Std. Error. ANOVA b. Sum of Squares df Square F Sig , , ,600, , , ,

Transkript

1 Samspill i regresjon Variables Entered/Removed b Variables Variables Entered Removed Method Kjønn,, Enter hjemmebo ende a a. All requested variables entered. Summary Std. Error Adjusted R of the R R Square Square Estimate,43 a,70,70 9,085 a. Predictors: (Constant), Kjønn, hjemmeboende Residual Total ANOVA b Sum of Mean Squares df Square F Sig ,5 704,075 37,600, , ,49 37, a. Predictors: (Constant), Kjønn, hjemmeboende (Constant) hjemmeboende Kjønn Coefficients a Unstandardized Coefficients a. Dependent Variable: Vanlig arbeidstid i timer pr. uke Standardi zed Coefficien ts B Std. Error Beta t Sig. 40,504,74 47,760,000 -,73,5 -,08 -,44,53-8,57,33 -,43-5,59,000 Christian Poppe, SIFO

2 45 40 Arbeidstid pr. uke Kvinner Menn Som det går fram av figuren, gir ikke resultatene støtte til en hypotese om at antall i husholdet har betydning for arbeidstida. Imidlertid kan sammenhengen mellom antall i husholdet og arbeidstid tenkes å være ulik for menn og kvinner. Vi ønsker derfor å lage en regresjonsmodell som viser den lineære gjennomsnittseffekten av antall i husholdet, som er betinget av om man er mann eller kvinne. Dette kan vi gjøre på to måter:. Separate analyser for kvinner og menn. Konstruere samspillsledd Christian Poppe, SIFO

3 I. Separate regresjonsanslyser for menn og kvinner For kvinner: REGRESSION /SELECT= kjonn EQ /MISSING LISTWISE /STATISTICS COEFF OUTS R ANOVA /CRITERIA=PIN(.05) POUT(.0) /NOORIGIN /DEPENDENT arbtid /METHOD=ENTER ant. For menn: REGRESSION /SELECT= kjonn EQ 0 /MISSING LISTWISE /STATISTICS COEFF OUTS R ANOVA /CRITERIA=PIN(.05) POUT(.0) /NOORIGIN /DEPENDENT arbtid /METHOD=ENTER ant. Christian Poppe, SIFO 3

4 Separat regresjonsanalyse for kvinner Variables Entered/Removed b,c Variables Variables Entered Removed Method hjemmeb, Enter oende a a. All requested variables entered. b. Dependent Variable: Vanlig arbeidstid i timer pr. uke c. s are based only on cases for which Kjønn =,00 Summary R Kjønn = Std. Error,00 Adjusted of the (Selected) R Square R Square Estimate,68 a,08,08 9,7567 a. Predictors: (Constant), hjemmeboende Residual Total ANOVA b,c Sum of Mean Squares df Square F Sig. 4068, ,093 4,735,000 a 39459, , ,5 466 a. Predictors: (Constant), hjemmeboende c. Selecting only cases for which Kjønn =,00 (Constant) hjemmeboende Coefficients a,b Unstandardized Coefficients a. Dependent Variable: Vanlig arbeidstid i timer pr. uke b. Selecting only cases for which Kjønn =,00 Standardi zed Coefficien ts B Std. Error Beta t Sig. 33,77,365 9,68,000 -,63,50 -,68-6,537,000 Christian Poppe, SIFO 4

5 Separat regresjonsanalyse for menn Variables Entered/Removed b,c Variables Variables Entered Removed Method hjemmeb, Enter oende a a. All requested variables entered. b. Dependent Variable: Vanlig arbeidstid i timer pr. uke c. s are based only on cases for which Kjønn =,00 Summary R Kjønn = Std. Error,00 Adjusted of the (Selected) R Square R Square Estimate,8 a,04,03 8,745 a. Predictors: (Constant), hjemmeboende Residual Total ANOVA b,c Sum of Mean Squares df Square F Sig. 676,44 676,44 4,485,000 a 7968, , ,4 74 a. Predictors: (Constant), hjemmeboende c. Selecting only cases for which Kjønn =,00 (Constant) hjemmeboende Coefficients a,b Unstandardized Coefficients a. Dependent Variable: Vanlig arbeidstid i timer pr. uke b. Selecting only cases for which Kjønn =,00 Standardi zed Coefficien ts B Std. Error Beta t Sig. 39,334,8 39,944,000,897,8,8 4,948,000 Christian Poppe, SIFO 5

