¡Descarga Práctica 9. STATA y más Ejercicios en PDF de Psicología solo en Docsity!
Pràctica 9 - Regressió lineal amb interacció i control de la confusió
Continuant l’estudi sobre satisfacció dels clients de restaurants, en aquesta pràctica estimarem models explicatius de la SATISFACCIÓ GENERAL a partir dels predictors FIABILITAT i TEMPS, la variable modificadora CLIENT HABITUAL i la variable d’ajust EDAT.
Les hipòtesis de l’estudi que examinarem en la part dirigida són:
H3: El factor fiabilitat del servei (FIABI) influeix en la valoració de SATISFACCIÓ expressada pels clients (SG), de forma diferent per clients habitual i no habituals.
H4: El factor temps (TEMPS) influeix en la valoració de SATISFACCIÓ expressada pels clients (SG), de forma diferent per clients habitual i no habituals.
En la contrastació de les hipòtesis 3 i 4 d’aquestes dues hipòtesis s’ha de valorar si és necessari ajustar els resultats per la EDAT dels clients.
Al finalitzar aquesta pràctica hauríeu de ser capaços de:
- Decidir si una variable d’interacció és necessària en un model de regressió.
- Interpretar els efectes d’una variable independent en presència d’interacció.
- Decidir si una variable d’ajustament és necessària en la estimació de l’efecte d’una variable independent.
PREGUNTES
- Obre la matriu de dades Satisfaccio.dta. Representa gràficament la relació entre FIABILITAT i SATISFACCIÓ GENERAL. Primerament amb tots els participants, desprès per cada categoria de CLIENT HABITUAL. Edita cadascun dels gràfics, i dibuixa la recta de regressió.
Recorda que per fer un gràfic de dispersió has de seguir els següents passos:
- Graphics > Twoway graphs (scatter, line, etc)
- Clicar "Create..."
- Deixar seleccionat "Basic plots" - "Scatter", i afegir a "Y variable": SG, i a "X variable": FIABI.
- Clicar "Accept..." Per dibuixar al gràfic la recta de regressió:
- Clicar "Create..."
- Seleccionar "Fit plots" - "Linear prediction", i afegir a "Y variable": SG, i a "X variable": FIABI.
- Clicar "Accept..."
- Clicar "OK"
La comanda resultant és: twoway (scatter SG FIABI) (lfit SG FIABI)
Repeteix el mateix procediment segmentant per tipus de CLIENT HABITUAL (SÍ F 0 E 0CH=1, i NO F 0 E 0CH=0).
- Graphics > Twoway graphs (scatter, line, etc)
- A la pestanya "By" marcar la casella de verificació "Draw subgraphs..." i seleccionar la variable CH. La comanda resultant és: twoway (scatter SG FIABI) (lfit SG FIABI), by(CH)
Enganxa els tres gràfics de regressió per estudiar la influència de la FIABILITAT sobre la SATISFACCIÓ, per tota la mostra i per cada tipus de CLIENT HABITUAL.
A partir dels gràfics anteriors: Creus que hi ha relació entre FIABILITAT i SATISFACCIÓ?
Què passa amb aquesta relació quan es fa per separat, per clients no habituals i sí habituals? CLIENT HABITUAL seria una variable d’interacció, de confusió o cap de les dues?
Sembla que per tota la mostra la relació lineal entre FIABILITAT i SATISFACCIÓ GENERAL és evident i positiva (a més valoració de FIABILITAT més SATISFACCIÓ GENERAL), amb una pendent bastant pronunciada.
Aquesta relació es manté dins els clients no habituals (CH=0), però perd força (menys inclinació) quan s’analitza dins els clients habituals (CH=1). Per tant, la relació es veu modificada al canviar la tipologia de CLIENT.
Donat que les rectes de regressió són prou diferents segons el tipus de client, sembla que es podria parlar d’interacció entre FIABILITAT i CLIENT HABITUAL a l’explicació de la SATISFACCIÓ GENERAL.
- Fes el mateix anàlisi de la pregunta anterior però agafant com a predictor de la SG el factor TEMPS.
Conclusió: La relació observada entre TEMPS i SATISFACCIÓ GENERAL es modifica quan és avaluada dins client habitual o client no habitual. Sembla que dins client no habitual la relació és més forta i perd intensitat dins el grup de clients sí habituals. Per tant, ser client habitual sembla ser una variable modificadora que interactua amb el factor TEMPS per explicar la SATISFACCIÓ.
servei. Segueix la següent seqüència de sintaxi. Statistics > Linear models and related > Linear regression
- Afegir a "Dependent variable": SG
- Afegir a "Independent variable": FIABI
- Clicar "OK" La comanda resultant és: regress SG FIABI
Interpreta el coeficient de regressió del factor FIABILITAT. Indica si es tracta d’un efecte brut, d’interacció o d’un efecte ajustat?
b 1 : Per cada increment d’una unitat en FIABILITAT, la SG s’incrementa 0.72 punts, és un increment estadísticament significatiu ( t 185 =7.45, p < 0.0005), amb un IC95% de 0.53 a 0.92. Donat que és la única variable inclosa en el model es tracta d’un efecte brut.
