Social support and sports social behavior

Autor

Emma Dulovičová

Publikované

16. novembra 2026

1 Predstavenie projektu

1.1 Téma projektu a motivácia

Štúdia sa zaoberá vzťahom medzi vnímanou sociálnou podporou a správaním vysokoškolských študentov v športe, pričom skúma aj úlohu sociálnej úzkosti a psychickej odolnosti. Na základe dotazníkových údajov od 1 157 vysokoškolských študentov analyzuje, či sociálna podpora súvisí s prosociálnym správaním, teda pomáhaním a spoluprácou, a s antisociálnym správaním, napríklad s konaním namiereným proti ostatným.

Túto tému som si vybrala aj z osobného záujmu, pretože sa momentálne pripravujem na svoj prvý polmaratón a behanie sa stalo neoddeliteľnou súčasťou môjho života. Zaujíma ma preto nielen fyzická stránka športu, ale aj to, ako môžu sociálne vzťahy, podpora okolia a psychická odolnosť súvisieť so správaním a športovými aktivitami.

1.2 Ciele projektu

Cieľom projektu je analyzovať dostupné údaje o sociálnej podpore a správaní vysokoškolských študentov v športe pomocou štatistických metód v prostredí R. Na základe vytvorených tabuliek, grafov a základných štatistických ukazovateľov sa projekt zameria na preskúmanie súvislostí medzi sociálnou podporou, prosociálnym a antisociálnym správaním a na prehľadné vizuálne znázornenie získaných výsledkov.

1.3 Zdroj údajov

Na analýzu využívam databázu vo formáte Excel, ktorú som stiahla z platformy Mendeley Data spolu s podkladmi k vybranej štúdii. Databáza je dostupná tu. Obsahuje údaje od 1 157 respondentov a informácie o ich pohlaví, veku, ročníku štúdia, psychickej odolnosti, sociálnej úzkosti, sociálnej podpore a správaní v športe.

Údaje importujem do prostredia R, skontrolujem ich štruktúru a prípadné chýbajúce hodnoty a následne vytvorím základné štatistické prehľady, grafické vizualizácie a regresné modely.

“Running is alone time that lets my brain unspool.” – Rob Haneisen

2 Údaje a databáza

2.1 Import údajov

Na začiatku analýzy načítam potrebné knižnice a importujem databázu z Excel súboru. Následne upravím názvy premenných do jednotného formátu a skontrolujem základnú štruktúru údajov.

Počet respondentov: 1157
Počet premenných: 9
Prvých šesť riadkov databázy
no sex year age psychological_resilienc social_anxiety social_support prosocial_behavior_in_sport antisocial_behavior_in_sport
1 Male First-year 19 106 58 77 34 61
2 Male First-year 19 105 58 77 27 67
3 Male First-year 19 106 58 77 33 61
4 Male First-year 19 106 58 77 33 61
5 Male Second-year 20 105 58 77 33 67
6 Male First-year 19 106 58 77 33 61

2.2 Prehľad premenných

V databáze sa nachádza deväť premenných. Okrem identifikačného čísla respondenta a základných demografických údajov obsahuje päť hlavných premenných, ktoré vyjadrujú skúmané psychologické a behaviorálne charakteristiky.

Prehľad premenných a ich dátových typov
Premenná Typ údajov Počet chýbajúcich hodnôt
no numeric 0
sex character 0
year character 0
age numeric 0
psychological_resilienc numeric 0
social_anxiety numeric 0
social_support numeric 0
prosocial_behavior_in_sport numeric 0
antisocial_behavior_in_sport numeric 0

2.3 Kontrola chýbajúcich hodnôt

Kontrola chýbajúcich hodnôt je dôležitou súčasťou prípravy údajov. Umožňuje zistiť, či databáza obsahuje neúplné pozorovania, ktoré by mohli ovplyvniť ďalšiu analýzu.

Prehľad chýbajúcich hodnôt v databáze
Premenná Počet chýbajúcich hodnôt Podiel chýbajúcich hodnôt (%)
no 0 0
sex 0 0
year 0 0
age 0 0
psychological_resilienc 0 0
social_anxiety 0 0
social_support 0 0
prosocial_behavior_in_sport 0 0
antisocial_behavior_in_sport 0 0

2.4 Graf chýbajúcich hodnôt

Grafické znázornenie umožňuje rýchlejšie porovnať počet chýbajúcich hodnôt medzi jednotlivými premennými a prehľadnejšie posúdiť kvalitu databázy pred samotnou štatistickou analýzou.

