¿Cuáles son los métodos de prueba de robustez?
Las pruebas de robustez se refieren a la estabilidad del modelo. Utilizando diversas formas, el modelo es estable, donde los elementos significativos siguen siendo significativos y los elementos insignificantes siguen siendo insignificantes. En general, se recomienda comparar la estabilidad del modelo con y sin variables de control en regresión lineal. Por supuesto, se pueden utilizar varios métodos de investigación, como la regresión lineal, la regresión por pasos y la regresión jerárquica, para probar si la importancia de la misma variable ha cambiado. Si es estable o extremadamente raro, significa que el modelo es robusto. La robustez examina la solidez de una teoría y su capacidad para explicar variables. Es decir, cuando los supuestos o las condiciones cambian, las teorías y variables todavía tienen poder explicativo estable para un determinado problema o fenómeno.
Método de prueba de robustez
Generalmente, una vez explicada la estabilidad del modelo, se debe probar. El método es el siguiente:
Dividir la muestra
Por ejemplo, si hay hombres y mujeres en cuanto a género, hacer un grupo respectivamente. Si la significancia de la variable independiente no cambia antes y después de la comparación, es robusta; en caso contrario, no es robusta.
Cambiar los métodos de investigación
Por ejemplo, utilice regresión lineal, regresión por pasos y regresión jerárquica para probar si la importancia de la misma variable ha cambiado. Si la significancia de una variable independiente no cambia antes y después de la comparación, entonces es robusta o no robusta.
Reemplazar variables
Por ejemplo, si la variable dependiente del estudio es la posibilidad de iniciar un negocio, utilice otra variable dependiente con un significado similar. Si la significancia de una variable independiente no cambia antes y después de la comparación, entonces es robusta o no robusta.
Si colocar variables de control.
Por ejemplo, existen variables de control en el modelo como la edad, el sexo y otras variables demográficas. Si la significancia de la variable independiente no cambia antes y después de la comparación, es robusta; de lo contrario, no hay cambio.
SPSSAU ilustra las pruebas de robustez.
Antecedentes: Estudiar el impacto de la información ejecutiva y los activos del tamaño corporativo en la inversión en I+D. La información sobre la alta dirección incluye la edad promedio de los altos directivos estudiados, la antigüedad promedio de los altos directivos en días, el nivel educativo promedio de los altos directivos y el número de equipos de alta dirección. Consulte la siguiente tabla para obtener explicaciones terminológicas específicas. Este caso utiliza principalmente la regresión SPSSAU para analizar el impacto de la información ejecutiva y los activos del tamaño corporativo en la inversión en I+D. e interpretar los resultados. Primero, procese los datos recopilados.
Verificar la descripción de robustez de este caso a través de "si colocar variables de control", y analizar y comparar las variables controladas y las variables sin control (la variable de control en este caso es el año):
El nivel educativo promedio de los ejecutivos, el número de equipos de alta dirección y el tamaño de los activos de la empresa (RMB) tendrán un impacto positivo significativo en la inversión en I+D (RMB). Y la edad promedio de los ejecutivos tendrá un impacto negativo significativo en la inversión en I+D. Sin embargo, la permanencia promedio de los ejecutivos (días) no afecta la inversión en I+D (yuanes). En resumen, después de la comparación, se puede ver que el modelo es robusto y la significancia de las variables independientes no ha cambiado.