آخرین ارسال ها |
نوار پیام ها |
مدیریت پیام ها |
|
|
اطلاعات نویسنده |
آموزش نرم افزار SPSS
پنجشنبه ۲۱ خرداد ۱۳۹۴ ۰۴:۱۳ قبل از ظهر
[13]
|
|||
مدیر انجمن
شماره عضویت :
44
حالت :
ارسال ها :
2792
جنسیت :
تعداد بازدیدکنندگان :
773
دعوت شدگان :
12
اعتبار کاربر :
21876
پسند ها :
2658
تشکر شده : 3464
وبسایت من :
وبسایت من
|
رگرسیونمقدمهیکی از اهداف اکثر بررسیهای آماری، یافتن رابطههایی است که به کمک آن بتوان اثر تغییر یک یا چند متغیر را برروی متغیرهای دیگر پیشبینی کرد. مانند: 1- پیش بینی امکان فروش یک فرآوردهی جدید برحسب قیمت آن.2- پیشبینی درصد مردمی که دارای شرایط رای دادن هستند نسبت به عوامل اجتماعی- سیاسی مانند ساختار سنی، سطح سواد و میانگین درآمد. 3- پیش بینی هزینهی مهمانی یک خانواده برحسب تعداد میهمانها و... رویهم رفته هدف از نگارش این فصل، ارایهی روش استخراج رابطههای موجود بین متغیرها است که با استفاده از انبوه دادههای گردآوری شده صورت میگیرد. این روش، رگرسیون نام دارد.لازم به توضیح است که معنی واژهی رگرسیون «برگشت» است که از نظر تاریخی نخستین بار فرانسیس گالتن این واژه را به کار برد. در واقع، وی با استفاده از آن، ارتباط بین میانگین طول قامت پدران و پسران را مورد مطالعه قرار داد. گالتن از روی مشاهدههای خود نتیجه گرفت که طول قامت پسران متعلق به والدین خیلی بلندقد (یا کوتاه)، روی هم رفته بلندتر (کوتاهتر) از طول قامت متوسط بوده است، ولی البته نه به بلندی (یا کوتاهی) قد والدینشان. وی این نتیجهگیری را در سال 1885 تحت عنوان برگشت قد ارثی به سوی حد متوسط منتشر کرد. تحلیل رگرسیونی روشی ساده برای بررسی و تعیین روابط میان متغیرهاست. به عبارت دیگر، تحلیل رگرسیونی یکی از ابزارهایی است که از ارتباط و همبستگی بین متغیرها استفاده میکند تا مقدار یک متغیر را از روی مقدار متغیرهای دیگر که با آن ارتباط دارند، پیشگویی کند. در واقع، میتوان دو نوع متغیر را شناسایی کرد که آنها را متغیر مستقل (متغیر کنترل شده) و متغیر وابسته (متغیر پاسخ) مینامند. منظور از متغیرهای مستقل آن دسته از متغیرهایی هستند که میتوانند مقدار معینی را اختیار کنند و به طور کلی این نوع متغیرها کنترل پذیر هستند. مانند قیمت یک فراوردهی جدید، شمار دعوت شدگان یک مهمانی و همانند آن، و یا مقداری که اختیار میکنند قابل مشاهده ولی کنترل پذیر هستند مانند: عوامل اجتماعی- سیاسی همچون ساختار سنی، سطح سواد، میانگین درآمد و نظایر آن. نتیجهی تغییرهایی که به شکل تعمدی یا غیر تعمدی برای متغیر مستقل به وجود میآید، به صورت یک اثر به متغیر دیگر منتقل میشود. این متغیر، متغیر وابسته (پاسخ) است، مانند: امکان فروش یک فراوردهی جدید، هزینهی مهمانی یک خانواده و درصد مردم واجد شرایط برای رای دادن. روشن است که اگر بتوانیم رابطهای ساده میان یک متغیر وابسته و یک یا چند متغیر مستقل بیابیم، خوشحال خواهیم شد ولی همیشه اینگونه نیست و ممکن است رابطهای پیچیده میان آنها برقرار باشد. البته شایان ذکر است که گاهی تحلیل رگرسیونی را اساسا برای بررسی ماهیت همبستگی (رابطهی) بین متغیرهای مستقل و متغیر پاسخ به کار میبرند. مثلاً در مطالعهی میزان درآمد افراد و میزان پسانداز آنها مایلیم بدانیم آیا با افزایش درآمد، پسانداز آنها افزایش مییابد یا خیر.