Bırakma olayı yaşayan vakaların sayısını (N = 13), sansürlenen (halen devam eden) vakaların sayısını (N = 35) ve eksik değerleri olan vakaların sayısını (N =) sağlayan Vaka İşleme Özeti tablosunu sağlar. 

Tüm kategorik değişkenler için IBM SPSS tarafından kullanılan yapay kodlama şemasını gösteren Kategorik Değişken Kodlamaları tablosunu sağlar. Kısaca (daha eksiksiz bir açıklama için bkz. Meyers ve diğerleri (2013)), kukla kodlama, kod kümelerinin sayısı, kategori sayısından bir eksik olacak şekilde, bir değişkenin kategorilerine 1’ler ve 0’lar atamayı içerir. Sahte kodlama, 0 koduna atanmış bir referans kategorisi gerektirir; Son kategorinin varsayılanını kabul ettik. Referans kategorisi olarak belirlenen kategoriler, regresyon analizinde kendisiyle karşılaştırılan diğer grupların her birine sahiptir.

Öğrencinin cinsiyeti (Kategorik Değişken Kodlamalar tablosunda 1 ve 2’nin kodlaması görülebilen) için kadın en yüksek kod değerine (2 ile) sahiptir ve böylece ilk için (1) etiketli sütunda gösterildiği gibi referans kategorisi olur. (ve sadece) sahte kodlar seti. Bu nedenle, regresyon analizinde erkekler kadınlarla karşılaştırılacaktır.

Eğitmen_seviye değişkenimiz, Kategorik Değişken Kodlamaları tablosunda da gösterilen üç kategoriye sahiptir. Kod 3 ile büyük usta referans kategorisi haline gelir; bu, her iki kodlama setinde de 0 atanmasına neden oldu, blackbelt ve master’ın her birine iki sahte kod setinden birinde bir sahte kod 1 atandı. Büyük usta referans kategorisi olduğundan, kara kuşak ve ustanın her biri analizde onunla karşılaştırılacaktır.

İlk Blok 0: Başlangıç ​​Blok analizini sunar. Bu, 73.398’lik -2 Log Olabilirlik istatistiği ile gerçekleştirilen Model Katsayılarının Çok Yönlü Testlerini sunar. -2 Günlük Olabilirliği, tüm değişkenlerin henüz analize girilmediği Blok 0’ı değerlendirir; bu nedenle, varyans analizinde toplam kareler toplamı ile benzer bir rol oynar. Modele girilen gelecekteki tüm ortak değişken blokları, bu istatistiğin azaltılması temelinde değerlendirilir.

Blok 1 için çıktı sağlar: Yöntem = Gir. Yöntem = Gir başlığı, ortak değişkenlerimizi (mevcut durumda dört) aynı anda girmeyi seçtiğimizi hatırlatır. Model Katsayılarının Çok Yönlü Testleri tablosu, -2 Günlük Olabilirlik değeri 63.018 ile başlar.

Bu olabilirlik oranı istatistiği, önceki (Blok 0) değeriyle karşılaştırılır ve indirgenmesi, dört serbestlik dereceli (dört ortak değişken nedeniyle) ki-kare istatistiği ile değerlendirilir. Tablonun Önceki Adımdan Değişim olarak etiketlenen kısmında Ki-kare değeri 10.38’dir. Blok 0’dan Blok 1’e -2 Günlük Olabilirliği farkı olarak hesaplanır (73.398−63.018 = 10.38). İstatistiksel olarak anlamlı olan ki-kare değeri (p = .034), dört ortak değişkenimizin tekvando sınıfından çıkma olasılığını (tehlike oranı) önemli ölçüde etkilediğini göstermektedir.

Denklem tablosundaki Değişkenleri sağlar. Bu tablo, her bir ortak değişken için bilgileri ayrı satırlarda sunar. B etiketli sütun, standartlaştırılmamış regresyon katsayılarını bildirir. Çoklu regresyona benzer şekilde, ortak değişkenlerin göreceli katkılarını karşılaştırabilmemiz için standartlaştırılmamış katsayıların standartlaştırılması gerekir; bu standardizasyon, hayatta kalma analizinde Exp(B) sütununda gösterilen bir log dönüşümü olarak gerçekleştirilir.

Regresyon analizi yorumlama
Regresyon analizi soru ve cevaplari
Regresyonda R kare yorumlama
Regresyon analizi örnek
Cox regresyon analizi nedir
Regresyon Varsayımları
Yaşam analizi
Regresyon katsayısı

Sonraki dört sütun, B’nin standart hatasını (SE olarak gösterilir), Wald istatistiksel anlamlılık testinin sonucunu, serbestlik derecelerini (df) ve katsayının anlamlılık değerini (Sig.) gösterir. Her bir ortak değişkenin istatistiksel önemini değerlendirmek için kullanılan test, Wald istatistiğidir; ki-kare dağılımı olarak dağıtılır ve (B/SE) olarak hesaplanır.

