다중 회귀를 일반 데이터 분석 시스템으로서.

다중 회귀(MR)를 조작적 및 관찰적 심리 연구 모두에서 연구 목표에 대한 높은 유연성, 강력함 및 충실성을 가진 일반적인 분산 회계 절차로 사용하는 기술을 제시합니다. 서론으로 MR과 고정 모형 분산/공분산 분석(AV/ACV)의 동일성을 개략적으로 설명합니다. 이는 MR에서 명목 척도(질적) 데이터를 독립 변수로 표현하는 방법을 설명해야 합니다. MR에서 상호작용, 곡선성, 누락 데이터 및 공변량을 처리하는 방법에 주의를 기울입니다. 마지막으로, 데이터 분석에서 AV/ACV와 MR의 상대적 역할을 설명하고 후자의 실용적 장점을 제시합니다. 수학 통계학자에게 선형 다중 회귀 분석과 분산(및 공분산) 분석이 동일한 시스템이라고 말하면 그는 "물론—일반 선형 모형" 같은 말을 중얼거릴 것이고, 당신은 그의 주의를 유지하는 데 어려움을 겪을 수 있습니다. 전형적인 심리학자에게 이것을 말하면 당신은 의심하거나 더 나쁜 반응을 받을 것입니다. 그러나 그것은 사실이며, 그 사실 속에는 연구 데이터를 더 관련 있고 따라서 더 강력하게 활용할 수 있는 가능성이 있습니다. 심리학자들이 다중 회귀(MR)와 고정 모형 분산(AV) 및 공분산(ACV) 사이의 동일성을 이상하게 여기는 것은 충분히 이해할 수 있습니다. 심리 통계학 교과서는 이러한 문제를 전혀 별개로 다루며, 완전히 다른 알고리즘, 명명법, 출력 및 예시를 가지고 있습니다. MR은 일반적으로 교육 또는 인사 선발의 심리 기술에서 도출한 예제를 통해 설명됩니다. 일반적으로는 예측 변수(예: 언어)에서 어떤 기준(예: 신입생 평균 학점)을 예측하는 방식입니다.