2.5 Opisná štatistika

Opisná štatistika poskytuje základný prehľad o číselných premenných. V nasledujúcej tabuľke sú uvedené počty pozorovaní, minimálne a maximálne hodnoty, mediány, priemery a smerodajné odchýlky.

Identifikačné číslo respondenta do tejto analýzy nezahŕňam, pretože nepredstavuje skúmanú číselnú charakteristiku.

Opisná štatistika vybraných číselných premenných
Premenna Pocet Minimum Median Priemer Smerodajna_odchylka Maximum
age 1157 18 20 20.017 1.269 23
psychological_resilienc 1157 89 102 101.252 3.304 106
social_anxiety 1157 54 57 57.332 1.835 61
social_support 1157 67 74 73.529 2.249 77
prosocial_behavior_in_sport 1157 10 31 30.124 10.900 52
antisocial_behavior_in_sport 1157 58 65 64.818 2.103 68

3 Analýza vzťahov medzi premennými

3.1 Výber premenných

Pre ďalšiu analýzu vyberám päť hlavných premenných, ktoré predstavujú jednotlivé skúmané oblasti. V databáze sú už dostupné ako súhrnné skóre, preto nie je potrebné vytvárať nové skóre priemerovaním jednotlivých položiek.

Premenné použité v štatistickej analýze
Konštrukt Použitá premenná
Sociálna podpora social_support
Prosociálne správanie prosocial_behavior_in_sport
Antisociálne správanie antisocial_behavior_in_sport
Sociálna úzkosť social_anxiety
Psychická odolnosť psychological_resilienc

3.2 Vzťah medzi sociálnou podporou a prosociálnym správaním

V tejto časti skúmam vzťah medzi vnímanou sociálnou podporou a prosociálnym správaním v športe. Bodový graf umožňuje vizuálne posúdiť, či medzi premennými existuje určitá súvislosť.

3.3 Jednoduchá lineárna regresia – prosociálne správanie

Pomocou jednoduchej lineárnej regresie skúmam, či možno sociálnu podporu využiť na vysvetlenie zmien v prosociálnom správaní. Model obsahuje jednu vysvetľujúcu premennú a jednu závislú premennú.

Výsledky jednoduchej regresie prosociálneho správania
term estimate std.error statistic p.value
(Intercept) -94.2128 9.8306 -9.5836 0
socialna_podpora 1.6910 0.1336 12.6538 0
Základné charakteristiky jednoduchej regresie
Počet pozorovaní R² Upravené R² Odhad SD rezíduí
1157 0.1218 0.121 10.2196

3.4 Regresná priamka

Na základe odhadnutého modelu zobrazujem bodový graf doplnený o regresnú priamku. Tá znázorňuje odhadovaný lineárny vzťah medzi sociálnou podporou a prosociálnym správaním.

3.5 Jednoduchá lineárna regresia – antisociálne správanie

V ďalšom kroku skúmam vzťah medzi sociálnou podporou a antisociálnym správaním. Cieľom je zistiť, či vyššia vnímaná sociálna podpora súvisí so zmenami v antisociálnom správaní v športovom prostredí.

Výsledky jednoduchej regresie antisociálneho správania
term estimate std.error statistic p.value
(Intercept) 75.3711 2.0002 37.6810 0
socialna_podpora -0.1435 0.0272 -5.2786 0
Základné charakteristiky regresie antisociálneho správania
Počet pozorovaní R² Upravené R² Odhad SD rezíduí
1157 0.0236 0.0227 2.0794

3.6 Viacnásobná lineárna regresia

Viacnásobná lineárna regresia umožňuje skúmať vplyv viacerých vysvetľujúcich premenných súčasne. V tomto modeli je závislou premennou antisociálne správanie a vysvetľujúcimi premennými sociálna podpora, sociálna úzkosť a psychická odolnosť.

Výsledky viacnásobnej lineárnej regresie
term estimate std.error statistic p.value
(Intercept) 103.857039 3.996773 25.985224 0.000000
socialna_podpora -0.008700 0.025978 -0.334913 0.737752
socialna_uzkost -0.067436 0.035193 -1.916178 0.055590
psychicka_odolnost -0.341066 0.018933 -18.014072 0.000000

3.7 Súhrn modelu

Pre posúdenie kvality viacnásobného regresného modelu využívam základné charakteristiky, ako sú počet pozorovaní, koeficient determinácie a odhad smerodajnej odchýlky rezíduí.

Základné charakteristiky viacnásobného modelu
Počet pozorovaní R² Upravené R² Odhad SD rezíduí
1157 0.2611 0.2592 1.8104

3.8 Porovnanie skutočných a predikovaných hodnôt

Pomocou funkcií fitted() a residuals() porovnávam skutočné hodnoty závislej premennej s hodnotami odhadnutými regresným modelom. Rezíduum predstavuje rozdiel medzi skutočnou a predikovanou hodnotou.

