ATENTIE!

Daca ati rezolvat exercitiul cu ANOVA inaintea celui cu regresie si

ati folosit comanda Split file, nu uitati sa dati reset +OK la split file inainte de a
incepe un exercitiu nou. Altfel toate rezultatele vor fi compromise.

Regresia liniara – rezolvari si explicatii

Preziceţi scorurile la variabila raspunsuri corecte folosind predictorii : emotivitate,

nivel activism, continuum primar secundar si total stimuli adaptare.
a. Scrieti ecuatiile de predictie in note brute si note z si interpretati puterea de
predictie.
b. Precizati cu cat se imbunatateste modelul prin introducerea in ecuatie a
predictorilor 2, 3 si 4.
c. Ierarhizati predictorii folosind coeficientii de regresie standardizati si
nestandardizati.
d. Ierarhizati modelele de predictie in functie de puterea lor si in functie de
semnificatie.
e. Ierarhizati predictorii in functie de varianta explicata in plus in momentul
introducerii in ecuatie.
f. Precizati care sunt predictorii care trebuie pastrati in vederea construirii unui
model de regresie puternic.
g. Precizati scorul brut la variabila criteriu pentru un subiect care a obtinut nota 9
la primul predictor, emotivitate.

Variabila dependenta (criteriu) – este variabila ale carei rezultate vrem sa le prezicem; in cazul
nostru: raspunsuri corecte.
Variabilele independente (predictori) - emotivitate, nivel activism, continuum primar secundar
si total stimuli adaptare.

Analyze – Regression - Linear

Trecem variabila dependenta in campul Dependent

Variabilele independente (predictorii) vor fi transferate in campul Independent(s) dupa cum
urmeaza:

1. Introducem primul predictor, emotivitate, iar apoi apasam butonul next. (Block 1f 1)
2. Introducem primii doi predictori, emotivitate si nivel activism, iar apoi apasam butonul
next. (Block 2 of 2)
3. Introducem primii trei predictori, emotivitate, nivel activism si continuum primar
secundar, iar apoi apasam butonul next. (Block 3 of 3)
4. Introducem toti cei patru predictori, emotivitate, nivel activism, continuum primar
secundar si total stimuli adaptare, iar apoi apasam butonul next. (Block 4 of 4)

Obs: Pentru a verifica variabilele din fiecare Bloc se poate folosi butonul Previous.
De la butonul Statistics:
- Lasam marcate optiunile deja marcate: Estimates si Model fit
- Marcam in plus: R squared change si Descriptives

Continue => OK
Rezolvare:

a. Scrierea ecuatiilor si interpretarea puterii de predictie:

- Scrierea ecuatiilor: tabelul Coefficients

Din tabelul Coefficients se extrag constanta si coeficientii nestandardizati din coloana B si

coeficientii standardizati din coloana Beta. Pentru fiecare model se va alege randul
corespunzator.

Coefficientsa

Unstandardized Coefficients Standardized Coefficients

Model B Std. Error Beta t Sig.

1 (Constant) a = 106.516 3.661 29.099 .000

Emotivitate b = -.015 .092 β = -.016 -.168 .867

2 (Constant) a = 111.841 9.239 12.105 .000

Emotivitate b1 = -.037 .098 β1 = -.039 -.377 .707

nivelul de activism b2 = -.076 .121 β2 = -.066 -.628 .531
3 (Constant) a = 111.291 10.005 11.123 .000

Emotivitate b1 = -.038 .099 β1 = -.040 -.383 .702

nivelul de activism b2 = -.077 .122 β2 = -.067 -.636 .526
continuum primar-
b3 = .017 .115 β3 = .015 .147 .883
secundar

4 (Constant) a = 126.218 10.556 11.957 .000

emotivitate b1 = -.074 .095 β1 = -.079 -.781 .436

nivelul de activism b2 = -.083 .116 β2 = -.072 -.714 .477
continuum primar-
b3 = -.038 .111 β3 = -.032 -.337 .736
secundar

total stimuli adaptare b4 = -.416 .125 β4 = -.318 -3.320 .001

a. Dependent Variable: raspunsuri corecte

Modelul 1 contine un sigur predictor iar ecuatia ce ii corespunde se numeste ecuatie bivariata.