İstatistiksel olarak anlamlı olan tek etki, üç seviyeli kategorik bir değişken olan eğitmen_seviyesi ortak değişkenidir. Eğitmen_seviyesi satırı, önemli bir genel etki olduğunu (p = .031) gösterir, bu da eğitmen_seviyesi kukla kodlanmış değişkenlerden en az birinin istatistiksel olarak anlamlı olduğunu gösterir (en az biri ilgilenilen olayı önemli ölçüde tahmin eder).

İki yapay eğitmen_seviyesi değişkenini incelemek ayrıca bize yalnızca eğitmen_seviyesinin(1) istatistiksel olarak anlamlı olduğunu (p = .010) bildirir. Bu kukla kodlanmış değişkenin grandmaster’a kıyasla blackbelt ile temsil edildiğini Kategorik Değişken Kodlamaları tablosunda görebiliriz.

Exp(B) etiketli sütun, regresyon katsayılarının log dönüşümlerinin sonuçlarını sunar. Tehlike oranı olarak bilinir. 1.00 veya yakın değerler, tahmin değişkenindeki değişikliklerle birlikte, ilgilenilen olayı gözlemleme şansında önemli bir değişiklik olmadığını gösterir.

Örnek olarak nicel bir ortak değişken için, yaş için regresyon katsayısı .014’tür. Doğal logaritma dönüşümü temelinde, Exp(B)’yi 2.72.014 = 1.014 olarak hesaplıyoruz. Exp(B), modeldeki diğer tüm ortak değişkenleri kontrol ederken, ortak değişkendeki her metrik artış için tehlike oranındaki tahmini değişikliktir. Yaş için Exp(B) 1.014 olduğu için, yıllar içinde her artış için tehlike oranının 1.014 arttığını söyleyebiliriz; bu nedenle, örneğin, 5 yıllık bir artış, diğer tüm değişkenler için kontrol edildiğinde 5.07’lik bir tehlike oranına eşittir.

eğitmen_seviyesi(1) ile ilişkili Exp(B) değeri 23.274’tür. Bu, referans grup büyükustasıyla kara kuşağı karşılaştıran kukla kodlanmış bir değişkenin bir parçasıydı.

Bu etkiyi şu şekilde yorumluyoruz: kara kuşak eğitmenleri tarafından öğretilen öğrencilerin, büyükustalar tarafından öğretilenlere göre 23.274 (%95 güven aralığı: 2.12–255.10) kat daha fazla okulu bırakma olasılığı vardı.

Eğitmen_seviyesi(2) (usta ve büyükusta kukla değişkeni) için okulu bırakma oranında önemli bir fark yoktu; bu nedenle, bu iki tür eğitmenle ilişkili okulu bırakma oranları karşılaştırılabilirdi. Eğitmen_düzey(2) regresyon katsayısı için %95 güven aralığını hesaplarsak, bunun 1,00 değerini alacağını, dolayısıyla usta ve büyükusta eğitmenlerinin okulu bırakma oranları açısından karşılaştırılabilir olduğunu düşündüreceğini unutmayın.

Ortak Değişken Ortalamalar ve Model Değerleri tablosunu sağlar. Bu tablo, her bir ortak değişken veya tahmin değişkeninin ortalama değerini görüntüler. eğitmen_seviyesi(1), eğitmen_seviyesi için ilk kukla değişkeni temsil eder ve ortalaması .354’tür. Bu değişken siyah kuşak eğitmeni için 1, diğer tüm eğitmenler için 0 olarak kodlanmıştır.

İkinci kukla değişken olan eğitmen_düzey(2), usta öğreticiler için 1, diğer tüm eğitmenler için 0 olarak kodlanmıştır ve ortalaması .271’dir. Ortalama yaş 20.896 ve öğrencinin cinsiyeti ortalaması .583’tü. Model 1, 2, 3 etiketli sütunlar, öğrencinin yaşı ve cinsiyeti için ortalamaları dikkate alır ve kukla değişkenler (1,0), (0,1) (0,0) için kodlama şemasını sağlar. Bunlar grafiği oluşturmak için kullanılır.

Birlikte tüm değişkenler için tek bir hayatta kalma grafiği sağlar. Fonksiyon, tüm ortak değişkenlerin ortalaması temelinde hesaplanır.

D Her eğitmen_seviyesi için hayatta kalma işlevleri. Master-seviyesi veya büyük-master-seviyesi öğretime kıyasla, kara kuşak seviyesindeki öğretimle ilişkili daha yüksek okulu bırakma oranlarına dikkat edin; bu nedenle bu değişken regresyon analizinde istatistiksel olarak anlamlı bir yordayıcı olmuştur.

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).