Porovnanie skutočných a predikovaných hodnôt
Skutocna_hodnota Predikcia Reziduum
61 63.123 -2.123
67 63.464 3.536
61 63.123 -2.123
61 63.123 -2.123
67 63.464 3.536
61 63.123 -2.123
64 63.949 0.051
64 63.949 0.051
64 63.949 0.051
64 63.949 0.051

3.9 Predikcia jednoduchého regresného modelu

Na záver regresnej analýzy využívam funkciu predict(), pomocou ktorej vytvorím predikcie prosociálneho správania pri troch hodnotách sociálnej podpory zodpovedajúcich dolnej, strednej a hornej časti jej pozorovaného rozsahu.

Predikcie jednoduchého regresného modelu
Sociálna podpora Predikcia prosociálneho správania
67 19.083
72 27.538
77 35.993

4 Záver

V projekte som pripravila analýzu údajov o sociálnej podpore a správaní v športe pomocou programu R. Najprv som načítala údaje, skontrolovala štruktúru databázy a chýbajúce hodnoty a následne som vytvorila opisnú štatistiku.

V ďalších častiach som sa zamerala na grafické znázornenie vzťahov a na odhad jednoduchých a viacnásobných lineárnych regresných modelov. Pomocou funkcií lm(), tidy() a glance() možno preskúmať smer a veľkosť odhadnutých vzťahov a základné charakteristiky modelu. Funkcie fitted(), residuals() a predict() umožňujú porovnávať skutočné hodnoty s predikciami a vytvárať odhady pre zadané hodnoty vysvetľujúcich premenných.

Pri interpretácii výsledkov je potrebné zohľadniť, že regresné modely v tejto práci slúžia na skúmanie štatistických súvislostí. Bez ďalších predpokladov a vhodného výskumného dizajnu z nich nemožno vyvodzovať príčinné závery.

5 Cvičenie 5 – Diagnostika regresného modelu

V tomto cvičení sa zameriame na diagnostiku regresných modelov, ktoré skúmajú vzťah medzi sociálnou podporou a prosociálnym správaním v športe. Cieľom je overiť, či sú vytvorené regresné modely vhodné, a posúdiť, či spĺňajú základné predpoklady lineárnej regresie.

5.1 1. Načítanie potrebných knižníc a databázy

Najskôr načítame potrebné knižnice a našu databázu. Použijeme premenné, s ktorými sme pracovali aj v predchádzajúcich cvičeniach.

[1] 1157    9
# A tibble: 6 × 9
     no sex   year      age psychological_resili…¹ social_anxiety social_support
  <dbl> <chr> <chr>   <dbl>                  <dbl>          <dbl>          <dbl>
1     1 Male  First-…    19                    106             58             77
2     2 Male  First-…    19                    105             58             77
3     3 Male  First-…    19                    106             58             77
4     4 Male  First-…    19                    106             58             77
5     5 Male  Second…    20                    105             58             77
6     6 Male  First-…    19                    106             58             77
# ℹ abbreviated name: ¹​psychological_resilienc
# ℹ 2 more variables: prosocial_behavior_in_sport <dbl>,
#   antisocial_behavior_in_sport <dbl>

5.2 2. Príprava dát

Pre analýzu budeme používať štyri premenné: - prosociálne správanie v športe, - sociálnu podporu, - sociálnu úzkosť, - psychologickú odolnosť.

Pred vytvorením modelov odstránime prípadné chýbajúce hodnoty v týchto premenných.

[1] 1157
prosocial_behavior_in_sport              social_support 
                          0                           0 
             social_anxiety     psychological_resilienc 
                          0                           0 
 prosocial_behavior_in_sport social_support  social_anxiety 
 Min.   :10.00               Min.   :67.00   Min.   :54.00  
 1st Qu.:19.00               1st Qu.:72.00   1st Qu.:56.00  
 Median :31.00               Median :74.00   Median :57.00  
 Mean   :30.12               Mean   :73.53   Mean   :57.33  
 3rd Qu.:40.00               3rd Qu.:75.00   3rd Qu.:59.00  
 Max.   :52.00               Max.   :77.00   Max.   :61.00  
 psychological_resilienc
 Min.   : 89.0          
 1st Qu.: 99.0          
 Median :102.0          
 Mean   :101.3          
 3rd Qu.:104.0          
 Max.   :106.0          

5.3 3. Vytvorenie regresných modelov

Vytvoríme tri regresné modely, ktoré budeme následne porovnávať.

