Tatmin edilen ve değerli olan değişkenler, birden beşe kadar bir ölçekte kodlanmıştır ve aralık düzeyinde değişkenler olarak ele alınabilir; bununla birlikte, kategorik regresyon bize, mevcut kodlamalarında aralık ölçeklemeyle ne kadar yakından eşleştiklerini keşfetme fırsatı sunar (satın alındığında değişken, nominal düzeyde bir değişkendir).

Devam etmeden önce, her bir değişkenin hangi ölçekte ölçüldüğünü SPSS Statistics’e söylemeliyiz:

1. Önerilen değişkene ve ardından Ölçek Tanımla düğmesine tıklayın. Tavsiye edilen değişken, nominal düzeyde bir değişkendir.
2. Nominal’e ve ardından Devam’a tıklayın.
Önemli, When_purchased ve Memnun olunan değişkenlerin her birine tıklayın ve ardından gösterilen iletişim kutusunu görüntülemek için Ölçeği Tanımla düğmesine tıklayın.
3. Nominal’i seçin ve ardından Devam’a tıklayın.
Tüm yordayıcılar sıralı düzey değişkenler olarak tanımlanabilir; bununla birlikte, bunu yapmak, sıralanan değişkenler için değer yaratma prosedürünü kısıtlayacaktır (bu, değişkenleri sıralı tutacaktır). Optimal kodlama niceliklerinin kullanılması için kategorik öngörücüler için nominal ölçüm düzeyinin kullanılmasını öneririz (ve bu şekilde bir değişkenin her bir düzeyinin sonuç değişkeni ile nasıl ilişkili olduğunu tam olarak görebiliriz).
4. Ayrıklaştırma’ya tıklayın.
Ayrıklaştırma iletişim kutusu, değişkenlerinizi yeniden kodlamak için bir yöntem belirlemenize olanak tanır. Örneğimizde bu gerekli değildir çünkü herhangi bir dizge değişkenimiz veya sıfırdan küçük veya sıfıra eşit değerlere sahip herhangi bir değişkenimiz yoktur.
5. İptal’e tıklayın.
6. Eksik Değerler’e tıklayın.

Eksik Değerler iletişim kutusu, eksik değerlerin nasıl ele alınacağını seçmenize olanak tanır. Alternatif olarak, kategorik regresyon gerçekleştirmeden önce eksik verileri işleyebilirdik. Örneğimizde varsayılan seçeneği kullanacağız, ancak mod ile eksik değerleri atamaya veya eksik veriler için fazladan bir kategori oluşturmaya karar verebiliriz.

7. İptal’e tıklayın.
8. Seçenekler’e tıklayın.

Seçenekler iletişim kutusu, ilk yapılandırmayı, yinelemeyi ve yakınsama kriterlerini, tamamlayıcı nesneleri ve grafiklerin etiketlenmesini belirlemenizi sağlar. En az bir değişken nominal düzey değişken olarak kodlandığında (Ölçeği Tanımla iletişim kutusunda yaptığımız gibi), rastgele başlangıç ​​konfigürasyonu kullanılmalıdır.

9. Rastgele’ye tıklayın.
10. Devam’a tıklayın.
11. Düzenleme’ye tıklayın.

Düzenlileştirme iletişim kutusu, regresyon katsayılarındaki değişkenliği azaltarak modelin tahmin hatasını iyileştirebilecek yöntemler belirtmenize olanak tanır. Şu anda bu iletişim kutusunda herhangi bir değişiklik yapmayacağız. Düzenleme, büyük olmasına rağmen önemli bir konudur. Tüm değişkenler ölçek düzeyinde olduğunda CATREG kullanmak için iyi bir nedendir.

12. İptal’e tıklayın.
13. Çıktı’yı tıklayın.

Çıktı iletişim kutusu, çıktının bir parçası olarak görüntülemek istediğiniz istatistikleri belirlemenizi sağlar. Varsayılanlar, çoklu korelasyon katsayısını, ANOVA tablosunu ve Katsayılar tablosunu görmenizdir. Bu çıktı parçalarına ek olarak, tipik olarak, değişkenlerin dönüştürülmüş değerlerini görebilmeniz için bir nicelik tablosu görmek istersiniz (puanların ortalaması sıfır ve standart sapması bir olacak şekilde standartlaştırılmıştır). Bu, kategorik regresyonu çalıştırmak için en uygun ölçeklemenin kullandığı tam değerleri görmemizi sağlayacaktır.

