Comprendre le concept d'une régression. Une régression est une formule mathématique pour tenter de prédire quelque chose basé hors des relations avec d'autres facteurs. Cela se fait souvent pour essayer d'expliquer ce qui provoque ou est susceptible de causer d'autre pour arriver quelque chose. Par exemple, vous pourriez vouloir essayer de prédire un GPA collège basé sur les habitudes de consommation d'alcool ou de sommeil.
Comprendre la variable indépendante, alias la variable y ou la variable sur le côté gauche du signe égal. Ceci est normalement écrit en mots. Ce serait quelque chose comme les résultats des tests de l'étudiant, les points marqués dans le jeu, la hauteur ... Ce sont des choses qui ont été mesurées dans l'étude. Qu'est-ce que la régression vise à faire est de prédire cette variable.
Regardez les variables dépendantes, alias la variable x ou la variable sur le côté droit du signe égal. Il peut y avoir une variable dans le plus simple des modèles, et il peut y avoir plusieurs variables dans les régressions plus complexes. Ces variables ont également été mesurés dans l'étude et les chercheurs utilisent ces variables pour tenter de prédire la variable indépendante. Certaines de ces variables sont des nombres et d'autres sont oui / pas de variables, alors assurez-vous de comprendre comment chacun est mesuré. Le papier va expliquer cela.
Identifier les coefficients. Ceux-ci seront très probablement être répertoriés dans un tableau où les variables dépendantes sont répertoriés verticalement et il ya plusieurs combinaison de modèles où il existe un coefficient figurant dans les colonnes. Si il ya un numéro figurant dans cette colonne, alors cette variable a été incluse dans le modèle.
Interpréter les coefficients. Chaque numéro du coefficient signifie que si il existe une augmentation d'une unité de la variable dépendante, il n'y a que beaucoup de changement dans la variable indépendante. Par exemple, si le modèle était SAT scores = homme + GPA et les coefficients étaient de 100 pour les hommes et 300 pour les AMP, puis SAT score de sexe masculin serait de 100 points de plus, en moyenne, que les femelles. De même, pour une augmentation de 1 point de GPA (à partir d'un 3,0 à 4,0) il y aurait une augmentation de 300 points dans le score SAT d'une personne.
Interpréter l'interception. Certains documents seront donnent l'interception du modèle, ce qui est la seule façon que vous pouvez réellement prédire la valeur des scores pour les personnes. Par exemple, si le modèle était: scores SAT = 1000 + 100 + 300 AMP mâle, une femelle avec une moyenne de 3,5 auraient un score de 2,050.
Recherchez les étoiles sur chacun des coefficients. Etoiles indiqué si un modèle est statistiquement significative. Même si vous ne comprenez pas bien ce que cela veut dire, de savoir que les étoiles sont tenus d'interpréter le modèle. Si un modèle ne dispose pas d'étoiles, il est généralement pas un bon modèle.
Pensez à la grande image. Est-il judicieux d'utiliser ce modèle? Y at-il d'autres variables qui pourraient être absents? Voyez-vous des failles dans la méthodologie. Vous n'êtes pas censé être un expert, mais assurez-vous de bien réfléchir si le modèle a un sens et dans un bon ajustement.