A.analiz et, sonra Korelasyon, sonra ll.ivariate’e tıklayın. Bu, İki Değişkenli Korelasyonlar için ana iletişim kutusunu getirecektir (tıpkı Pearson korelasyonu gibi). İletişim kutusunun yaklaşık yarısı, hesaplayacağınız korelasyon türünü belirttiğiniz bir bölümdür. İstediğiniz kadar seçebilirsiniz. Örneğimiz için, Pearson kutusundaki işareti kaldırın (üzerine tıklayarak) ve Spearman kutusuna tıklayın. HEIGHT.SAV veri dosyamızdan HEIGHT ve WEIGHT değişkenlerini kullanın. Bu aynı zamanda tek kuyruklu bir test seçmenize izin veren birkaç komuttan biridir.

Çıktıyı Okumak

Her bir değişken çiftinin iki kez belirtilen korelasyon katsayısı vardır. Spearman rho, tıpkı Pearson r gibi -1.0 ile +1.0 arasında değişebilir. Yukarıda listelenen çıktı, YÜKSEKLİK ve AĞIRLIK arasında .883’lük bir korelasyonu gösterir. .000 anlamlılık düzeyine dikkat edin. Bu aslında~ < .00 1 anlamlılık düzeyidir. Gerçek alfa düzeyi .000’e yuvarlanır, ancak sıfır değildir.

Çizim sonuçları

Korelasyon -1.0 ile +1.0 arasında olacaktır. 0.0’a yakın puanlar zayıf bir ilişkiyi temsil eder. 1.0 veya -1.0’a yakın puanlar güçlü bir ilişkiyi temsil eder. Önemli korelasyonlar yıldızlarla işaretlenmiştir. Anlamlı bir korelasyon, güvenilir bir ilişkiyi gösterir, ancak mutlaka güçlü bir korelasyon anlamına gelmez. Yeterli konu ile çok küçük bir korelasyon anlamlı olabilir. Genel olarak, 0,7’den büyük korelasyonlar güçlü olarak kabul edilir. 0,3’ten küçük korelasyonlar zayıf olarak kabul edilir. 0,3 ile 0,7 arasındaki korelasyonlar orta düzeyde kabul edilir.

Önemli Olan İfade Sonuçları

Yukarıdaki örnekte, YÜKSEKLİK ve AĞIRLIK arasında .883’lük bir korelasyon elde ettik. .883’lük bir korelasyon, güçlü bir pozitif korelasyondur ve .0 1 düzeyinde anlamlıdır. Bu nedenle, bir sonuç bölümünde aşağıdakileri belirtebiliriz:

Deneklerin boy ve kiloları arasındaki ilişki için bir Spearman rho korelasyon katsayısı hesaplandı. İki değişken arasında anlamlı bir ilişki olduğunu gösteren güçlü bir pozitif korelasyon bulundu (rho (14) = .883, p < .01). Daha uzun denekler daha ağır olma eğilimindedir.

Sonuç, korelasyonun yönünü (pozitif), gücünü (güçlü), değerini (.883), serbestlik derecesini (14) ve anlamlılık düzeyini « .01) belirtir. Ek olarak, bir yön beyanı dahildir (daha uzun daha ağırdır). Parantez içinde verilen serbestlik derecelerinin 14 olduğuna dikkat edin. Çıktı, 16’lık bir N’yi gösterir. Bir bağıntı için, serbestlik derecesi N – 2’dir.

Basit doğrusal regresyon örnek
Basit Doğrusal Regresyon hesaplama
Regresyon denklemi
Doğrusal regresyon modeli
Regresyon analizi
Doğrusal regresyon analizi
Çoklu doğrusal regresyon modeli
Basit Doğrusal Regresyon soru çözümü

Önemli Olmayan İfade Sonuçları

Önceki bölümlerdeki SAM- PLE.SAV veri setimizi kullanarak, ID ve GRADE arasında bir Spearman rho korelasyonu hesaplayabiliriz. Eğer öyleyse, çıktıyı solda görürüz. Korelasyon katsayısı .000’e eşittir ve 1.000 anlamlılık düzeyine sahiptir. Bunun yuvarlandığını ve aslında 1.000 olmadığını unutmayın. Bu nedenle, bir sonuç bölümünde aşağıdakileri belirtebiliriz:

Bir deneğin kimlik numarası ile notu arasındaki ilişki için bir Spearman rho korelasyon katsayısı hesaplandı. Anlamlı olmayan son derece zayıf bir korelasyon bulundu (r (2) = .000, p > .05). Kimlik numarası ders notu ile ilgili değildir.

Alıştırma Egzersizi
Ek B’deki Uygulama Veri Kümesi 2’yi kullanın. Spearman rho korelasyonunu hesaplayarak maaş ve iş sınıflandırması arasındaki ilişkinin gücünü belirleyin.

 Basit Doğrusal Regresyon

Açıklama
Basit doğrusal regresyon, bir değişkenin diğerinden tahmin edilmesini sağlar.

