Prédicteurs du végétarisme (Add Health)

En utilisant les données de l’Add Health, WAVE 3, je tente de déterminer les facteurs les plus importants du végétarisme, en utilisant les variables indépendantes disponibles dans la WAVE 3. Puisque la variable dépendante est dichotomique, l’usage de la régression logistique est le plus approprié. Ci-dessous sont listées les variables utilisées dans la régression.

H3GH17 – Do you consider yourself a vegetarian? 0 = No, 1 = Yes.

H3RE41 – To what extent are you a religious person? 0 = Not religious at all, 1 = Slightly religious, 2 = Moderately religious, 3 = Very religious.
H3IR1 – How physically attractive is the respondent? 1 = Very unattractive, 3 = About average, 5 = Very attractive.
H3SE1 – Have you ever had vaginal intercourse? (Vaginal intercourse is when a man inserts his penis in to a woman’s vagina.). 0 = No, 1 = Yes.
H3ED1 – What is the highest grade or year of regular school you have completed? 6 = 6th grade, 22 = 5 or more years of graduate school.
BIO_SEX3 – Respondent’s Gender. 1 = Male, 2 = Female.
CALCAGE3 – Calculated Age at Time of Interview. Range = 18-28 years old.

Allocation of cases
Valid cases – 3,323
Cases excluded by filter – 1,492
Cases with invalid codes on variables in the analysis – 67
Total cases – 4,882

Comme nous pouvons le constater, le fait d’être une femme, d’être physiquement attrayant, ou d’être éduqué est positivement associé à la probabilité d’être végétarien. En revanche, avoir eu du sexe, être religieux et être plus âgé sont négativement associés au végétarisme. La relation négative entre H3RE41 et H3GH17 aurait de quoi surprendre, puisque les individus religieux sont censés avoir de la compassion pour toute forme de vie. Peut-être qu’il y a des facteurs confondants, ou peut-être que cela dépend essentiellement des religions.

Gardons à l’esprit qu’une variable indépendante ayant une faible échelle de valeur (disons, 2) est supposée avoir un plus grand coefficient qu’une variable indépendante ayant une forte échelle de valeur (disons, 10). Un changement d’une unité de la variable indépendante ayant une très forte échelle de valeur aura un très faible impact, particulièrement lorsque la variable indépendante peut prendre de nombreuses valeurs (comme par exemple, année, âge, revenu), sur la variable dépendante.

Il est également important de noter que le pseudo R-squared, qui exprime la proportion de la variance de la variable dépendante expliquée par l’ensemble des variables indépendantes insérées, montre une très faible valeur.

Leave a Reply

Fill in your details below or click an icon to log in:

WordPress.com Logo

You are commenting using your WordPress.com account. Log Out / Change )

Twitter picture

You are commenting using your Twitter account. Log Out / Change )

Facebook photo

You are commenting using your Facebook account. Log Out / Change )

Google+ photo

You are commenting using your Google+ account. Log Out / Change )

Connecting to %s