رابطهی بین متغیرهارابطهی بین دو متغیر ممکن است به صورت رابطهی ریاضی یا رابطهای آماری باشد.ضریب تعیینمشاهده کردیم که SST ،انحراف مشاهدههای Yi را اندازهگیری میکند، وقتی که از متغیر مستقل X استفاده نمیکنیم.در واقعSST، میزان عدم اطمینان در پیشبینی Y است، وقتی X در نظر گرفته نمیشود. SSE نیز انحراف مشاهدههای Yi را اندازهگیری میکند، وقتی که یک مدل رگرسیونی از متغیر مستقل X استفاده میکند. از اینرو، یک معیار طبیعی و منطقی برای اندازهگیری میزان تاثیرX در کاهش میزان پراکندگی Y عبارت است از: که ضریب تعیین نامیده میشود.از آنجا که است، میتوان نتیجه گرفت که :
R2 در واقع، نسبت کاهش انحرافهای کل Y با استفاده از متغیرمستقل X است. بنابراین، هرچه R2 زیادتر باشد بدین معنی است که با استفاده از X انحرافهای Y بیشتر کاهش مییابد. نکته 1- اگر تمام مشاهدهها روی خط رگرسیون برازش شده قرار گیرند، آنگاه SSE=0 است و در نتیجه1=R2 میشود. شکل9-5 نشان دهندهی این وضعیت است.
شکل9-5
نکته 2- اگر SSE =SST باشد، آنگاه 0=b1 و است. در نتیجه0= R2 میشود و در واقع، هیچ ارتباط خطی بینX وY وجود ندارد. به عبارت دیگرمتغیر X هیچ کمکی به کاهش انحرافهای Yi نمیکند. این حالت در شکل 10-8 نشان داده شده است. نکته 3- البته در عمل0= R2 یا 1= R2 به ندرت اتفاق میافتد. ولی هرچه R2 به 1 نزدیک باشد، درجهی همبستگی خطی بین XوY بیشتر خواهد بود. درنتیجه R2 میزان همبستگی حول خط رگرسیونی را نشان میدهد و بنابراین نشان دهندهی میزان توجیه پراکندگی متغیر پاسخ به وسیلهی مدل خطی برازش داده شده است. هرچه مقدار R2 بیشتر باشد مدل خطی برازش داده شده مناسبتر است.
ویرایش ارسال توسط : programmer
در تاریخ : پنجشنبه ۲۱ خرداد ۱۳۹۴ ۰۸:۵۹ بعد از ظهر می پسندم 0
|
|||
|
اطلاعات نویسنده |
آموزش نرم افزار SPSS
پنجشنبه ۲۱ خرداد ۱۳۹۴ ۰۴:۱۴ قبل از ظهر
[14]
|
|||
مدیر انجمن
شماره عضویت :
44
حالت :
ارسال ها :
2792
جنسیت :
تعداد بازدیدکنندگان :
773
دعوت شدگان :
12
اعتبار کاربر :
21876
پسند ها :
2658
تشکر شده : 3464
وبسایت من :
وبسایت من
|
روش اجرای رگرسیون در SPSSاجرا و تفسیر خروجی این آزمون را میتوان در سه گام اساسی به ترتیب زیر بیان کرد: گام اول: تعریف متغیرها و ورود اطلاعات دادههای مسئلهی 1- در پائین صفحهی اصلی SPSS روی دکمهی Variable View کلیک کنید و در آن دو متغیر که یکی از آنها معرف متغیر وابسته و دیگری متغیر مستقل را نشان دهد، تعریف کنید. 2- برروی دکمهی Data View (در سمت چپ دکمهی Variable View) کلیک کنید تا پنجرهی اصلی SPSS باز شود. در این پنجره مقدارهای عددی متغیر وابسته و متغیر مستقل را در زیر ستونهای مربوط به آنها وارد نمایید.
گام دوم: اجرای آزمون 1- از منوی Analyze گزینهی Regression و سپس گزینهی Linear… را اجرا کنید تا پنجرهی Linear Regression (رگرسیون خطی) باز شود. 2- در سمت چپ پنجره، متغیر مستقل را به کادر Independent منتقل کرده و متغیر وابسته را به کادر Dependent منتقل کنید. 3-گزینهی OK را کلیک کنید تا برنامه اجرا شود.
