설문 데이터 회귀분석

선형 회귀분석은 지출, 만족도 점수, 이용 시간 같은 연속형 변수를 예측변수의 가중합으로 모형화합니다. 각 계수 B는 다른 예측변수가 일정할 때 해당 예측변수가 한 단위 늘면 결과가 얼마나 변하는지를 나타냅니다. 가중치가 없는 단순무작위표본이라면 일반 표준오차, t-검정, 신뢰구간이 타당합니다.

지역 같은 범주형 예측변수는 기준 범주에 대한 더미 변수로 넣습니다. 결과가 예/아니요라면 이항 로지스틱 회귀분석을, 개수나 심하게 치우친 값이라면 일반화 선형모형을 쓰십시오.

표본 가중치를 쓰면 계수는 가중 정규방정식의 해가 되고, 표본이 아니라 모집단을 설명하게 됩니다. 그러나 일반 표준오차는 가중치를 정밀도 가중치처럼 다루고, 같은 집락의 응답자가 서로 비슷하다는 점을 무시합니다. 그래서 그로부터 나온 검정과 구간은 타당하지 않습니다.

그래서 Crosstabs의 선형 회귀분석은 이를 명시적으로 구분합니다. 빈도 가중치(정수)는 SPSS와 같은 전체 결과를 제공합니다. 표본 가중치는 가중 계수와 R²를 제공하지만 표준오차, 검정, 구간은 보류하고 단계적 방법을 잠급니다. 가중치 없이 계산할 수도 있습니다.

층, 집락, 가중치가 있는 조사에서는 Complex Samples GLM(SPSS CSGLM)이 선형모형을 적합하고, 층과 1차 추출 단위(PSU)에 걸친 Taylor 선형화로 표준오차를 계산합니다. 검정은 사례 수 대신 설계 자유도(PSU 수 − 층 수)를 쓰며, 모든 모수에 설계 효과가 출력됩니다.

예/아니요 결과에는 같은 방식의 Complex Samples Logistic이 있습니다. 반면 핵심 요인 분석용 결과 스튜디오는 가중치 없이만 계산하며, 가중치를 고르면 모형이 차단됩니다.

회귀계수는 관련을 설명할 뿐 원인을 말하지 않습니다. 예측변수는 단계적으로 고르게 두지 말고 분석 전에 정하십시오. 선택 후의 p-값은 지나치게 낙관적입니다. 다중공선성(VIF가 약 10을 넘으면 주의)과 잔차를 점검하고, B와 함께 표본 설계에 맞는 불확실성을 보고하십시오.