a= 106.51
b= -0.015
β= -0.016
Ecuatia in note brute: y = a + bx => y = 106.51 + (-0.015)x => y = 106.51- 0.015x.

y = nota bruta la variabila criteriu, raspunsuri corecte

a = constanta, luata din tabel
b = coeficientul nestandardizat pentru primul predictor, emotivitate
x = nota bruta la primul predictor, emotivitate

Ecuatia in note Z: Zy = βZx => Zy = - 0.016 Zx

Zy = nota standard (Z) la variabila criteriu, raspunsuri corecte

β = coeficientul standardizat pentru primul predictor, emotivitate
Zx = nota standard la primul predictor, emotivitate

- Puterea de predictie: tabelul Model Summary

Model Summary

Change Statistics

Adjusted R Std. Error of R Square Sig. F

Model R R Square Square the Estimate Change F Change df1 df2 Change

1 .016a .000 -.009 16.33412 .000 .028 1 105 .867

2 .064b .004 -.015 16.38143 .004 .394 1 104 .531

3 .065c .004 -.025 16.45902 .000 .022 1 103 .883

4 .318d .101 .066 15.71215 .097 11.025 1 102 .001

Se extrag din tabelul Model Summary R, R Square si Adjusted R Square pentru fiecare model
de pe randul corespunzator.

r = 0.016 r² = 0.00026 r²aj = 0.009 * 100 => 0.9% => Modelul 1 format din predictorul
emotivitate, explica 0.9% din varianta variabilei criteriu, raspunsuri corecte.

Obs: R²aj (Adjusted R square) nu se trece cu minus.

- Interpretarea puterii de predictie implica si analiza semnificatiei variantei explicate

de fiecare model: Tabelul ANOVA

Se extrag din tabelul ANOVA valoarea lui F cu gradele de libertate din coloana df, de pe
randurile Regression si Residual, precum si valoarea pragului de seminificatie din coloana Sig.
 ANOVAe

Model Sum of Squares df Mean Square F Sig.

1 Regression 7.502 1 7.502 .028 .867a

Residual 28014.349 105 266.803

Total 28021.850 106

2 Regression 113.331 2 56.666 .211 .810b

Residual 27908.519 104 268.351

Total 28021.850 106

3 Regression 119.219 3 39.740 .147 .932c

Residual 27902.632 103 270.899

Total 28021.850 106

4 Regression 2840.935 4 710.234 2.877 .026d

Residual 25180.916 102 246.872

Total 28021.850 106

F(1,105) = 0.028; p = 0.867 > 0.05 => Modelul 1 este nesemnificativ, predictorul emotivitate
explica un procent nesemnificativ din varianta variabilei criteriu „raspunsuri corecte”.

Modelul 2 contine doi predictori iar ecuatia ce ii corespunde se numeste ecuatie multivariata cu
doi predictori.

a = 111.84
b1 = -0.03
b2 = -0.07
β1 = -0.03
β2 = -0.06

Ecuatia in note brute: y = a+b1x1+b2x2 => y = 111.84-0.03x1-0.07x2

Ecuatia in note standard (Z): Zy = β1Zx1+ β2Zx2 => Zy = -0.03Zx1-0.06Zx2

- Puterea de predicite:

R=0.064 R²=0.004 R²aj = 0.015 *100 =>1.5%

Modelul al doilea, adica predictorii emotivitate si nivel activism explica 1.5% din varianta
variabilei criteriu „raspunsuri corecte”.
F(2,104) = 0.211 p=0.810 > 0.050 => Modelul al doilea este nesemnificativ, adica predictorii
emotivitate si nivel activism explica un procent nesemnificativ din varianta variabilei
criteriu „raspunsuri corecte”

Modelul 3

a = 111.29
b1 = -0.03
b2 = -0.07
b3 = 0.01
β1 = -0.04
β2 = -0.06
β3= 0.01

Ecuatia in note brute: y = a+b1x1+b2x2+b3x3 => y = 111.29-0.03x1-0.07x2+0.01x3

Ecuatia in note standard (Z): Zy = β1Zx1+β2Zx2+β3Zx3 => Zy = -0.04Zx1-0.06Zx2+0.01Zx3

- Puterea de predicite:

R=0.065 R²=0.004 R²aj = 0.025 *100 =>2.5%

Modelul al treilea, adica predictorii emotivitate, nivel activism si continuum primar
secundar explica 2.5% din varianta variabilei criteriu „raspunsuri corecte”.