Prvý model skúma iba vzťah medzi sociálnou podporou a prosociálnym správaním.

Druhý model rozširuje analýzu o sociálnu úzkosť a psychologickú odolnosť.

Tretí model navyše obsahuje druhú mocninu sociálnej podpory. Vďaka tomu môžeme preskúmať, či vzťah medzi sociálnou podporou a prosociálnym správaním nemusí byť úplne lineárny.


Call:
lm(formula = prosocial_behavior_in_sport ~ social_support, data = data_model)

Residuals:
    Min      1Q  Median      3Q     Max 
-20.993  -9.538  -1.229   8.535  25.226 

Coefficients:
               Estimate Std. Error t value Pr(>|t|)    
(Intercept)    -94.2128     9.8306  -9.584   <2e-16 ***
social_support   1.6910     0.1336  12.654   <2e-16 ***
---
Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1

Residual standard error: 10.22 on 1155 degrees of freedom
Multiple R-squared:  0.1218,    Adjusted R-squared:  0.121 
F-statistic: 160.1 on 1 and 1155 DF,  p-value: < 2.2e-16

Call:
lm(formula = prosocial_behavior_in_sport ~ social_support + social_anxiety + 
    psychological_resilienc, data = data_model)

Residuals:
     Min       1Q   Median       3Q      Max 
-21.7296  -9.1343  -0.9901   8.0487  26.0079 

Coefficients:
                        Estimate Std. Error t value Pr(>|t|)    
(Intercept)             -48.3069    22.5239  -2.145   0.0322 *  
social_support            1.5864     0.1464  10.836   <2e-16 ***
social_anxiety           -0.4803     0.1983  -2.422   0.0156 *  
psychological_resilienc  -0.1054     0.1067  -0.988   0.3232    
---
Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1

Residual standard error: 10.2 on 1153 degrees of freedom
Multiple R-squared:  0.1262,    Adjusted R-squared:  0.1239 
F-statistic: 55.51 on 3 and 1153 DF,  p-value: < 2.2e-16

Call:
lm(formula = prosocial_behavior_in_sport ~ social_support + social_anxiety + 
    psychological_resilienc + I(social_support^2), data = data_model)

Residuals:
     Min       1Q   Median       3Q      Max 
-26.4088  -7.3661  -0.1102   6.8898  23.2631 

Coefficients:
                          Estimate Std. Error t value Pr(>|t|)    
(Intercept)             2464.31613  268.46625   9.179  < 2e-16 ***
social_support           -66.42081    7.24392  -9.169  < 2e-16 ***
social_anxiety            -0.58137    0.19154  -3.035  0.00246 ** 
psychological_resilienc   -0.50300    0.11125  -4.521 6.78e-06 ***
I(social_support^2)        0.46824    0.04987   9.390  < 2e-16 ***
---
Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1

Residual standard error: 9.837 on 1152 degrees of freedom
Multiple R-squared:  0.1883,    Adjusted R-squared:  0.1855 
F-statistic: 66.82 on 4 and 1152 DF,  p-value: < 2.2e-16

5.4 4. Porovnanie regresných modelov pomocou AIC

Na porovnanie kvality modelov použijeme Akaikeho informačné kritérium (AIC). Nižšia hodnota AIC predstavuje výhodnejší model v rámci porovnávaných alternatív.

Porovnanie regresných modelov pomocou AIC
Model AIC
Model 3 8580.66
Model 2 8663.99
Model 1 8665.87

Na základe najnižšej hodnoty AIC vyberieme model, ktorý budeme ďalej diagnostikovať.

[1] "Model 3"

Call:
lm(formula = prosocial_behavior_in_sport ~ social_support, data = data_model)

Residuals:
    Min      1Q  Median      3Q     Max 
-20.993  -9.538  -1.229   8.535  25.226 

Coefficients:
               Estimate Std. Error t value Pr(>|t|)    
(Intercept)    -94.2128     9.8306  -9.584   <2e-16 ***
social_support   1.6910     0.1336  12.654   <2e-16 ***
---
Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1

Residual standard error: 10.22 on 1155 degrees of freedom
Multiple R-squared:  0.1218,    Adjusted R-squared:  0.121 
F-statistic: 160.1 on 1 and 1155 DF,  p-value: < 2.2e-16

5.5 5. Regresné koeficienty vybraného modelu

Pomocou funkcie tidy() zobrazíme jednotlivé regresné koeficienty, ich štatistickú významnosť a p-hodnoty.