14. Tüm değişkenleri Kategori Nicelemeleri kutusuna taşıyın.
15. Devam’a tıklayın.
16. Kaydet’e tıklayın.

Kaydet iletişim kutusu, tahmin edilen değerleri, artıkları ve dönüştürülmüş değerleri kaydetmenize olanak tanır. Bu, bu değerleri diğer analizlerde veya prosedürlerde kullanmanıza olanak tanır.

17. İptal’e tıklayın.
18. Grafikler’e tıklayın.
Grafikler iletişim kutusu, orijinal değişken değerleri ile yeni dönüştürülmüş puanlar arasındaki ilişkiyi gösteren grafikler oluşturmanıza olanak tanır.
19. Tüm değişkenleri Dönüşüm Grafikleri kutusuna taşıyın.
Şimdi yeni dönüştürülmüş değişkenlerin orijinal değişkenlerle nasıl ilişkili olduğunu görebileceğiz.
20. Devam’a tıklayın.
21. Tamam’a tıklayın.

Beta katsayısı hesaplama
Beta katsayısı yüksek hisseler
Hisselerin beta değerleri 2021
Beta katsayısı hesaplama örnek
Hisse beta değeri hesaplama
Hisse beta değeri kaç olmalı
Beta katsayısı yorumlama
Beta katsayısı Nedir istatistik

Kategorik Regresyon Çıktısı

Vaka İşleme Özeti tablosu, veri setindeki toplam vaka sayısını, analizdeki vaka sayısını ve ayrıca eksik veriler nedeniyle hariç tutulan vakaların sayısını görüntüler. Örneğimizde, büyük bir miktar olmayan eksik veriler nedeniyle vakaların yaklaşık %10’u hariç tutulmuştur. Elbette kategorik regresyon prosedürü içerisinde direkt olarak veya SPSS İstatistikleri içerisinde diğer metotları kullanarak eksik değerlerin yerine koymak için müdahale edebilirdik.

Model Özeti ve ANOVA tabloları, doğrusal regresyon tarafından üretilenlere çok benzer ve yorumlama aynıdır. Model Özeti tablosu, modelin verilere ne kadar iyi uyduğuna dair çeşitli ölçüler sağlar. 0 ile 1 arasında değişebilen çoklu R, bağımlı değişken ile yordayıcıların kombinasyonu arasındaki çoklu korelasyon katsayısıdır; bu nedenle, çoklu R 1’e ne kadar yakınsa, uyum o kadar iyidir.

0 ile 1 arasında değişebilen R Kare, korelasyon katsayısının karesidir. Tahmin edicilerden açıklanabilen bağımlı değişkenin varyans oranı olarak yorumlanabilir. Düzeltilmiş R Kare, örnek boyutuna göre tahmin değişkenlerinin sayısını açıkça ayarladığı için R Kareye göre teknik bir gelişmeyi temsil eder.

Burada, yordayıcıların kombinasyonu ile bağımlı değişken arasındaki Çoklu R korelasyon katsayısı .625’tir. Birden çok R’nin karesini alırsanız, .390 elde edersiniz. Bu nedenle, önerilen değişken üzerindeki varyansın yaklaşık %39’u üç bağımsız değişkenden tahmin edilebilir.

Uyum ölçütleri bağımlı değişkeni ne kadar iyi tahmin edebileceğinizi gösterse de, bağımlı değişken ile tahmin ediciler arasında istatistiksel olarak anlamlı bir ilişki olup olmadığını size söylemezler. Varyans tablosunun analizi (ANOVA), tahmin denklemi tarafından açıklanan varyasyonun teknik özetlerini (kareler toplamları ve ortalama kare istatistikleri) sunar. Asıl ilgi, bağımlı değişken ile yordayıcılar arasında istatistiksel olarak anlamlı bir ilişki olup olmadığını belirlemektir.

Örneğimizde, tahmin ediciler ile önerilen değişken arasında istatistiksel olarak anlamlı bir ilişkimiz olduğunu görebiliriz. Önemli sonuçlar bulunduğundan, daha sonra regresyon katsayılarını görüntülemek için Katsayılar tablosuna dönüyoruz. Katsayılar tablosunun, doğrusal regresyon için tipik katsayılar tablosundan biraz farklı olduğuna dikkat edin.

Bunun nedeni, kategorik regresyonun değişkenlerin değerlerini dönüştürmesi ve standartlaştırmasıdır; bu nedenle, yalnızca Beta katsayıları rapor edilir. Örneğimizde, üç yordayıcının tümü istatistiksel olarak anlamlıdır ve tatmin edilen değişken en önemli yordayıcıdır (çünkü en büyük Beta katsayısına sahiptir). Yorumla ilgili olarak, dönüşüm planlarını görene kadar bu tartışmayı erteleyeceğiz.

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