F(3,103) = 0.147 p=0.932 > 0.050 => Modelul al treilea este nesemnificativ, adica predictorii
emotivitate, nivel activism si continuum primar secundar explica un procent nesemnificativ
din varianta variabilei criteriu „raspunsuri corecte”

Modelul 4

a = 126.21
b1 = -0.07
b2 = -0.08
b3 = -0.03
b4 = -0.41
β1 = -0.07
β2 = -0.07
β3 = -0.03
β4 = -0.31

Ecuatia in note brute: y = a+b1x1+b2x2+b3x3+b4x4 => y = 126.21-0.07x1-0.08x2-0.03x3-

0.41x4
Ecuatia in note standard (Z): Zy = β1Zx1+β2Zx2+β3Zx3+β4Zx4 => Zy = -0.07Zx1-0.07Zx2-
0.03Zx3-0.31Zx4

- Puterea de predicite:
R=0.318 R²=0.101 R²aj = 0.066 *100 =>6.6%
Modelul al patrulea, adica predictorii emotivitate, nivel activism, continuum primar
secundar si total stimuli adaptare, explica 6.6% din varianta variabilei criteriu „raspunsuri
corecte”.

F(4,102) = 2.877 p=0.026 < 0.050 => Modelul al patrulea este semnificativ, adica predictorii
emotivitate, nivel activism, continuum primar secundar si total stimuli adaptare explica un
procent semnificativ din varianta variabilei criteriu „raspunsuri corecte”

b. Cu cat se imbunatateste modelul prin introducerea in ecuatie a

predictorilor 2, 3 si 4.

Tabelul Model Summary, jumatatea cu Change Statistics

Se extrag din tabel R Square Change, F Change cu gradele de libertate de la df1 si df 2 si Sig. F
Change. Fiecare rand contine indicii pentru modificarile aduse in model de fiecare nou predictor
adaugat.

Model Summary

Change Statistics

Adjusted R Std. Error of R Square Sig. F

Model R R Square Square the Estimate Change F Change df1 df2 Change

1 .016a .000 -.009 16.33412 .000 .028 1 105 .867

2 .064b .004 -.015 16.38143 .004 .394 1 104 .531

3 .065c .004 -.025 16.45902 .000 .022 1 103 .883

d
4 .318 .101 .066 15.71215 .097 11.025 1 102 .001

Predictorul 2 – nivel activism – vom lua datele de pe randul 2

R²ch = 0.004 *100 = 0.4% => Predictorul al doilea, nivel activism, explica in plus fata de
modelul anterior format din predictorul emotivitate, 0.4% din varianta variabilei criteriu
„raspunsuri corecte”.

F(1,104) = 0.394; p = 0.531 > 0.050 => Varianta explicata in plus de predictorul al doilea,
nivel activism, este nesemnificativa. sau Predictorul al doilea, nivel activism, nu
imbunatateste semnificativ modelul de predictie.

Predictorul 3 – continuum primar secundar – vom lua datele de pe randul 3

R²ch = 0.0002 *100 = 0.02% => Predictorul al treilea, continuum primar secundar, explica
in plus fata de modelul anterior, 0.02% din varianta variabilei criteriu „raspunsuri
corecte”.

F(1,103) = 0.022; p = 0.833 > 0.050 => Varianta explicata in plus de predictorul al treilea,
continuum primar secundar, este nesemnificativa. sau Predictorul al treilea, continuum
primar secundar, nu imbunatateste semnificativ modelul de predictie.

Predictorul 4 – total stimuli adaptare – vom lua datele de pe randul 4

R²ch = 0.097 *100 = 9.7% => Predictorul al patrulea, total stimuli adaptare, explica in plus
fata de modelul anterior, 9.7% din varianta variabilei criteriu „raspunsuri corecte”.

