Açıklama
Çoklu doğrusal regresyon analizi, bir değişkenin diğer birkaç değişkenden tahmin edilmesini sağlar.

Varsayımlar
Çoklu doğrusal regresyon, tüm değişkenlerin aralık veya oran ölçekli olduğunu varsayar. Ek olarak, bağımlı değişken tahmin çizgisi etrafında normal olarak dağıtılmalıdır. Bu, elbette, değişkenlerin birbirleriyle doğrusal olarak ilişkili olduğunu varsayar. Tüm değişkenler normal olarak dağıtılmalıdır. İkili değişkenler de bağımsız değişkenler olarak kabul edilebilir.

SPSS Veri Formatı
En az üç değişken gereklidir III SPSS veri dosyası. Her konu tüm değerlere katkıda bulunmalıdır.

Komutu Çalıştırmak
Analizin ardından Regresyon ve ardından Doğrusal’a tıklayın. Bu, doğrusal regresyon için ana iletişim kutusunu açacaktır. İletişim kutusunun sol tarafında veri dosyanızdaki değişkenlerin bir listesi bulunur (bu bölümün başından itibaren HEIGHT.SAV veri dosyasını kullanıyoruz). İletişim kutusunun sağ tarafında bağımlı değişken (tahmin etmeye çalıştığınız değişken) ve bağımsız değişkenler (tahmin ettiğiniz değişkenler) için boşluklar bulunur.

Birinin kilosunu boyuna ve cinsiyetine göre tahmin etmekle ilgileniyoruz. Hem cinsiyetin hem de boyunun kiloyu etkilediğine inanıyoruz. Bu nedenle, WEIGHT bağımlı değişkenini Dependent bloğuna ve HEIGHT ve SEX bağımsız değişkenlerini Independent(s) bloğuna yerleştirmeliyiz. Her ikisini de Blok 1’e girin.

Bu, AĞIRLIĞIN SEKS ve/veya YÜKSEKLİK’ten tahmin edilip edilemeyeceğini belirlemek için bir analiz gerçekleştirecektir. SPSS’nin bu analizi yapmak için kullanabileceği birkaç yöntem vardır. Bunlar Yöntem kutusu ile seçilebilir.

En yaygın olarak kullanılan Metod Enter, anlamlı olsun ya da olmasın tüm değişkenleri denkleme koyar. Diğer yöntemler, yalnızca anlamlı tahmin ediciler olan değişkenleri girmek için çeşitli araçlar kullanır. Analizi çalıştırmak için Tamam’a tıklayın.

Çoklu doğrusal regresyon analizi örnekleri
Basit doğrusal regresyon Analizi
Doğrusal regresyon
Çoklu regresyon analizi soru ve cevapları
Çoklu doğrusal regresyon varsayımları
Çoklu doğrusal regresyon analizi yorumlama
Belirlenmiş DEĞİŞKENLERİN Vergi Gelirleri ÜZERİNDEKİ Etkisi: Çoklu Doğrusal Regresyon Analizi
Çoklu doğrusal regresyonda sonuçları tahmin etmek için

Çıktıyı Okumak

Çoklu doğrusal regresyon için, ilgilendiğimiz çıktının üç bileşeni vardır. Birincisi Model olarak adlandırılır.
Girilen/Kaldırılan Değişkenler bölümünden 1 sonra bulunan özet. Örneğimiz için çıktıyı sağa almalısınız. R Kare (belirleme katsayısı olarak adlandırılır), bağımsız değişkenlerdeki (bu durumda YÜKSEKLİK ve CİNSİYET) varyasyonla açıklanabilen bağımlı değişkendeki (AĞIRLIK) varyansın oranını söyler.

Bu nedenle, ağırlıktaki değişimin %99,3’ü boy ve cinsiyet farklılıklarıyla açıklanabilir (daha uzun boylu insanlar daha kilolu, erkekler daha kilolu). İkinci bir değişken ekleyerek, R Karemizin .649’dan .993’e çıktığını unutmayın.Bölüm 5.3’teki Basit Doğrusal Regresyon örneği kullanılarak elde edildi.

Tahminin Standart Hatası, tahmin denklemi için size bir hata payı verir. Tahmin denklemini kullanarak, verilerin %68’i, tahmin edilen değerin tahmininin bir standart hatasına düşecektir. %95’in biraz fazlası, tahminlerin iki standart hatasına düşecektir. Bu nedenle, yukarıdaki örnekte, zamanın %95’inde tahmini ağırlığımız, doğru olmanın 4.591 (2.296 çarpı 2) pound içinde olacaktır. Bölüm 5.3’teki Basit Doğrusal Regresyon örneğimizde bu sayı 32.296 idi. Daha yüksek doğruluk derecesine dikkat edin.

Çıktının ilgilendiğimiz ikinci kısmı ANOV A özet tablosudur. ANOVA tablolarını okuma hakkında daha fazla bilgi için Bölüm 6’daki ANOVA bölümlerine bakın. Şimdilik, önemli olan sayı en sağdaki önem düzeyidir. Bu değer .05’ten küçükse, anlamlı bir doğrusal regresyona sahibiz. .05’ten büyükse, yapmayız.