Varsayımlar
Basit doğrusal regresyon, her iki değişkenin de 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. Normalde, her iki değişken de normal dağılmalıdır. İkili değişkenler (sadece iki seviyeli değişkenler) de bağımsız değişkenler olarak kabul edilebilir.

SPSS Veri Formatı
SPSS veri dosyasında iki değişken gereklidir. Her konu her iki değere de 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). Sağda bağımlı değişken (tahmin etmeye çalıştığınız değişken) ve bağımsız değişken (tahmin ettiğimiz değişken) için bloklar var.

Birinin ağırlığını boyuna göre tahmin etmekle ilgileniyoruz. Bu nedenle, AĞIRLIK değişkenini bağımlı değişken bloğuna ve YÜKSEKLİK değişkenini bağımsız değişken bloğuna yerleştirmeliyiz. Ardından, analizi çalıştırmak için Tamam’a tıklayabiliriz.

Çıktıyı Okumak

Basit doğrusal regresyonlar için çıktının üç bileşeniyle ilgileniyoruz. İlki Model Özeti olarak adlandırılır ve Girilen/Kaldırılan Değişkenler bölümünden sonra gerçekleşir. Örneğimiz için bu çıktıyı görmelisiniz. R Kare (belirleme katsayısı olarak adlandırılır), bağımsız değişkeninizdeki (YÜKSEKLİK) varyasyonla açıklanabilen bağımlı değişkeninizin (AĞIRLIK) varyansının oranını verir. Böylece ağırlıktaki değişimin %64,9’u boy farklılıklarıyla açıklanabilir (daha uzun boylu insanlar daha kilolu).

Standart tahmin hatası, tahmin denkleminiz için size bir dağılım ölçüsü verir. Tahmin denklemini kullanarak, verilerin %68’i, tahmin edilen değerin bir standart tahmin hatasına düşecektir. %95’in biraz fazlası iki standart hataya düşecektir. Bu nedenle, yukarıdaki örnekte, zamanın %95’inde tahmini ağırlığımız doğru olduğunda 32.296 pound (yani 2 x 16.148 = 32.296) içinde olacaktır.

Çıktının ilgilendiğimiz ikinci kısmı ANOVA özet tablosudur. ANOVA özet tablolarının okunması hakkında daha fazla bilgi Bölüm 6’da verilecektir. Şimdilik burada önemli olan sayı, en sağdaki önem düzeyidir. Bu değer .05’ten küçükse, anlamlı bir doğrusal regresyona sahibiz. .05’ten büyükse, yapmayız. Çıktının son bölümü katsayılar tablosudur. Gerçek tahmin denkleminin bulunabileceği yer burasıdır.

Çoğu metinde, Y’ = a + bX’in regresyon denklemi olduğunu öğrenirsiniz. Y’ sizin bağımlı değişkeniniz ve X sizin bağımsız değişkeninizdir. SPSS çıktısında hem a hem de b’nin değerleri B sütununda bulunur. İlk değer, -234.681, a’nın (ve Sabit olarak etiketlenen) değeridir. İkinci değer, 5.434, ofb değeridir (ve bağımsız değişkenin adıyla etiketlenir). Bu nedenle, yukarıdaki örnek için tahmin denklemimiz AĞIRLIK’ = -234.681 + 5.434 (YÜKSEKLİK) şeklindedir.

Başka bir deyişle, başka bir denekten bir inç daha uzun olan ortalama denek, 5.434 pound daha ağırdır. 60 inç boyunda bir kişi -234.681 + 5.434(60) = 91.359 pound ağırlığında olmalıdır. Tahminin standart hatasıyla ilgili daha önceki tartışmamız göz önüne alındığında, 60 inç uzunluğundaki kişilerin %95’i 59.063 (91.359 – 32.296 = 59.063) ile 123.655 (91.359 + 32.296 = 123.655) 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.

Önemli Olan İfade Sonuçları

46. ​​sayfada başlayan örnekte, .649’luk bir R Karesi ve AĞIRLIK’ = -234.681 + 5.434 (YÜKSEKLİK) şeklinde bir regresyon denklemi elde ettik. ANOV A, 1 ve 14 serbestlik derecesi ile F = 25.926 ile sonuçlandı. F, .001’den daha az düzeyde anlamlıdır. Bu nedenle, bir sonuç bölümünde aşağıdakileri belirtebiliriz:

Deneklerin kilolarını boylarına göre öngören basit bir lineer regresyon hesaplandı. R değeri .649 olan önemli bir regresyon denklemi bulundu (F(1,14) = 2 25.926, p < .001). Deneklerin tahmini ağırlığı, boy inç cinsinden ölçüldüğünde -234,68 + 5,43 (boy) pound’a eşittir. Deneklerin ortalama ağırlığı, her bir inçlik yükseklik için 5,43 pound arttı.

Sonuç, regresyonun yönünü (artışını), gücünü (.649), değerini (25.926), serbestlik derecesini (1,14) ve anlamlılık düzeyini « .001) belirtir. Ek olarak, denklemin kendisinin bir ifadesi dahildir.

The post  Basit 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).