I noen tilfeller har vi undersøkt sammenhengen mellom flere variabler enn det som er mulig å framstille i deskriptive figurer. Da har vi kjørt noen enkle regresjoner for å se hvordan de ulike variablene korrelerer, og på denne måten se en større sammenheng i dataene.
At vi kjører regresjoner vil si at vi har valgt ut en avhengig variabel av interesse, og sett på hvordan en eller flere uavhengige variable endrer utfallet. Les mer om regresjoner (pdf). Disse analysene er ikke alltid veldig omfattende, og det kan hende at det er andre variabler enn akkurat de vi har kontrollert for som er viktige forklaringsvariabler. Likevel kan disse regresjonene gi et litt mer nyansert bilde av sammenhengene i dataene. Under vil du finne regresjonstabellene vi viser til på hovedsiden, samt noen korte forklaringer.
Last ned regresjonstabellene
Her kan du laste ned et Excel-dokument med flere ulike regresjonstabeller. Disse er grunnlaget for noen av funnene vi omtaler i «demokrati og deltakelse».
I tabellene kan du se resultatene av ulike logistiske regresjoner som ser nærmere på hvordan ulike bakgrunnsvariabler korrelerer med ulike former for politisk deltakelse. Den avhengige variabelen, eller utfallsvariabelen, består av to verdier: 1, som betyr «deltatt», og 0, som betyr «ikke deltatt». At det er en logistisk regresjon betyr at regresjonskoeffisientene, dvs. tallet som står ved siden av hver variabel i tabellen, ikke kan tolkes som direkte endring i avhengig variabel. I stedet er det snakk om sannsynlighet for endring fra 0 til 1, eller sannsynlighet for å ha deltatt. Stjernene ved siden av regresjonskoeffisientene viser signifikansnivå, som vil si om regresjonsmodellen indikerer en faktisk sammenheng mellom den uavhengige og den avhengige variabelen, kontrollert for alle de andre uavhengige variablene som er inkludert. For eksempel kan vi se av tabell 1 at det er mindre sannsynlig at en kvinne har kontaktet en kommunepolitiker sammenlignet med en mann, når alle de andre variablene holdes på et konstant nivå, men at denne korrelasjonen ikke er signifikant når det gjelder å kontakte en kommuneansatt.
I tillegg kan du se resultatene fra en rekke OLS-regresjoner. Det vil si at regresjons-koeffisientene representerer endring i avhengig variabel, og er dermed noe lettere å tolke enn de vi allerede har vist. Vi kan likevel se at modellene ofte kun forklarer en liten del av det som henger sammen med å for eksempel være fornøyd med tilværelsen. Det kan vi se, for eksempel av tabell 7, fordi R2 er relativt lav, som vil si at de uavhengige variablene vi har inkludert kun forklarer litt av endring i avhengig variabel. Det gir oss likevel en indikasjon på større trender i dataene.