شکل پنجره های مربوط به SPSS
گام سوم: تفسیر خروجی
با اجرای این برنامه، به طور عمده سه جدول به شرح زیر در خروجی برنامه تولید میشود: 1- Model Summary (خلاصهی مدل) 2- ANOVA 3- Cofficients (ضرایب)
اولین جدول، اطلاعاتی همچون ضریب همبستگی (R)، ضریب تعیین (R-Square)، ضریب تعیین تعدیل شده (Adjusted دومین جدول، درایههای همان جدول 5-4 را نشان میدهد. بهطوری که در دو ستون آخر این جدول مقدار آمارهی آزمون F برای بررسی فرض صفر خطی نبودن مدل رگرسیونی به همراه پی- مقدار برای معنیداری این آزمون، تحت عنوان sig آورده شده است. سومین جدول ضرایب مدل رگرسیونی خطی ساده را به همراه انحراف استاندارد مربوط به این ضرایب نشان میدهد. همچنین در دو ستون آخر این جدول مقدارهای آمارهی آزمون t برای فرضهای صفر , در مدل رگرسیون خطی ساده به همراه پی- مقدارهایی برای معنیداری این آزمونها آورده شده است.
می پسندم 0
|
|||
|
اطلاعات نویسنده |
آموزش نرم افزار SPSS
پنجشنبه ۲۱ خرداد ۱۳۹۴ ۰۴:۱۴ قبل از ظهر
[15]
|
|||
مدیر انجمن
شماره عضویت :
44
حالت :
ارسال ها :
2792
جنسیت :
تعداد بازدیدکنندگان :
773
دعوت شدگان :
12
اعتبار کاربر :
21876
پسند ها :
2658
تشکر شده : 3464
وبسایت من :
وبسایت من
|
روش اجرای همبستگی تفکیکی یا جزئی در SPSS1- منو Analyze و سپس فرمان Correlate را کلیک میکنیم. 2-گزینهی Partial را انتخاب میکنیم. تا پنجرهی Partial Correlations باز شود. 3-متغیرهایی که میخواهیم همبستگی بین آنها را محاسبه کنیم، به بخش Variables منتقل میکنیم. 4-متغیر که میخواهیم کنترل شود را به بخش Controlling منتقل میکنیم. 5-در بخش Test of Significance گزینهی Two-Tailed را کلیک میکنیم. 6- گزینهی Displayactual Significance Level را کلیک میکنیم.
7- برروی گزینهی Options کلیک میکنیم تا پنجرهی آن باز شود. در این پنجره گزینههای Zero-Order 8- برروی گزینهی Continue و سپس OK کلیک میکنیم.
شکل پنجره های مربوط به SPSS
می پسندم 0
|
|||
|
اطلاعات نویسنده |
آموزش نرم افزار SPSS
پنجشنبه ۲۱ خرداد ۱۳۹۴ ۰۴:۱۵ قبل از ظهر
[16]
|
|||
مدیر انجمن
شماره عضویت :
44
حالت :
ارسال ها :
2792
جنسیت :
تعداد بازدیدکنندگان :
773
دعوت شدگان :
12
اعتبار کاربر :
21876
پسند ها :
2658
تشکر شده : 3464
وبسایت من :
وبسایت من
|
روش اجرای همبستگی نیمه تفکیکی در SPSS1- منوی Analyze و سپس فرمان Regression را کلیک کنید.2- برروی گزینهی Linear کلیک کنید تا پنجرهی آن باز شود. 3-متغیر وابسته را به بخش Dependent و متغیر مستقل را به بخش Independent منتقل کنید.4-برروی گزینهی Statistics کلیک کنید تا پنجرهی آن باز شود. در این پنجره گزینهی Part And Partial Correlation را انتخاب کنید. 5- برروی گزینهی Continue و سپس OK کلیک کنید. شکل پنجره های مربوط به SPSS
ویرایش ارسال توسط : programmer
در تاریخ : پنجشنبه ۲۱ خرداد ۱۳۹۴ ۰۸:۵۵ بعد از ظهر می پسندم 0
|
|||
|
|
برچسب ها
|
راهنما و آموزش نرم افزار SPSS ، نرم افزار SPSS ، SPSS ، نمونه تحليل آماري ، تحلیل جداول انالیز در SPSS ، آموزش ، نرم ، افزار ، SPSS ، |
|