Feedback
What do you think about us?
Your name
Your email
Message
La regressione lineare modella la relazione tra variabili dipendenti e indipendenti per analisi e previsioni. Essenziale in psicologia, economia e oltre, permette di interpretare dati e prevedere comportamenti.
Show More
La regressione lineare modella la relazione tra una variabile dipendente e una o più variabili indipendenti
Semplice e multipla
La regressione lineare può essere semplice, con un solo predittore, o multipla, con più predittori
La regressione lineare può essere utilizzata sia per comprendere l'influenza delle variabili indipendenti sulla variabile dipendente, sia per stimare valori futuri della variabile dipendente
La teoria del comportamento pianificato sostiene che l'intenzione di eseguire un comportamento è il miglior predittore del comportamento stesso
Atteggiamento, norma soggettiva e controllo comportamentale percepito
La regressione lineare permette di quantificare l'effetto di questi tre fattori sulla variabile dipendente dell'intenzione comportamentale
La matrice di correlazione di Pearson fornisce un'indicazione delle relazioni lineari tra coppie di variabili quantitative
La correlazione non implica causalità, ma indica soltanto una variazione congiunta tra due variabili
Una forte correlazione tra due variabili indipendenti può indicare la presenza di multicollinearità, che può influenzare l'affidabilità dei coefficienti di regressione
I coefficienti di regressione, sia non-standardizzati che standardizzati, indicano l'entità dell'effetto delle variabili indipendenti sulla variabile dipendente
Le statistiche t e i valori p associati ai coefficienti testano l'ipotesi nulla che non vi sia relazione tra le variabili
Il coefficiente di determinazione misura la proporzione di varianza della variabile dipendente spiegata dal modello di regressione