Regresné koeficienty vybraného modelu
Term Estimate Std.Error Statistic P.value Significance
(Intercept) -94.2128 9.8306 -9.5836 0 ***
social_support 1.6910 0.1336 12.6538 0 ***

5.6 6. Základné charakteristiky modelu

V tejto časti zobrazíme základné štatistické charakteristiky vybraného modelu vrátane koeficientu determinácie R² a upraveného R².

Základné charakteristiky vybraného regresného modelu
R_squared Adjusted_R_squared Statistic P_value AIC BIC Residual_SE Observations
0.1218 0.121 160.118 0 8665.87 8681.031 10.2196 1157

5.7 7. Diagnostické grafy regresného modelu

Pomocou diagnostických grafov overíme základné predpoklady regresného modelu.

Zobrazíme štyri grafy: 1. Rezíduá oproti predikovaným hodnotám. 2. Normálny Q-Q graf. 3. Graf odmocniny štandardizovaných rezíduí oproti predikovaným hodnotám. 4. Graf rezíduí oproti leverage hodnotám, ktorý pomáha identifikovať vplyvné pozorovania.

5.8 8. Test heteroskedasticity – Breusch-Paganov test

Breusch-Paganov test slúži na overenie, či majú rezíduá regresného modelu konštantný rozptyl.

Nulová hypotéza predpokladá homoskedasticitu, teda konštantný rozptyl rezíduí.


    studentized Breusch-Pagan test

data:  selected_model
BP = 35.649, df = 1, p-value = 2.363e-09

5.9 9. Test normality rezíduí – Jarque-Bera test

Jarque-Bera test overuje, či majú rezíduá normálne rozdelenie.

Nulová hypotéza predpokladá normalitu rezíduí.


    Jarque Bera Test

data:  residuals(selected_model)
X-squared = 59.19, df = 2, p-value = 1.403e-13

5.10 10. Test odľahlých hodnôt

Pomocou funkcie outlierTest() identifikujeme prípadné odľahlé pozorovania, ktoré môžu výraznejšie ovplyvňovať výsledky regresného modelu.

No Studentized residuals with Bonferroni p < 0.05
Largest |rstudent|:
    rstudent unadjusted p-value Bonferroni p
731 2.481447           0.013227           NA

5.11 11. Multikolinearita – VIF

Multikolinearita predstavuje problém, pri ktorom sú vysvetľujúce premenné navzájom silno korelované. Na jej posúdenie použijeme ukazovateľ VIF (Variance Inflation Factor).

VIF nie je možné vypočítať, pretože vybraný model obsahuje menej ako dve vysvetľujúce premenné.

Pri interpretácii platí, že vyššie hodnoty VIF môžu upozorňovať na problém multikolinearity. Ako orientačná hranica sa často používa hodnota 5, prípadne 10.

5.12 12. Cookova vzdialenosť – vplyvné pozorovania

Cookova vzdialenosť nám umožňuje identifikovať pozorovania, ktoré majú výraznejší vplyv na výsledky regresného modelu.

Ako orientačnú hranicu použijeme hodnotu 4/n, kde n predstavuje počet pozorovaní.

Päť pozorovaní s najvyššou Cookovou vzdialenosťou
Pozorovanie Cooks_distance Prekrocenie_limitu
732 0.0227 TRUE
731 0.0188 TRUE
719 0.0159 TRUE
720 0.0159 TRUE
721 0.0159 TRUE
[1] 0.003457217

5.13 13. Porovnanie skutočných a predikovaných hodnôt

Na záver vizuálne porovnáme skutočné hodnoty prosociálneho správania s hodnotami, ktoré predikuje náš regresný model.

Čím bližšie sa pozorovania nachádzajú k diagonálnej čiare, tým presnejšie model predikuje skutočné hodnoty.

5.14 14. Záver

V rámci cvičenia sme vytvorili a porovnali tri regresné modely, ktoré skúmajú vzťah medzi sociálnou podporou a prosociálnym správaním v športe. Na základe Akaikeho informačného kritéria sme vybrali model s najnižšou hodnotou AIC, ktorý sme následne podrobili diagnostike.

Pomocou diagnostických grafov a štatistických testov sme overovali normalitu rezíduí, konštantnosť ich rozptylu, prítomnosť odľahlých hodnôt a multikolinearitu. Zároveň sme pomocou Cookovej vzdialenosti posudzovali vplyv jednotlivých pozorovaní na výsledky modelu.

Výsledky diagnostiky nám umožňujú posúdiť vhodnosť zvoleného regresného modelu a identifikovať prípadné nedostatky, ktoré môžu ovplyvniť interpretáciu výsledkov.