F(1,102) = 11.025; p = 0.001 < 0.050 => Varianta explicata in plus de predictorul al
patrulea, total stimuli adaptare, este semnificativa. sau Predictorul al patrulea, total stimuli
adaptare, imbunatateste semnificativ modelul de predictie.

c. Ierarhizare predictori folosind coeficientii

– standardizati si
– nestandardizati.

Atat pentru ierarhizarea predictorilor in functie de coeficientii standardizati cat si pentru cea in
functie de coeficientii nestandardizati, vom extrage coeficientii din Tabelul Coefficients din
ultimul model de predictie introdus, in cazul de fata modelul 4.
Coefficientsa

Unstandardized Coefficients Standardized Coefficients

Model B Std. Error Beta t Sig.

1 (Constant) 106.516 3.661 29.099 .000

emotivitate -.015 .092 -.016 -.168 .867

2 (Constant) 111.841 9.239 12.105 .000

emotivitate -.037 .098 -.039 -.377 .707

nivelul de activism -.076 .121 -.066 -.628 .531

3 (Constant) 111.291 10.005 11.123 .000

emotivitate -.038 .099 -.040 -.383 .702

nivelul de activism -.077 .122 -.067 -.636 .526

continuum primar-
.017 .115 .015 .147 .883
secundar

4 (Constant) 126.218 10.556 11.957 .000

emotivitate -.074 .095 -.079 -.781 .436

 Coefficientsa

nivelul de activism -.083 .116 -.072 -.714 .477

continuum primar-
-.038 .111 -.032 -.337 .736
secundar

total stimuli adaptare -.416 .125 -.318 -3.320 .001

--- - date pentru ierarhizarea in functie de coeficientii standardizati

--- - date pentru ierarhizarea in functie de coeficeintii nestandardizati

- Ierarhizarea in functie de coeficientii standardizati:

o se extrag coeficientii standardizati din coloana Beta a tabelului Coefficients de la
ultimul model introdus
o Se ierarhizeaza in functie de valoarea lui beta in modul, fara a tine cont de
semn, de la valoarea cea mai mare la cea mai mica.

β1 = -0.079 II 0.318>0.079>0.072>0.032
β2 = -0.072 III
β3 = -0.032 IV
β4 = -0.318 I

P4 – P1 – P2 – P3

- Ierarhizarea in functie de coeficientii nestandardizati:

o Se extrag coeficientii nestandardizati din coloana B, precum si valorile lui t si ale
lui Sig. din tabelul Coefficients de la ultimul model introdus.
o Se ierarhizeaza in functie de valoarea lui t in modul, fara a tine cont de semn,
de la valoarea cea mai mare la cea mai mica.

b1 = -0.074 t = -0.781 p = 0.436 II 3.320>0.781>0.714>0.337

b2 = -0.083 t = -0.714 p = 0.477 III
b3 = -0.038 t = -0.337 p = 0.736 IV
b4 = -0.416 t = -3.320 p = 0.001 I

P4 – P1 – P2 – P3

Obs: Ierarhia predictorilor in functie de coeficientii standardizati este aceeasi ca si ierarhia in

functie de coeficientii nestandardizati.

d. Ierarhizare modele in functie

- de puterea de predictie
- de semnificatie.
 - Ierarhizare modele in functie de puterea de predictie: Tabelul Model
Summary
o Se extrag din tabelul Model Summary: R, R Square si Adjusted R Square pentru
fiecare model de pe randul corespunzator.
o Se ierarhizeaza in functie de procentul de varianta explicat de fiecare model.

Model Summary

Change Statistics

Adjusted R Std. Error of R Square Sig. F

Model R R Square Square the Estimate Change F Change df1 df2 Change

1 .016a .000 -.009 16.33412 .000 .028 1 105 .867

2 .064b .004 -.015 16.38143 .004 .394 1 104 .531

3 .065c .004 -.025 16.45902 .000 .022 1 103 .883

4 .318d .101 .066 15.71215 .097 11.025 1 102 .001

Model 1: r = 0.016 r² = 0.00026 r²aj = 0.009 * 100 => 0.9% IV

Model 2: R=0.064 R²=0.004 R²aj = 0.015 *100 =>1.5% III
Model 3: R=0.065 R²=0.004 R²aj = 0.025 *100 =>2.5% II
Model 4: R=0.318 R²=0.101 R²aj = 0.066 *100 =>6.6% I