6 Test av forskjeller mellom effektene fra de to modellene: Hypoteser: H 0 :b x(menn) b x(kvinner) = 0 H Alt :b x(menn) b x(kvinner) 0 Framgangsmåte: b x(diff) : b x(menn) b x(kvinner) = (-.63) =.59 SE b(diff) = ( SEb ( menn) ) ( SEb( kvinner) ) Alternativ (konfidensintervall rundt H 0 ): Ki diff under H0 = 0.96 SE b(diff) 0.96 ( (0.8) (0.5) ) Vi beholder H 0 hvis b x(diff) faller innenfor intervallet Vi forkaster H 0 hvis b x(diff) faller utenfor intervallet faller utenfor 0. 60, og vi forkaster H 0 Alternativ (t-test): t t b SE x(diff) b(diff).59 (0.8) (0.5) ) =8. Vi beholder H 0 dersom t-verdien er lavere enn kritisk verdi (f.eks.,96 på 5% signifikansnivå). Vi forkaster H 0 dersom t-verdien er høyere enn kritisk verdi (f.eks.,96 på 5% signifikansnivå). 8. er høyere enn.96 og vi forkaster H 0 Christian Poppe, SIFO 6

7 II. Testing av samspillshypotese ved hjelp av samspillsledd Først må vi lage samspillsleddet, som er produktet av de to variablene som samspiller: Compute samspill=kjonn*ant. Så kjører vi en regresjon på HELE materialet, hvor samspillsleddet inngår som en av de uavhengige variablene i modellen: Summary Std. Error Adjusted of the R R Square R Square Estimate,434 a,88,87 8,9860 a. Predictors: (Constant), SAMSPILL, hjemmeboende, Kjønn Residual Total ANOVA b Sum of Mean Squares df Square F Sig , ,905 46,380,000 a 5747, ,749 37, 39 a. Predictors: (Constant), SAMSPILL, hjemmeboende, Kjønn (Constant) hjemmeboende Kjønn SAMSPILL Coefficients a Unstandardized Coefficients a. Dependent Variable: Vanlig arbeidstid i timer pr. uke Standardi zed Coefficien ts B Std. Error Beta t Sig. 39,334,305 8,86,000,897,97,096 4,556,000-5,56,454 -,78 -,55,000 -,530,303 -,0-8,355,000 Christian Poppe, SIFO 7

8 III. Grafisk framstilling av samspillsmodellen Disse variablene inngår i regresjonsmodellen: Y= arbeidstimer i uka X = i husholdet X =Kjønn X X =Samspillsleddet (Kjønn* ) len kan skrives slik: ~ Y 39.3 (0.897 * X ) ( 5.56 * X ) (.530 * X X Ved å fylle ut denne ligningen, kan vi grafisk vise den predikerte arbeidstida ved ulikt antall i husholdet, både for kvinner og menn: ) For menn: ~ X X ). Y 39.3 (0.897 * ) ( 5.56 *0) (.530* * 0 For kvinner: ~. Y 39.3 (0.897 * ) ( 5.56*) (.530 * *) X X fig. 0-A: Arbeidstid som funksjon av antall i husholdet. Predikert for kvinner og menn. 5 0 arbeidstid per uke K v in n e r M e n n Merk: Resultatet fra den separate analysen gir de samme predikerte verdiene som analysen med samspillsledd (NB! Dette gjelder strengt tatt bare hvis vi ikke har flere variabler med enn de som inngår i samspillsleddet). Den marginale forskjellen i t-verdi skyldes at den separate analysen deler utvalget i to grupper, og at dette påvirker standardfeilen for koeffisientene. I tillegg har vi brukt færre desimaler enn SPSS i beregningene. Christian Poppe, SIFO 8