آموزش تجزیه و تحلیل رگرسیون خطی با استفاده از آمار SPSS(بخش دوم)


آمار SPSS

آماده سازی داده ها  در آمار SPSS

در آمار SPSS دو متغیر ایجاد کردیم تا بتوانیم داده های خود را وارد کنیم: درآمد (متغیر مستقل) و قیمت (متغیر وابسته). همچنین ایجاد یک متغیر سوم، caseno، می تواند مفید باشد تا به عنوان یک عدد مورد زمانی عمل کند. این متغیر سوم برای حذف موارد (مثلاً موارد پرت مهم) که هنگام بررسی مفروضات شناسایی کرده‌اید، برای شما استفاده می‌شود. با این حال، ما آن را در روش آمار SPSS که در ادامه می‌آید لحاظ نمی‌کنیم، زیرا فرض می‌کنیم که شما قبلاً این مفروضات را بررسی کرده‌اید. در راهنمای رگرسیون خطی پیشرفته ما، به شما نشان می‌دهیم که چگونه داده‌ها را به درستی در آمار SPSS وارد کنید تا زمانی که مفروضات را نیز بررسی می‌کنید، یک رگرسیون خطی اجرا کنید. می‌توانید در مورد محتوای تنظیم داده پیشرفته ما در ویژگی‌های ما بیاموزید: صفحه تنظیم داده. متناوباً، راهنمای عمومی «شروع سریع» ما را ببینید:

نکته:جهت انجام پروژه spss خود نیازمند آموزش کافه پروژه از ابتدا ملاحظه نمایید جهت مشاهده و آموزش های مرتبط با این نرم افزار لازم است کلمه آموزشspss را در بخش جستجو وارد نمایید و اینتر بزنید

 وارد کردن داده ها در آمار SPSS.

پنج مرحله زیر به شما نشان می دهد که چگونه داده های خود را با استفاده از رگرسیون خطی در آمار SPSS تجزیه و تحلیل کنید، در صورتی که هیچ یک از هفت فرض در بخش قبلی، فرضیات، نقض نشده است. در پایان این چهار مرحله، ما به شما نشان می دهیم که چگونه نتایج رگرسیون خطی خود را تفسیر کنید. اگر به دنبال کمک هستید تا مطمئن شوید که داده‌های شما با مفروضات #3، #4، #5، #6 و #7 مطابقت دارند، که در هنگام استفاده از رگرسیون خطی مورد نیاز هستند و می‌توان با استفاده از آمار SPSS آن را آزمایش کرد، می‌توانید درباره بهبود یافته ما بیشتر بدانید.

 راهنمای ویژگی‌های ما: صفحه مرور کلی.

توجه: رویه زیر برای آمار SPSS نسخه های 18 تا 28 و همچنین نسخه اشتراک آمار SPSS یکسان است، نسخه 28 و نسخه اشتراک آخرین نسخه آمار SPSS است. اما در نسخه 27 و نسخه اشتراکی، SPSS Statistics ظاهر جدیدی را به رابط خود به نام “SPSS Light” معرفی کرد و جایگزین ظاهر قبلی نسخه 26 و نسخه های قبلی شد که “SPSS Standard” نام داشت. بنابراین، اگر نسخه 27 یا 28 SPSS Statistics (یا نسخه اشتراک آمار SPSS) را دارید، تصاویر زیر خاکستری روشن خواهند بود تا آبی. با این حال، روش یکسان است.

همانطور که در زیر نشان داده شده است، روی Analyze > Regression > Linear… در منوی بالا کلیک کنید:

 

با کادر گفتگوی رگرسیون خطی روبرو خواهید شد:

متغیر مستقل، درآمد، را به کادر Independent(s): و متغیر وابسته، Price را در کادر Dependent: منتقل کنید. شما می توانید این کار را با کشیدن و رها کردن متغیرها یا با استفاده از دکمه های فلش راست مناسب انجام دهید. در نهایت با صفحه زیر مواجه خواهید شد:

اکنون باید چهار مورد از مفروضاتی را که در بخش مفروضات بالا بحث شد بررسی کنید: هیچ چیز پرت مهمی وجود ندارد (فرض شماره 3). استقلال مشاهدات (فرض شماره 4)؛ همجنسگرایی (فرض شماره 5)؛ و توزیع نرمال خطاها/باقیمانده ها (فرض شماره 6). می توانید این کار را با استفاده از ویژگی های Statistics و Plots و سپس انتخاب گزینه های مناسب در این دو کادر گفتگو انجام دهید. در راهنمای رگرسیون خطی پیشرفته‌مان، به شما نشان می‌دهیم که کدام گزینه را انتخاب کنید تا بررسی کنید آیا داده‌های شما با این چهار فرض مطابقت دارند یا خیر.