6 Cvičenie 7 – Prognostické využitie lineárneho regresného modelu

V predchádzajúcich cvičeniach sme sa zameriavali najmä na vysvetľovanie vzťahov medzi premennými a testovanie štatistických hypotéz. V tomto cvičení sa zameriame na prognostické využitie regresného modelu.

Naším cieľom bude zistiť, ako dobre dokážeme predpovedať prosociálne správanie v športe u respondentov, ktorých nepoužijeme na odhad regresných koeficientov. Kvalitu prognóz následne vyhodnotíme pomocou viacerých štatistických ukazovateľov.

6.1 1. Načítanie knižníc a databázy

Najskôr načítame potrebné knižnice a našu databázu. Budeme pracovať s rovnakými premennými ako v predchádzajúcom cvičení.

[1] 1157    9
# A tibble: 6 × 9
     no sex   year      age psychological_resili…¹ social_anxiety social_support
  <dbl> <chr> <chr>   <dbl>                  <dbl>          <dbl>          <dbl>
1     1 Male  First-…    19                    106             58             77
2     2 Male  First-…    19                    105             58             77
3     3 Male  First-…    19                    106             58             77
4     4 Male  First-…    19                    106             58             77
5     5 Male  Second…    20                    105             58             77
6     6 Male  First-…    19                    106             58             77
# ℹ abbreviated name: ¹​psychological_resilienc
# ℹ 2 more variables: prosocial_behavior_in_sport <dbl>,
#   antisocial_behavior_in_sport <dbl>

6.2 2. Príprava údajov

V analýze budeme používať prosociálne správanie v športe ako závislú premennú. Vysvetľujúcimi premennými budú sociálna podpora, sociálna úzkosť a psychologická odolnosť.

Pred samotnou analýzou odstránime prípadné chýbajúce hodnoty.

[1] 1157    4
prosocial_behavior_in_sport              social_support 
                          0                           0 
             social_anxiety     psychological_resilienc 
                          0                           0 
 prosocial_behavior_in_sport social_support  social_anxiety 
 Min.   :10.00               Min.   :67.00   Min.   :54.00  
 1st Qu.:19.00               1st Qu.:72.00   1st Qu.:56.00  
 Median :31.00               Median :74.00   Median :57.00  
 Mean   :30.12               Mean   :73.53   Mean   :57.33  
 3rd Qu.:40.00               3rd Qu.:75.00   3rd Qu.:59.00  
 Max.   :52.00               Max.   :77.00   Max.   :61.00  
 psychological_resilienc
 Min.   : 89.0          
 1st Qu.: 99.0          
 Median :102.0          
 Mean   :101.3          
 3rd Qu.:104.0          
 Max.   :106.0          

6.3 3. Východiskový regresný model

V predchádzajúcom cvičení sme vytvorili tri regresné modely a porovnávali ich pomocou Akaikeho informačného kritéria (AIC).

Aby sme nadviazali na predchádzajúcu analýzu, opäť vytvoríme tieto tri modely a vyberieme model s najnižšou hodnotou AIC.

Porovnanie regresných modelov pomocou AIC
Model AIC
Model 3 8580.66
Model 2 8663.99
Model 1 8665.87

Na základe najnižšej hodnoty AIC vyberieme model, ktorý budeme používať pri ďalšej analýze.

[1] "Model 3"

Call:
lm(formula = prosocial_behavior_in_sport ~ social_support, data = data_model)

Residuals:
    Min      1Q  Median      3Q     Max 
-20.993  -9.538  -1.229   8.535  25.226 

Coefficients:
               Estimate Std. Error t value Pr(>|t|)    
(Intercept)    -94.2128     9.8306  -9.584   <2e-16 ***
social_support   1.6910     0.1336  12.654   <2e-16 ***
---
Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1

Residual standard error: 10.22 on 1155 degrees of freedom
Multiple R-squared:  0.1218,    Adjusted R-squared:  0.121 
F-statistic: 160.1 on 1 and 1155 DF,  p-value: < 2.2e-16

6.4 4. Rozdelenie údajov na odhadovú a testovaciu vzorku

Na účely prognózovania rozdelíme databázu na dve časti. Približne 80 % respondentov použijeme na odhad regresného modelu a zvyšných 20 % na testovanie jeho prognostickej schopnosti.

Použijeme funkciu set.seed(), aby bolo rozdelenie pri každom spustení rovnaké.

Rozdelenie respondentov na odhadovú a testovaciu vzorku
Vzorka Počet respondentov Podiel (%)
Odhadová 925 79.9
Testovacia 232 20.1
Spolu 1157 100.0

6.5 5. Nový odhad regresného modelu

Pôvodný regresný model bol odhadnutý na celej databáze. Pri prognózovaní ho preto nemôžeme priamo použiť, pretože by už obsahoval informácie z testovacej vzorky.

