/strong><\/span><\/h3>\n
\n
\n
\n
Come testare le variabili di moderazione<\/strong><\/span><\/h3>\n
Risorse addizionali<\/strong><\/span><\/h3>\n
Come utilizzare le variabili fittizie nell’analisi di regressione<\/a>
Introduzione alle variabili confuse<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"