بر روی دکمه OK کلیک کنید. این باعث ایجاد نتایج خواهد شد.

آمار SPSS

خروجی تحلیل رگرسیون خطی

آمار SPSS تعداد زیادی جدول خروجی را برای یک رگرسیون خطی تولید می کند. در این بخش، ما تنها سه جدول اصلی مورد نیاز برای درک نتایج خود از رویه رگرسیون خطی را به شما نشان می دهیم، با این فرض که هیچ فرضی نقض نشده است. توضیح کاملی از خروجی که باید هنگام بررسی داده های خود برای شش فرض مورد نیاز برای انجام رگرسیون خطی تفسیر کنید، در راهنمای پیشرفته ما ارائه شده است. این شامل نمودارهای پراکندگی مربوطه، هیستوگرام (با منحنی نرمال روی هم قرار گرفته)، نمودار P-P نرمال، تشخیص موردی و آمار دوربین-واتسون است. در زیر، ما روی نتایج فقط برای تحلیل رگرسیون خطی تمرکز می‌کنیم.

نکته: یک دیگر از نرم افزارهایی که می تواند در  رابطه با تحلیل داده ها به شما کمک کند لیزرل است که جهت انجام پروژه lisrel خود نیازمند آموزش کافه پروژه از ابتدا ملاحظه نمایید جهت مشاهده و آموزش های مرتبط با این نرم افزار لازم است کلمه آموزشlisre l را در بخش جستجو وارد نمایید و اینتر بزنید

اولین جدول مورد علاقه جدول خلاصه مدل است که در زیر نشان داده شده است:

این جدول مقادیر R و R2 را ارائه می دهد. مقدار R نشان دهنده همبستگی ساده است و 0.873 است (ستون “R”) که نشان دهنده درجه بالایی از همبستگی است. مقدار R2 (ستون “R مربع”) نشان می دهد که چه مقدار از کل تغییرات در متغیر وابسته، Price، را می توان با متغیر مستقل، درآمد توضیح داد. در این مورد 76.2 درصد قابل توضیح است که بسیار بزرگ است.

جدول بعدی جدول ANOVA است که میزان تناسب معادله رگرسیون با داده ها را گزارش می دهد (یعنی متغیر وابسته را پیش بینی می کند) و در زیر نشان داده شده است:

این جدول نشان می دهد که مدل رگرسیون متغیر وابسته را به خوبی پیش بینی می کند. چگونه این را بدانیم؟ به ردیف “Regression” نگاه کنید و به “Sig” بروید. ستون این نشان دهنده اهمیت آماری مدل رگرسیونی است که اجرا شد. در اینجا، p <0.0005، که کمتر از 0.05 است، و نشان می دهد که، به طور کلی، مدل رگرسیون از نظر آماری به طور قابل توجهی متغیر نتیجه را پیش بینی می کند (یعنی برازش خوبی برای داده ها است).

جدول ضرایب اطلاعات لازم را برای پیش‌بینی قیمت از درآمد و همچنین تعیین اینکه آیا درآمد از نظر آماری به طور قابل توجهی به مدل کمک می‌کند (با مشاهده ستون “Sig”) در اختیار ما قرار می‌دهد. علاوه بر این، می‌توانیم از مقادیر موجود در ستون “B” در زیر ستون “ضرایب غیر استاندارد” مانند شکل زیر استفاده کنیم.

 

 

نحوه سفارش پروژه در سایت کافه پروژه :

اگر پروژه ای دارید که میخواهید آن را برون سپاری کنید کافی است در سایت کافه پروژه ثبت نام کنید و پروژه خود را ثبت نمایید.پروژه شما هر چه که باشد حتما مجری برای آن وجود دارد.جهت ثبت نام و ثبت سفارش پروژه خود برروی دکمه زیر کلیک نمایید.

بدون دیدگاه

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد.

ایمیل

[email protected]

شماره تماس

021-55414864

آدرس

تهران ، تهرانسر ، بلوار یاس ، مسکن ویژه ، یاس 6 ، یاس 3 ، بلوک ad3  ، واحد 2

پیام های خود را از طریق فرم زیر ارسال کنید