Vytvoríme nový model s rovnakou špecifikáciou, ale jeho koeficienty odhadneme výhradne na odhadovej vzorke.

Regresné koeficienty odhadnuté na odhadovej vzorke
Premenná Odhad Štandardná chyba t hodnota p-hodnota
(Intercept) -95.2095 11.0337 -8.6290 0
social_support 1.7033 0.1501 11.3495 0

6.6 6. Výpočet bodových prognóz

Pomocou funkcie predict() vypočítame prognózy prosociálneho správania pre respondentov z testovacej vzorky.

Následne porovnáme skutočné hodnoty s predikovanými hodnotami a vypočítame prognostické chyby.

Prvých desať testovacích respondentov
Skutočná hodnota Sociálna podpora Prognóza Prognostická chyba
34 77 35.9462 -1.9462
27 73 29.1329 -2.1329
33 72 27.4296 5.5704
34 70 24.0229 9.9771
33 76 34.2428 -1.2428
26 72 27.4296 -1.4296
33 75 32.5395 0.4605
32 76 34.2428 -2.2428
30 77 35.9462 -5.9462
33 77 35.9462 -2.9462

Kladná prognostická chyba znamená, že model skutočnú hodnotu podhodnotil. Záporná chyba znamená, že ju nadhodnotil.

6.7 7. Grafické porovnanie skutočných a prognózovaných hodnôt

V nasledujúcej časti graficky porovnáme skutočné hodnoty prosociálneho správania s hodnotami predikovanými regresným modelom.

Druhý graf zobrazí prognostické chyby jednotlivých respondentov.

6.8 8. Ukazovatele kvality prognóz

Presnosť prognóz vyhodnotíme pomocou viacerých ukazovateľov:

  • ME – priemerná prognostická chyba.
  • MAE – priemerná absolútna chyba.
  • MSE – priemerná štvorcová chyba.
  • RMSE – odmocnina priemernej štvorcovej chyby.
  • MAPE – priemerná absolútna percentuálna chyba.

Nižšie hodnoty MAE, MSE, RMSE a MAPE predstavujú presnejšie prognózy. ME nám ukazuje, či model systematicky hodnoty podhodnocuje alebo nadhodnocuje.

Ukazovatele kvality prognóz na testovacej vzorke
Ukazovateľ Hodnota Jednotka
ME 0.4475 body
MAE 8.3070 body
MSE 94.9756 body²
RMSE 9.7455 body
MAPE 31.2463 %

6.9 9. Porovnanie s jednoduchou prognózou

Aby sme zistili, či je náš regresný model skutočne prínosný, porovnáme ho s jednoduchou prognózou.

Pri jednoduchej prognóze budeme každému respondentovi v testovacej vzorke predpovedať priemernú hodnotu prosociálneho správania z odhadovej vzorky.

Porovnanie regresného modelu s jednoduchou prognózou
Model MAE RMSE
Lineárna regresia 8.3070 9.7455
Jednoduchá prognóza – priemer 8.9293 10.3844

6.10 10. Theilov koeficient kvality prognóz

Theilov koeficient U1 predstavuje bezrozmerný ukazovateľ kvality prognóz. Nadobúda hodnoty od 0 do 1.

Hodnota 0 znamená dokonalú zhodu prognóz so skutočnými hodnotami. Čím je hodnota nižšia, tým lepšia je zhoda medzi prognózou a skutočnosťou.

Theilov koeficient kvality prognóz
Ukazovatel Hodnota
Theilov koeficient U1 0.15459

6.11 11. Theilov rozklad strednej kvadratickej chyby

V tejto časti sa pozrieme na štruktúru prognostických chýb. Pomocou Theilovho rozkladu zistíme, aká časť celkovej chyby súvisí s rozdielom priemerov, rozdielom variability a nedokonalou súbežnosťou skutočných a prognózovaných hodnôt.

Theilov rozklad strednej kvadratickej chyby
Zložka rozkladu Podiel Podiel (%)
UM – rozdiel priemerov 0.0021 0.2109
US – rozdiel variability 0.4655 46.5496
UC – nedokonalá súbežnosť 0.5324 53.2395

6.11.1 Grafické zobrazenie Theilovho rozkladu

6.12 12. Intervaly pri prognózovaní

Bodová prognóza predstavuje jednu konkrétnu predpovedanú hodnotu. Pri prognózovaní však môžeme využiť aj intervaly, ktoré vyjadrujú neistotu odhadu.

