Regresijska analiza u SPSS-u – kako interpretirati rezultate

Što je regresijska analiza

Regresijska analiza omogućuje:

• predviđanje vrijednosti zavisne varijable
• procjenu utjecaja nezavisnih varijabli
• testiranje statističke značajnosti modela

Najčešće korištena je linearna regresija, koja pretpostavlja linearan odnos između varijabli.

Ključni dijelovi SPSS outputa

SPSS prikazuje nekoliko tablica koje su ključne za interpretaciju:

• Model Summary
• ANOVA
• Coefficients

Svaka od njih ima specifičnu ulogu u interpretaciji rezultata.

Model Summary – objašnjena varijanca

Tablica Model Summary sadrži sljedeće ključne pokazatelje:

• R – koeficijent korelacije između stvarnih i predviđenih vrijednosti
• R² (R Square) – postotak objašnjene varijance
• Adjusted R² – prilagođena vrijednost R² (važna kod više prediktora)

Interpretacija:

• R² = 0,25 → model objašnjava 25% varijance
• veći R² → bolji model

Važno: visoka vrijednost R² ne znači nužno dobar model bez dodatnih provjera.

ANOVA – statistička značajnost modela

ANOVA tablica testira je li regresijski model statistički značajan.

Ključni elementi:

• F vrijednost
• p-vrijednost (Sig.)

Interpretacija:

• Ako je p < 0,05, model je statistički značajan
• Ako je p < 0,001, model je visoko značajan

Primjer interpretacije:

Statistički test pokazuje: F = 15,32, p < 0,001
→ regresijski model je statistički značajan

Coefficients – interpretacija prediktora

Najvažnija tablica u regresijskoj analizi.

Sadrži:

• B (unstandardized coefficient)
• Beta (standardized coefficient)
• t vrijednost
• p-vrijednost

B koeficijent

Pokazuje koliko se zavisna varijabla mijenja kada se nezavisna varijabla poveća za jednu jedinicu.

Primjer:
B = 0,45
→ povećanje X za 1 dovodi do povećanja Y za 0,45

Beta koeficijent

Standardizirani koeficijent omogućuje usporedbu važnosti prediktora.

• veći Beta → jači utjecaj

p-vrijednost

Pokazuje je li prediktor statistički značajan.

Interpretacija:

• p < 0,001 → visoko značajan
• p < 0,05 → značajan
• p > 0,05 → nije značajan

Primjer:

Statistički test pokazuje:
β = 0,32, t = 4,21, p < 0,001
→ prediktor ima značajan pozitivan utjecaj

Multikolinearnost

Važno je provjeriti međusobnu povezanost prediktora.

SPSS daje:

• VIF (Variance Inflation Factor)
• Tolerance

Interpretacija:

• VIF < 5 → prihvatljivo
• VIF > 10 → problem

Pretpostavke regresijske analize

Za pravilnu interpretaciju potrebno je provjeriti:

• normalnost reziduala
• linearnost odnosa
• homoskedastičnost
• odsutnost multikolinearnosti

Kako napisati rezultate u radu

Primjer:

Provedena je linearna regresijska analiza kako bi se ispitao utjecaj varijable X na varijablu Y. Rezultati pokazuju da je model statistički značajan (F = 15,32, p < 0,001) te objašnjava 25% varijance zavisne varijable (R² = 0,25). Prediktor X pokazuje statistički značajan pozitivan utjecaj (β = 0,32, p < 0,001).

Autor rada ostaje odgovoran za konačni tekst i interpretaciju rezultata.
Pripremit ću statističke rezultate i predložiti način njihovog prikaza u radu.

Najčešće greške

• pogrešno tumačenje R²
• ignoriranje pretpostavki
• fokus samo na p-vrijednost
• zanemarivanje veličine efekta

Zaključak

Regresijska analiza predstavlja moćan alat za analizu odnosa između varijabli. Međutim, pravilna interpretacija zahtijeva razumijevanje svih dijelova outputa i provjeru pretpostavki modela.

Kako citirati ovaj članak (APA stil)

Miljko, L. (2025). Regresijska analiza u SPSS-u – kako interpretirati rezultate. Statistische Beratung.
Preuzeto s: https://statistischeberatung.de

Literatura

Statistische Beratung Leonardo Miljko. (2025). Wie man die Korrelationskoeffizientenwerte von Pearson und Spearman interpretiert.
Retrieved from https://statistischedatenanalyse.de/index.php/de/04-forschungsmethoden-de/04-05-de-wie-man-die-korrelationskoeffizientenwerte-von-pearson-und-spearman-interpretiert

Keywords

regresijska analiza, SPSS regresija, interpretacija rezultata, R kvadrat, ANOVA regresija, beta koeficijent, statistička analiza

Metatekst

Naučite kako interpretirati rezultate regresijske analize u SPSS-u. Detaljan vodič uključuje R², ANOVA, koeficijente i statističku značajnost s primjerima.