REGRESIA LOGISTIC are drept scop identificarea variabilelor ce disting la nivel colectiv

cazurile care aparin diferitelor categorii ale unei variabile nominale sau categoriale.
-Se aplic n cazul n care variabila dependent inclus ntr-o regresie este msurat dihotomic;
-Poate fi simpl sau multipl, cu scop predictiv sau explicativ, cuprinznd efecte simple sau de
interaciune.
Regresie logistic:
1.n scop predictiv = cazul n care cercettorii caut s gseasc un set de variabile care s realizeze o
predicie ct mai corect a comportamentelor n cuplu a partenerilor;
2.n scop explicativ = interesul se manifest asupra factorilor psihici care pot explica infidelitatea n
funcie de variabilele de ordin personal sau social, precum vrsta, sexul subiecilor, statutul, nivelul de
venit, nivelul de educaie, religiozitate.
Particulariti. Diferene ntre regresia liniar i regresia logistic:
a. n regresia logistic nu exist condiia de liniaritate ntre variabila independent i cea dependent;
Regresia logistic = metod foarte robust i util.
b.Din punct de vedere tehnic, regresia logistic se bazeaz pe metoda estimrii verosimilit ii maxime
i nu pe metoda celor mai mici ptrate;
c.n regresia liniar, cunoaterea variabilei dependente duce la predicia variabilei dependente; n
regresia logistic, cunoaterea variabilei independente duce la determinarea (predicia) unei posibilit i
pentru fiecare dintre cele dou rspunsuri posibile ale variabilei dependente.
Criteriul estimat este o variabil logic, denumire care vine din faptul c variabila dependent
din ecuaie este logaritmul natural al unei valori ce intr n calculul probabilitii de a se ntmpla un
eveniment sau altul.
Exigene metodologice
modalitile variabilei dependente trebuie s fie reciproc exclusive;
datele trebuie s die independente unele de altele (nu se pot include date de la acela i
subiect n perioade diferite);
modelul logistic trebuie s cuprind variabile independente smnificative din punct de vedere teoretic
pentru relaia cu variabila dependent;
utilizarea metodei de estimare a verosimilitii maxime necesit un numr mai mare de subiec i dect
la utilizarea metodei celor mai mici ptrate.
Regresia logistic este recomandat mai ales pentru eantioane mari (cel puin 50 de subiec i pentru
fiecare variabil predictor).
 CONDIIILE APLICRII REGRESIEI LINIARE SIMPLE SUNT:
1. VI i VD sunt cantitative i normal distribuite;
2. Relaia dintre VI i VD este una liniar;
3. Erorile sunt normal distribuite;
4. Evitarea cazurilor influente i a cazurilor extreme
5. O regresie liniar este doar atunci semnificativ, cnd predictorul X i criteriul Y sunt corelai
6. La o regresie liniar simpl trebuie ca variabila criteriu Y s fie prognozat numai printr-o variabil-
predictor X;;

Y a yx xi byx
-Trebuie s fie gsit o funcie liniar(ecuaia este ) care descrie optimal raportul
ntre X i Y
Analiza de regresie studiaz legtura ntre o variabil dependent i una sau mai multe variabile independente.
Exemplu: De ce persoanele particip la practici oculte?
Modelele n psihologie
Ceea ce difereniaz teoriile de modele este, n primul rnd, gradul lor de
generalitate: un model este o reprezentare logic-matematic a unui ansamblu limitat de
fenomene n condiii riguros definite; o teorie tiinific se aplic la un ansamblu mult mai vast
de fenomene

Teoria tiinific poate fi considerat ca un model de ordin superior din care pot fi
derivate modele locale, adic realizri specifice, care se aplic la anumite obiecte particulare i
la anumite clase definite de situaii

Condiiile necesare pentru a aplica ANOVA simpl

Exist o singur variabil dependent cu consisten scalar de interval;

Exist o singur variabil independent, avnd consisten scalar nominal sau

ordinal cu cel puin 3 modaliti sau niveluri;

Variabila dependent trebuie s fie normal distribuit pentru fiecare dintre

modalitile sau nivelurile. n cazul n care nu este normal distribuit sau grupele
experimentale conin un numr prea redus de subieci(sub 10) se recomand aplicarea testelor
non-parametrice, (exemplu Kruskal Wallis);

Varianele trebuie s fie relativ egale pentru fiecare dintre grupele supuse
comparaiei(unii autori consider c aceast exigen poate fi nclcat)

Fiecare subiect trebuie s fie msurat o singur dat(independena msurtorilor)

 Difererene ntre regresia liniar i regresia logistic.

1. Spre deosebire de regresia liniar, nu exist condiia de liniaritate ntre VI i

VD, nu exist condiia ca VI s fie distribuit normal, fiind astfel mai uor de
aplicat. Regresia logistic - metod foarte robust i util;
2. Din punct de vedere tehnic, regresia logistic se bazeaz pe metoda estimrii
verosimilitii maxime - i nu pe metoda celor mai mici ptrate; Forma de
erxprimare n limba englez pentru estimarea verosimilitii maxime este
Maximum likelihood estimation
3. n regresia liniar, cunoaterea VI duce la predicia VD, pe cnd n regresia
logistic, cunoaterea VI duce la determinarea (predicia) unei probabiliti
pentru fiecare dintre cele dou rspunsuri posibile ale VD. Pe baza ecuaiei
de regresie logistic se poate estima probabilitatea, pentru fiecare subiect n
parte, de a se comporta ntr-un mod fidel sau infidel. Dei are aparent o form
liniar, criteriul estimat este o variabil logit, denumire care vine de la faptul
c VD din ecuaie este logaritmul natural al unei valori ce intr n calculul
probabilitii de a se ntmpla un eveniment sau altul.