Rozlišujeme: - Interval spoľahlivosti – vyjadruje neistotu odhadu priemernej hodnoty prosociálneho správania. - Predikčný interval – vyjadruje neistotu pri predpovedaní hodnoty konkrétneho respondenta. Preto býva širší.

95 % intervaly spoľahlivosti a predikčné intervaly
Skutočnosť Prognóza CI dolná CI horná PI dolná PI horná
34 35.9462 34.7145 37.1779 15.6243 56.2681
27 29.1329 28.4508 29.8149 8.8369 49.4289
33 27.4296 26.6321 28.2270 7.1293 47.7298
34 24.0229 22.7990 25.2469 3.7015 44.3444
33 34.2428 33.2459 35.2398 13.9338 54.5519
26 27.4296 26.6321 28.2270 7.1293 47.7298
33 32.5395 31.7370 33.3421 12.2391 52.8399
32 34.2428 33.2459 35.2398 13.9338 54.5519
30 35.9462 34.7145 37.1779 15.6243 56.2681
33 35.9462 34.7145 37.1779 15.6243 56.2681

6.12.1 Kontrola pokrytia predikčných intervalov

V tejto časti zistíme, aký podiel skutočných hodnôt testovacej vzorky sa nachádza v našich vypočítaných 95 % predikčných intervaloch.

Kontrola pokrytia predikčných intervalov
Ukazovateľ Hodnota (%)
Podiel respondentov v 95 % predikčnom intervale 97.41

6.13 13. Rozšírenie – porovnanie s logaritmickým modelom

V tejto časti vytvoríme ďalší regresný model, v ktorom použijeme logaritmovanú sociálnu podporu namiesto jej pôvodnej hodnoty.

Ostatné vysvetľujúce premenné zostanú zachované. Následne porovnáme presnosť prognóz oboch modelov na rovnakej testovacej vzorke.

Porovnanie pôvodného a logaritmického modelu
Model MAE RMSE
Pôvodný regresný model 8.3070 9.7455
Model s logaritmovanou sociálnou podporou 8.2998 9.7305

6.14 14. Theilov rozklad logaritmického modelu

V prípade, že bolo možné vytvoriť logaritmický model, vypočítame aj jeho Theilov rozklad a porovnáme štruktúru prognostických chýb.

Theilov rozklad logaritmického modelu
Zložka rozkladu Podiel Podiel (%)
UM – rozdiel priemerov 0.0018 0.1828
US – rozdiel variability 0.4696 46.9607
UC – nedokonalá súbežnosť 0.5286 52.8566

6.15 15. Porovnanie intervalov pre jedného respondenta

Na záver si ukážeme rozdiel medzi intervalom spoľahlivosti a predikčným intervalom na konkrétnom respondentovi z testovacej vzorky.

Porovnanie intervalov pre prvého testovacieho respondenta
Typ_intervalu Dolna_hranica Horna_hranica Sírka_intervalu
Interval spoľahlivosti 34.7145 37.1779 2.4634
Predikčný interval 15.6243 56.2681 40.6438

6.16 16. Záver

V rámci cvičenia sme sa zamerali na prognostické využitie lineárneho regresného modelu. Na základe predchádzajúcej analýzy sme vybrali vhodnú špecifikáciu modelu a následne rozdelili databázu na odhadovú a testovaciu vzorku.

Regresný model sme odhadli iba na odhadovej vzorke a jeho prognostickú schopnosť sme overili na samostatnej testovacej vzorke. Presnosť prognóz sme hodnotili prostredníctvom ukazovateľov ME, MAE, MSE, RMSE a MAPE. Okrem toho sme využili Theilov koeficient a jeho rozklad, ktoré nám umožnili podrobnejšie preskúmať charakter prognostických chýb.

Výsledky regresného modelu sme porovnali aj s jednoduchou prognózou založenou na priemernej hodnote závislej premennej. V závere sme vytvorili intervaly spoľahlivosti a predikčné intervaly a preskúmali rozdiel medzi pôvodným a logaritmickým modelom.

Pri interpretácii výsledkov je potrebné zohľadniť, že výber modelu prebehol už v predchádzajúcom cvičení na celej databáze. Testovacia vzorka preto nepredstavuje úplne nezávislé overenie prognostickej presnosti. Výsledky tak slúžia predovšetkým ako praktická ukážka prognostického využitia regresnej analýzy.

6.17 17. Uloženie pracovného prostredia

Na záver uložíme všetky vytvorené objekty a výsledky analýzy, aby sme s nimi mohli pracovať aj v ďalšom cvičení.