6.6 > 2.5 > 1.5 > 0.9 M4 – M3 – M2 – M1

- Ierarhizare modele in functie de semnificatie: Tabelul ANOVA

o Se extrag din tabelul ANOVA valoarea lui F cu gradele de libertate din coloana
df, de pe randurile Regression si Residual, precum si valoarea pragului de
seminificatie din coloana Sig.
o Se ierarhizeaza in functie de valoarea lui F.
ANOVAe

Mean
Model Sum of Squares df Square F Sig.

1 Regression 7.502 1 7.502 .028 .867a

Residual 28014.349 105 266.803

Total 28021.850 106

2 Regression 113.331 2 56.666 .211 .810b

Residual 27908.519 104 268.351

 ANOVAe

Total 28021.850 106

3 Regression 119.219 3 39.740 .147 .932c

Residual 27902.632 103 270.899

Total 28021.850 106

4 Regression 2840.935 4 710.234 2.877 .026d

Residual 25180.916 102 246.872

Total 28021.850 106

Model 1: F(1,105) = 0.028; p = 0.867 IV
Model 2: F(2,104) = 0.211; p = 0.810 II
Model 3: F(3,103) = 0.147; p = 0.932 III
Model 4: F(4,102) = 2.877; p = 0.026 I

2.877 > 0.211 > 0.147 > 0.028 M4 – M2 – M3 – M1

e. Ierarhizare predictori in functie de varianta explicata in plus in

momentul introducerii in ecuatie: Tabelul Model Summary jumatatea cu
Change Statistics

- Se extrag din tabel R Square Change, F Change cu gradele de libertate de la df1 si df 2 si

Sig. F Change.
- Se ierarhizeaza in functie de valoarea lui F.

Model Summary

Change Statistics

Adjusted R Std. Error of R Square Sig. F

Model R R Square Square the Estimate Change F Change df1 df2 Change

1 .016a .000 -.009 16.33412 .000 .028 1 105 .867

b
2 .064 .004 -.015 16.38143 .004 .394 1 104 .531

3 .065c .004 -.025 16.45902 .000 .022 1 103 .883

4 .318d .101 .066 15.71215 .097 11.025 1 102 .001

Predictorul 1: R²ch = 0.0002 F(1,105) = 0.028 p = 0.867 III

Predictorul 2: R²ch = 0.004 F(1,104) = 0.394 p = 0.531 II
Predictorul 3: R²ch = 0.0002 F(1,103) = 0.022 p = 0.883 IV
Predictorul 4: R²ch = 0.097 F(1,102) = 11.025 p = 0.001 I
 11.025 > 0.394 > 0.028 > 0.022 P4 – P2 – P1 – P3

f. Precizati care sunt predictorii care trebuie pastrati in vederea construirii

unui model de regresie puternic.
o Se extrag coeficientii nestandardizati din coloana B, precum si valorile lui t si ale
lui Sig. din tabelul Coefficients de la ultimul model introdus.
o Se pastreaza predictorii semnificativi, care au un prag de semnificatie < 0.050

b1 = -0.074 t = -0.781 p = 0.436 > 0.050

b2 = -0.083 t = -0.714 p = 0.477 > 0.050
b3 = -0.038 t = -0.337 p = 0.736 > 0.050
b4 = -0.416 t = -3.320 p = 0.001 < 0.050
In vederea construirii unui model de regresie puternic se pastreaza predictorul al patrulea,
total stimuli adaptare, singurul predictor semnificativ, p = 0.001 < 0.050.

g. Precizati scorul brut la variabila criteriu pentru un subiect care a obtinut

nota 9 la primul predictor, emotivitate.

Pentru ca avem scorul brut doar pentru primul predictor, emotivitate, vom folosi pentru
prezicerea rezultatului la var. criteriu ecuatia in note brute de la primul model.

a= 106.51
b= -0.015
x=9

Ecuatia in note brute: y = a + bx => y = 106.51 + (-0.015)9 => y = 106.51- 0.015*9 => y =
106.375