- Fes el mateix anàlisi de la pregunta 3, però agafant com a predictor el factor TEMPS.
b 1 : Per cada increment d’una unitat en TEMPS la SG s’incrementa 0.64 punts, es tracta d’un increment estadísticament significatiu ( t 185 = 5.78, p < 0.0005), amb un IC95% de 0.42 a 0.86. Donat que és la única variable inclosa en el model es tracta d’un efecte brut.
Comprova estadísticament si ser CLIENT HABITUAL és una variable que interactua amb
es troba en la pregunta 5, i l'efecte ajustat s'ha d’estimar.
a) Estudi de si Edat és confusora en Clients NO habituals:
regress SG FIABI CH c.FIABI#c.CH EDAT
Compara l’efecte de la FIABILITAT (per a client no habitual) sense ajustar i ajustat per l’EDAT.
Client no habitual: El canvi entre l’efecte de FIABILITAT no ajustat (b=0.879) i l’efecte ajustat (0.728) és d’un 20.74% [(0.879 F 0 2 D0.728)/0.728]. Sembla bastant important (>10%) com per mantenir l’EDAT en el model i interpretar el coeficient del factor FIABILITAT ajustat per l’EDAT.
b)
Estudi de si Edat és confusora en Clients SÍ habituals: regress SG FIABI CH1 c.FIABI#c.CH1 EDAT
Compara l’efecte de la FIABILITAT (per a client habitual) sense ajustar i ajustat per l’EDAT.
Client habitual: L'efecte de FIABILITAT sobre SATISFACCIO no ajustat és 0.427, i l'efecte ajustat per EDAT és 0.331, el que comporta un canvi del 29%, per tant, representa un canvi bastant important. Fent l'anàlisi en el grup de Clients Habituals també es conclou que L'EDAT és necessària com variable d’ajust.
- En el model que estudia la influència del TEMPS sobre la SATISFACCIÓ, determina si ser client habitual és una variable d'interacció (repetir els passos des de la pregunta 5). a) Estudia la significació del terme d'interacció i redacta una conclusió:
regress SG TEMPS CH c.TEMPS#c.CH
Conclussió: La interacció entre TEMPS i CLIENT HABITUAL és estadísticament significativa ( t 183 = F 0 2 D3.34, p = 0.001). El coeficient de regressió de la interacció ( b = F 0 2 D0.762) indica la diferència de pendent entre les rectes de regressió per client habitual i no habitual. Ser o no client habitual és una variable d'interacció en l'estudi de la influència del factor TEMPS sobre la SATISFACCIÓ GENERAL.
b)
i habituals:
regress SG TEMPS CH1 c.TEMPS#c.CH
Client no habitual: El primer llistat (pregunta 7) presenta els resultats per a clients no habituals (CH=0). Ens indica que per cada increment d’una unitat en el factor TEMPS, la SATISFACCIÓ s’incrementa 0.901 punts, essent un increment estadísticament significatiu ( t 183 = 6.384, p < 0.0005) amb un IC95% de 0.62 a 1.18. Client habitual: Per cada increment d’una unitat en TEMPS, la SATISFACCIÓ s’incrementa 0.139 punts, i en aquest cas l'increment no és estadísticament significatiu ( t 183 = .775, p = 0.439), amb un IC95% de F 0 2 D0.215 a 0.493 (que inclou el valor 0).
- Estudia si la edat és una variable de confusió en el model que valora la influència del temps sobre la satisfacció (has de repetir es passos seguits a la pregunta 6).
a) Compara l’efecte del TEMPS (per a client no habitual) sense ajustar, i ajustat per edat. regress SG TEMPS CH c.TEMPS#c.CH EDAT
Client no habitual: El canvi entre l’efecte de TEMPS no ajustat (b=0.901) i l’efecte ajustat (0.697) és d’un 29.27%. És un canvi que supera el criteri del 10% i per tant suggereix mantenir l’Edat en el model com variable d'ajust
b)
Compara l’efecte del TEMPS (per a client habitual) sense ajustar, i ajustat per EDAT.
regress SG TEMPS CH1 c.TEMPS#c.CH1 EDAT
Client habitual:
El canvi entre l’efecte de TEMPS no ajustat (b=0.139) i l’efecte ajustat (0.035) és d’un 297.14%. És un canvi d'una magnitut altíssima que obliga a mantenir l’EDAT en el model i interpretar el coeficient del factor TEMPS ajustat per l’EDAT.
Per tant, l'EDAT és una variable d'ajust necessària en l'estudi de la influència del factor TEMPS en la satisfacció.
