Kurgusal çalışmamızın verileri, özel bir eğitim erken müdahale programında risk altındaki bir dizi ortaokul çocuğunu temsil etmektedir. Program başarısının yordayıcıları olarak öğrenci cinsiyetini ve öğrencilerin ailelerinden aldıkları teşvik derecesini kullanıyoruz. Mezun değişkeni altında başarı (hedef kategori), liseyi bitirmiş ve liseye başlayan (mezun için 1 kodlu) çocuklar, başarısızlık (referans kategori) ise mezun olamayan çocuklar (0 olarak kodlanmıştır) olarak tanımlanmıştır. 

Bu örnekte, çocuğun cinsiyeti 0 (erkek) ve 1 (kadın) olarak kodlanmıştır ve odak grup olarak kadın (“daha yüksek” veya “son” cinsiyet koduna sahip olan) ve referans grup olarak erkek (genel cinsiyete sahip) olarak belirlenecektir. “alt” veya “birinci” cinsiyet kodu) analiz kurulumunda. Ayrıca 0 ile 45 arasında değişen bir ölçekte ölçülen aile_teşviktir ve daha yüksek değerler daha fazla teşviki temsil eder. Veri dosyasına mezuniyet adı verilir ve veri dosyasının bir bölümünün ekran görüntüsü gösterilmektedir.

ANALİZ KURULUMU

Gösterilen ana Logistic Regression penceresini açmak için ana menüden Analyze ➔ Regresyon ➔ Binary Logistic’i seçiyoruz. Dereceli olarak Bağımlı panele ve cinsiyet ve family_encouragement öğelerini, bunları öngörücü değişkenler olarak kaydetmek için Ortak Değişkenler paneline taşırız. Her iki değişkenin birlikte tek bir blokta girildiği standart bir lojistik regresyon analizi gerçekleştirmek için varsayılan Enter Metodunu koruyoruz (Yöntem açılır menüsünde çeşitli adım prosedürleri mevcuttur).

Değişkenler Ortak Değişkenler paneline taşındığında, Kategorik düğmesi kullanılabilir hale gelir. Kategorik butonunun seçilmesi, herhangi bir kategorik tahmin değişkeni için odak ve referans gruplarımızı belirlememize izin veren Kategorik Değişkenleri Tanımla penceresini açar. Bu pencere gösterilir.

Cinsiyeti Kategorik Ortak Değişkenler paneline taşırız ve değişken adından sonra ifade (gösterge) görünür. Gösterge, kullanmak istediğimiz kontrast türüdür; bir kategorinin varlığını onun yokluğuyla karşılaştırır ve bu, analizin cinsiyeti nasıl ele almasını istediğimizi belirlemenin ilk adımıdır.

Analizin cinsiyeti nasıl ele almasını istediğimizi belirlemenin ikinci adımı, odak ve referans kategorilerini belirlemektir. IBM SPSS, Referans Kategorisinin belirtimini gerektirir (dolaylı olarak, bir ikili değişkenin diğer kategorisi odak kategorisi olacaktır). Erkekler ve dişiler rastgele sırasıyla 0 ve 1 olarak kodlanmıştır. Analizimizde odak kategori olarak kadın ve referans kategori olarak erkek olmasını istiyoruz; kodlama şemamızda kadın son kategoridir (en yüksek sayısal kod) ve erkek ilk kategoridir (en düşük sayısal kod).

Spss analiz Nedir
SPSS
SPSS analiz programı
Anket analizi örnekleri
SPSS analiz Yöntemleri
IBM SPSS
Spss Nedir
SPSS anket analizi

Bu nedenle, ilk olarak 0 (erkek) kodunu Referans Kategorisi yapmak için seçiyoruz ve bunu IBM SPSS’ye kaydetmek için Değiştir’i tıklatıyoruz. Değiştir’e tıklandığında, Şekil 30.4’te gösterildiği gibi değişkenin adına özellik eklenir, böylece kategorik değişkenimiz şimdi panelde cinsiyet(Gösterge(ilk)) olarak görünür. Ana iletişim penceresine dönmek için Devam’ı tıklayın.

Seçenekler penceresinde, Hosmer-Lemeshow uyum iyiliği istatistiklerini ve olasılık oranı için %95 güven aralığını (exp(B) için CI) istiyoruz. Sınıflandırma sınırı, bir vakayı hedef gruba ait olarak sınıflandırmak için elde etmemiz gereken olasılıktır. Olasılıklar 0 ile 1 arasında değişebilir ve IBM SPSS’deki varsayılan değer 0,5’tir.

