Vojtěch Mýlek, Marie Galatíková, Lukáš Kvapil V tomto úkolu jsme vycházeli z dat Long1.sav. Pomocí standardní mnohonásobné regresní analýzy jsme se pokusili predikovat životní spokojenost na základě rodinných faktorů (vztahu s rodiči, množství neshod s rodiči a stavu rodičů). Daná data splnila veškeré předpoklady pro provedení regresní analýzy (tzn., nebyly porušeny předpoklady normality rozložení reziduí, homoskedascity reziduí a linearity vztahu; nenalezly jsme žádné outliery, kteří by výrazně zkreslovali přesnost modelu – viz přílohy). Pro tabulku korelací viz přílohy. Tabulka 1.1 Základní popisné statistiky intervalových proměnných Proměnná N M SD min max Životní spokojenost (Y) 703 2,90 0,48 1,00 4,00 Vztah s rodiči 703 0,01 0,99 -2,8 2,2 Neshody s rodiči 703 3,12 0,57 1,14 4 Stav rodičů 763 - - - - Tabulka 1.2 Tabulka četností kategorické proměnné stav rodičů Kategorie N Rel. četnost Manželé 614 79,9 Rozvedeni 108 14,1 Jeden je mrtev 20 2,6 Nevzali se 12 1,6 Jiná možnost 9 1,2 chybějící 5 0,7 TOTAL 763 100 Pomocí této analýzy jsme dospěli ke dvěma modelům. První z nich zohledňuje pouze vliv neshod s rodiči a vztahu rodiči F (2; 700) = 84,31, p < 0,001, R^2 = 0,19 a přizpůsobené R^2 = 0,19. V druhém modelu jsme navíc zvažovali stav rodičů, který byl pro potřeby analýzy vyjádřen ve čtyřech proměnných F (6; 696) = 29,31, p < 0,001. R^2 tohoto modelu je 0,20 přizpůsobené R^2 = 0,20. Je patrné, že oba modely signifikantně predikují životní spokojenost dítěte. Druhý model vysvětluje o 1% rozptylu životní spokojenosti více, avšak zároveň zvýšením počtu prediktorů dochází ke znatelnému snížení hodnoty F, ne však pod hranici signifikance. Je-li druhý model lepší než první je tedy poměrně diskutabilní.[VK1] My se přikláníme k druhému, finálnímu modelu, který budeme dále interpretovat. Pro regresní koeficienty, jejich standardní chyby a standardizované regresní koeficienty viz tabulku. Tabulka 2 Regresní koeficienty a t-test proměnných Model Proměnná B SE β t p 1 Konstanta 2,46 0,10 24,81 < 0,001 Neshody s rodiči 0,14 0,31 0,17 4,60 < 0,001 Vztah s rodiči 0,16 0,20 0,34 9,01 < 0,001 2 Konstanta 2,48 0,10 24,95 < 0,001 Neshody s rodiči 0,14 0,03 0,17 4,44 < 0,001 Vztah s rodiči 0,16 0,02 0,33 8,84 < 0,001 Jiný x Manželský -0,15 0,15 -0,03 -0,98 0,33 Rozvedený x Manželský -0,08 0,05 -0,06 -1,68 0,09 Nesezdaní x Manželský 0,01 0,14 0,00 0,09 0,93 Zesnulý rodič x Manželský 0,17 0,10 0,05 1,59 0,11 Ve finálním modelu se ukázaly jako signifikantní první dva prediktory - neshody s rodiči (t=4,44; p<0,001) a vztah s rodiči (t=8,84; p<0,001). Naopak u stavu rodičů, nejsou hodnoty signifikantní, takže nelze potvrdit, že rodinný stav rodičů by měl vliv na životní spokojenost. Náš model vysvětluje 20% rozptylu proměnné životní spokojenost, přičemž nejlepším prediktorem se ukázal být vztah s rodiči. Za předpokladu, že efekty ostatní prediktorů zůstanou konstantní, můžeme výsledky interpretovat takto: Pokud se hodnota proměnné neshody s rodiči zvýší o 1, dojde k nárůstu životní spokojenosti o 0,14, pokud se o 1 zvýší hodnota vztahu s rodiči, životní spokojenost se zvedne o 0,16. I takto nízké hodnoty se však mohou projevit, neboť životní spokojenost je vyjádřena na škále pouze od 1 do 4 (viz. Tabulka 1.1) Velmi pěkně zpracovaná oprava, teď už to nemá chybu. Přijato. Přílohy: Rozložení: Homoskedacita Linearita: Detekce outlierů: Tabulka korelací Životní spokojenost Neshody s rodiči (O) Vztah s rodiči Stav rodičů Jiný x Manželský Rozvedený x Manželský Nesezdaní X Manželský Zesnulý rodič x Manželský[VK2] Životní spokojenost 1 0,32* 0,41* -0,06 -0,10** -0,01 0,07 Neshody s rodiči (O) 0,32* 1 0,43* -0,06 -0,06 -0,02 0,05 Vztah s rodiči 0,41* 0,43* 1 -0,05 -0,10** -0,04 0,00 Jiný x Manželský -0,06 -0,06 -0,05 1 -0,04 -0,01 -0,02 Rozvedený x Manželský -0,10** -0,06 -0,10** -0,04 1 -0,05 -0,07*** Nesezdaní X Manželský -0,01 -0,02 -0,04 -0,01 -0,05 1 -0,02 Zesnulý rodič x Manželský 0,07*** 0,05 0,00 -0,02 -0,07*** -0,02 1 *p < 0,001, ** p < 0,01, *** p < 0,05 ________________________________ [VK1]Modely lze mezi sebou porovnávat – zda je některý signifikantně lepší než jiný. Můžete mrknout do příště J [VK2]Hmmm, korelace dichotomických proměnných J