Çoğu metinde, Y’ = a + bX’in regresyon denklemi olduğunu öğrenirsiniz. Çoklu regresyon için denklemimiz Y’ = Bo + BIXI + BzXz + … + BzXz olarak değişir (burada z Bağımsız Değişkenlerin sayısıdır). Y’ sizin bağımlı değişkeninizdir ve X’ler sizin bağımsız değişkenlerinizdir. B’ler bir sütunda listelenir. Bu nedenle, yukarıdaki örnek için tahmin denklemimiz AĞIRLIK’ = 47.138 – 39.133(CİNSİYET) + 2.101 (YÜKSEKLİK)’dir (burada CİNSİYET 1 = Erkek, 2 = Kadın ve YÜKSEKLİK inç olarak kodlanmıştır).

Başka bir deyişle, boyları bir inç farklı olan denekler için ortalama ağırlık farkı 2.101 pound. Erkekler, kadınlardan 39.133 pound daha ağır olma eğilimindedir. 60 inç boyunda bir kadın 47.138 – 39.133(2) + 2.101(60) = 94.932 pound ağırlığında olmalıdır. Standart tahmin hatasıyla ilgili daha önceki tartışmamız göz önüne alındığında, 60 inç uzunluğundaki kadınların %95’i 90.341 (94.932 – 4.591 = 90.341) ile 99.523 (94.932 + 4.591 = 99.523) pound arasında olacaktır.

Çizim sonuçları

Regresyon analizlerinden elde edilen sonuçlar (a) anlamlı bir tahmin denkleminin elde edilip edilmediğini, (b) ilişkinin yönünü ve (c) denklemin kendisini gösterir. Çoklu regresyon genellikle basit lineer regresyondan çok daha güçlüdür. İki örneğimizi karşılaştırın.

Çoklu regresyonda, her bir bağımsız değişkenin önem düzeyini de göz önünde bulundurmalısınız. Yukarıdaki örnekte, her iki bağımsız değişkenin de anlamlılık düzeyi .00l’den küçüktür.

Önemli Olan İfade Sonuçları

Örneğimizde, .993’lük bir R Kare ve AĞIRLIK’ = 47.138 – 39.133(CİNSİYET) + 2.101 (YÜKSEKLİK) şeklinde bir regresyon denklemi elde ettik. ANOV A, 2 ve 13 serbestlik dereceli F = 981.202 ile sonuçlandı. F, .001’den daha az düzeyde anlamlıdır. Bu nedenle, bir sonuç bölümünde aşağıdakileri belirtebiliriz:

Deneklerin kilosunu boylarına ve cinsiyetlerine göre tahmin etmek için çoklu doğrusal bir regresyon hesaplandı. R2 değeri .993 olan anlamlı bir regresyon denklemi bulundu (F(2,13) ​​= 981.202,p < .001). Deneklerin tahmini ağırlığı 47.138 – 39’a eşittir. 133(SEX) + 2.101(HEIGHT), burada cinsiyet 1 = Erkek, 2 = Kadın olarak kodlanır ve boy inç olarak ölçülür. Denekler her inç boy için 2.101 pound arttı ve erkekler kadınlardan 39.133 pound daha ağırdı. Hem cinsiyet hem de boy anlamlı yordayıcılardı.

Sonuç, regresyonun yönünü (artışını), gücünü (.993), değerini (981.20), serbestlik derecesini (2,13) ​​ve anlamlılık düzeyini « .001) belirtir. Ek olarak, denklemin kendisinin bir ifadesi dahildir. Birden fazla bağımsız değişken olduğundan, her birinin anlamlı olup olmadığını not ettik.

Önemli Olmayan İfade Sonuçları

ANOVA anlamlı bir ilişki bulamazsa, Sig. çıktının bölümü .05’ten büyük olacaktır ve regresyon denklemi anlamlı değildir. Bir sonuç bölümü aşağıdaki ifadeyi içerebilir:

Deneklerin boylarına ve cinsiyetlerine göre ACT puanlarını öngören çoklu doğrusal bir regresyon hesaplandı. Regresyon denklemi, .062’lik bir R2 ile anlamlı değildi (F(2, 13) = 1.21, P > .05). ACT puanlarını tahmin etmek için ne boy ne de ağırlık kullanılamaz. Anlamlı olmayan sonuçlar için ANOVA sonuçlarının ve R2 sonuçlarının verildiğine, ancak regresyon denkleminin verilmediğine dikkat edin.

Alıştırma Egzersizi

Ek B’deki Uygulama Veri Kümesi 2’yi kullanın. Eğitim, hizmet yılı ve cinsiyete dayalı maaş tahmini için tahmin denklemini belirleyin. Hangi değişkenler anlamlı yordayıcılardır? Erkeklerin kadınlardan daha fazla maaş aldığına inanıyorsanız, bu analizi yaptıktan sonra ne sonuca varırdınız?

“akademdelisi.net” ailesi olarak,  Çoklu doğrusal regresyon analizi örnekleri,Basit doğrusal regresyon Analizi,Doğrusal regresyon,Çoklu regresyon analizi soru ve cevapları,Çoklu doğrusal regresyon varsayımları,Çoklu doğrusal regresyon analizi yorumlama,Belirlenmiş DEĞİŞKENLERİN Vergi,Gelirleri ÜZERİNDEKİ Etkisi: Çoklu Doğrusal Regresyon Analizi,Çoklu doğrusal regresyonda sonuçları tahmin etmek için gibi pek çok alanda sizlere destek vermekteyiz.

Siz de bu aileyle tanışmak istiyorsanız iletişim adreslerimizden bizlere ulaşabilirsiniz.

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