Bu, bir vakanın (nihai lojistik modele göre) hedef grupta olma olasılığı 0,5 veya daha yüksekse, hedef grupta sınıflandırıldığı (tahmin edildiği) anlamına gelir; bir vakanın hedef grupta olma olasılığı 0,5’ten daha düşükse, referans grubunda sınıflandırılır (olacağı tahmin edilir). Bu analiz için, varsayılan Sınıflandırma kesmesini .5’te tutacağız, ancak bu spesifikasyonla açıkça ilgileneceğiz. Ana iletişim penceresine dönmek için Devam’a tıklayın ve analizi gerçekleştirmek için Tamam’a tıklayın.

ANALİZ ÇIKIŞI

Yönetimsel çıktı olarak adlandırılabilecekleri gösterir. Vaka İşleme Özeti tablosu, analizdeki vaka sayısı hakkında bilgi görüntüler. Bağımlı Değişken Kodlaması, ikili sonuç değişkenimizin “içsel yeniden kodlamasını” gösterir. IBM SPSS, tüm araştırmacılar sonuçlara 0 ve 1 kodlarını atayamayacağı için bu kaydı yapar. Böylece yazılım, alt koda (araştırmacılar tarafından ne kullanılmışsa) 0 değerini ve yüksek koda 1 değerini atar; IBM SPSS, 0 ve 1 olarak kodlama ihtiyacını önceden tahmin ettiğimiz gerçeğini göz ardı etti ve bu yüzden yine de kayıt işlemini gerçekleştirdi.

Kategorik Değişken Kodlamaları tablosunda da kodları ile birlikte kadın ve erkek sayıları elde ederiz. Parametre kodlaması altındaki kodlar, referans grubu spesifikasyonumuzu yansıtmaktadır; .000 (erkek) olarak gösterilen kategori, analizde referans kategorisi olarak kabul edilir.

Denklemdeki yalnızca sabitle, ancak hiçbir tahmin değişkeni olmadan hesaplanan, yalnızca kesmeli model için sonuçları sunar; Denklemde henüz hiçbir öngörücü değişken olmadığından, buna Adım 0 modeli (Blok 0’dan itibaren model) denir. Sınıflandırma Tablosu, her bir ikili sonuçtaki vaka sayısını basitçe sağlar. Satırlarda Gözlenen vakaların ve sütunlarla temsil edilen Öngörülen grup üyeliğinin olduğu bir tahmin tablosudur.

Yalnızca modeldeki kesişim ile, tahminimiz yalnızca bu tablodaki frekanslara dayanmaktadır: 138 vaka mezun olmadı ve 272 vaka mezun oldu. Bu nedenle, ek bilgimiz olmasaydı, en iyi tahminimiz, bir program katılımcısının mezun olacağı (mezun olandan daha fazla mezun olacağı) ve sınıflandırmamızın (tahminlerin) zamanın %66,3’ünde doğru olacağıdır.

Ortadaki tablo Denklemdeki Değişkenleri göstermektedir; Tabii ki, yalnızca kesişme modelinde, hiçbir öngörücü değişkenimiz yoktur, bu nedenle modeldeki tek faktör kesişme noktasıdır (Sabit olarak gösterilir). Exp(B) olarak gösterilen oran oranı 1.971 değerindedir. Bunun nedeni, 272’nin 138’in 1.971 katı (yaklaşık iki katı) olmasıdır (örneklerin üçte ikisi mezun oldu ve üçte biri mezun olmadı). Olasılık oranı, rastgele bir program katılımcısının mezun olmama olasılığının 1.971 katı (neredeyse iki katı) olduğunu bize bildirir. Denklemde Olmayan Değişkenler olarak etiketlenen alt tablo, bu yordayıcı değişkenlerin henüz modele girilmediğini hatırlatır.

Modeli değerlendiren tabloları, öngörücüler dahil edilerek gösterir. Bu Blok 1 veya Adım 1’dir ve tek adımımızdır çünkü her iki tahmincimizi de birlikte girdik. Omnibus Model Katsayıları Testleri, tüm tahmin katsayılarının sıfır olduğu sıfır hipotezinin istatistiksel bir testi olan ki-kare modelini içerir. Doğrusal regresyondaki genel F testine eşdeğerdir. Model ki-kare değeri (son satırda) 157.368’dir ve 2 serbestlik derecesi ile (modelde iki öngörücü vardır), istatistiksel olarak anlamlı miktarda tahminimiz vardır (p < .001).

The post ANALİZ ÇIKIŞI– SPSS Ödevi Yaptırma – SPSS Analizi Yaptırma Fiyatları – SPSS Örnekleri – Ücretli SPSS Analizi Yaptırma – SPSS Analizi Yaptırma Ücretleri first appeared on Akademi Delisi (Tez Yaptırma).