전체 가이드: 회귀 결과 보고 방법

통계에서 선형 회귀 모델은 하나 이상의 예측 변수와 반응 변수 간의 관계를 수량화하는 데 사용됩니다.

단순 선형 회귀 모델 의 결과를 보고하기 위해 다음과 같은 일반 형식을 사용할 수 있습니다.

[예측 변수]가 [반응 변수]를 유의미하게 예측하는지 여부를 테스트하기 위해 단순 선형 회귀를 사용했습니다.

적합 회귀 모델은 다음과 같습니다. [조정된 회귀 방정식]

전체 회귀는 통계적으로 유의미했습니다(R ² = [R ² 값], F(회귀 df, 잔차 df) = [F 값], p = [p 값]).

[예측변수]는 [반응변수](β = [β 값], p = [p 값])를 유의하게 예측하는 것으로 나타났습니다.

그리고 다음 형식을 사용하여 다중 선형 회귀 모델 의 결과를 보고할 수 있습니다.

다중 선형 회귀 분석을 사용하여 [예측 변수 1], [예측 변수 2],… [반응 변수]를 유의하게 예측했는지 여부를 테스트했습니다.

적합 회귀 모델은 다음과 같습니다. [조정된 회귀 방정식]

전체 회귀는 통계적으로 유의미했습니다(R ² = [R ² 값], F(회귀 df, 잔차 df) = [F 값], p = [p 값]).

[예측변수 1]은 [반응변수](β = [β 값], p = [p 값])를 유의하게 예측하는 것으로 나타났습니다.

[예측변수 2]는 [반응변수]를 유의미하게 예측하지 못하는 것으로 나타났습니다(β = [β 값], p = [p 값]).

다음 예에서는 단순 선형 회귀 모델과 다중 선형 회귀 모델에 대한 회귀 결과를 보고하는 방법을 보여줍니다.

예: 단순 선형 회귀 결과 보고

교수가 학생들이 주어진 시험에서 받게 될 성적을 예측하기 위해 공부한 시간을 사용하기를 원한다고 가정합니다. 20명의 학생으로부터 데이터를 수집하고 간단한 선형 회귀 모델에 적합합니다.

다음 스크린샷은 회귀 모델의 결과를 보여줍니다.

모델 결과를 보고하는 방법은 다음과 같습니다.

단순 선형 회귀 분석을 사용하여 공부한 시간이 시험 점수를 유의미하게 예측했는지 여부를 테스트했습니다.

조정된 회귀 모델은 시험 점수 = 67.1617 + 5.2503*(학습 시간)이었습니다.

전체 회귀는 통계적으로 유의미했습니다(R ² = 0.73, F(1, 18) = 47.99, p < 0.000).

연구 시간은 시험 성과를 유의미하게 예측하는 것으로 나타났습니다(β = 5.2503, p < 0.000).

예: 다중 선형 회귀 결과 보고

교수가 학생이 주어진 시험에서 받을 성적을 예측하기 위해 공부한 시간과 연습 시험의 횟수를 사용하기를 원한다고 가정합니다. 20명의 학생으로부터 데이터를 수집하고 다중 선형 회귀 모델에 적합합니다.

다음 스크린샷은 회귀 모델의 결과를 보여줍니다.

모델 결과를 보고하는 방법은 다음과 같습니다.

다중 선형 회귀 분석을 사용하여 학습 시간과 준비 시험이 시험 점수를 유의하게 예측했는지 여부를 테스트했습니다.

조정된 회귀 모델은 다음과 같습니다. 시험 점수 = 67.67 + 5.56*(학습 시간) – 0.60*(시험 준비 시간)

전체 회귀는 통계적으로 유의미했습니다(R ² = 0.73, F(2, 17) = 23.46, p = < 0.000).

연구 시간은 시험 성적을 유의미하게 예측하는 것으로 나타났습니다(β = 5.56, p = < 0.000).

시험을 치르는 것이 시험 점수를 유의미하게 예측하지 못하는 것으로 나타났습니다(β = -0.60, p = 0.52).

추가 리소스

회귀표를 읽고 해석하는 방법
선형 회귀 분석에 대한 귀무 가설 이해
회귀 분석의 전반적인 중요성에 대한 F 테스트 이해