KANTİTATİF DEĞİŞKENLER – SPSS Ödevi Yaptırma – SPSS Analizi Yaptırma Fiyatları – SPSS Örnekleri – Ücretli SPSS Analizi Yaptırma – SPSS Analizi Yaptırma Ücretleri

info@akademidelisi.com * 0 (312) 276 75 93 * Her bölümden, Ödev Yazdırma, Proje Yaptırma, Tez Yazdırma, Rapor Yazdırma, Makale Yazdırma, Araştırma Yazdırma, Tez Önerisi Yazdırma talepleriniz için iletişim adreslerini kullanın. Makale YAZDIRMA siteleri, Parayla makale YAZDIRMA, Seo makale fiyatları, Sayfa başı yazı yazma ücreti, İngilizce makale yazdırma, Akademik makale YAZDIRMA, Makale Fiyatları 2022, Makale yazma, Blog Yazdırma, Blog Yazdırmak İstiyorum

KANTİTATİF DEĞİŞKENLER – SPSS Ödevi Yaptırma – SPSS Analizi Yaptırma Fiyatları – SPSS Örnekleri – Ücretli SPSS Analizi Yaptırma – SPSS Analizi Yaptırma Ücretleri

27 Ocak 2022 Kalitatif kantitatif nedir Kantitatif araştırma nedir? Kantitatif yöntem nedir? 0
Değişken Adlarını Yapıştırma – SPSS Ödevi Yaptırma – SPSS Analizi Yaptırma Fiyatları – SPSS Örnekleri – Ücretli SPSS Analizi Yaptırma – SPSS Analizi Yaptırma Ücretleri

GRESLENEN (ÖNGÜLENEN) KANTİTATİF DEĞİŞKENLER

Basit Doğrusal Regresyon

Pearson korelasyonu ve basit doğrusal regresyon, aynı temel fikri ifade etmenin iki yoludur. Pearson korelasyonu genellikle iki değişkenin ilişkili veya ilişkili olma derecesini ele alırken, basit doğrusal regresyon, bir değişkenin diğerine dayalı olarak tahminini ele alır (bir ilişkiyi karakterize etmenin belirli bir yolu). Galton (1886) ilk olarak gerileme fikrini (“sıradanlık” düzeyine doğru gerileme veya şimdi ortalamaya doğru gerileme olarak düşündüğümüz) tartıştı ve 2 yıl sonra ortak değişkenlik veya şimdi korelasyon dediğimiz şey fikrini ortaya attı.

İki değişkenin analizde aynı statüye sahip olduğu iki değişkenli korelasyonun aksine, iki değişken basit doğrusal regresyonda farklı roller oynar. Değişkenlerden birinin değeri tahmin ediliyor; bu değişken bağımlı, ölçüt veya sonuç değişkenidir ve genel olarak Y değişkeni olarak gösterilir. Diğer değişken, bağımlı değişkeni tahmin etmek için kullanılır; bu değişken bağımsız veya öngörücü değişkendir ve genel olarak X değişkeni olarak belirtilir.

Basit doğrusal regresyon, adını aşağıdaki nedenlerden alır:

• Bu, bir nicel X değişkeninden Y değerini tahmin ettiğimiz için regresyondur. Tahmin, X’in bir fonksiyonu olarak Y’nin tahmin edilen değerini belirten bir regresyon denklemi veya modeli ile temsil edilir.
•Basittir,çünkü bir tahminveyabağımsızdeğişken(X)sonucun, kriterin veya bağımlı değişkenin (Y) değerini tahmin etmek için kullanırız.
•Doğrusaldır,çünkü aşınmaoluşturandoğrusalregresyon modeli,yani regresyon analizinden elde edilen denklem veya model düz bir çizgiyi temsil eder.

Regresyon modeli, bir en küçük kareler algoritması ile üretilir; yani, doğrusal tahmin işlevi, işlevin etrafındaki sapmaların karelerinin toplamının minimum olduğu yeri tanımlar ve bu nedenle X ve Y ile ilgili en uygun çizgiyi üretir. Bu nedenle, prosedür aykırı değerlere duyarlıdır; dağılımın merkezinden uzaklıkların karesi alınır ve karesi alınan büyük mesafeler (aykırı değerleri tanımlar) “orantısız olarak büyüktür” ve böylece regresyon fonksiyonunu onlara doğru çeker.

Regresyon prosedürü ile oluşturulan model, hem ham puan hem de standart puan formunda sağlanır. Ham puan (standartlaştırılmamış) modeli (Öngörülen Y = a + bX), fonksiyonun Y kesişimi olan (a) sabiti için bir değer (X = 0 olduğunda Y’nin tahmin edilen değeri) ve bir regresyon katsayısı ( b), Y’nin tahmin edilebilirliğini maksimize etmek için X’e verilen ağırlıktır. Regresyon katsayısı doğrusal fonksiyonun eğimidir ve X’teki her birim değişiklik için Y’de beklenen değişiklik miktarını temsil eder.

Standartlaştırılmış model (Öngörülen Yz = beta Xz), her biri z puanlarına dönüştürüldüğünde X ve Y için geçerlidir. Standartlaştırılmış model orijinden geçtiği için (Y kesişimi sıfırdır) sabit için bir değer içermez. Standartlaştırılmış regresyon katsayısı beta olarak etiketlenmiştir. Bu model, ham puan modeli oluşturulurken IBM SPSS® tarafından otomatik olarak üretilir. Basit doğrusal regresyonda, beta katsayısı Pearson korelasyon katsayısıdır.


Kantitatif araştırma nedir
Kantitatif analiz ne demek
Kalitatif kantitatif nedir
Kantitatif Nedir
Kantitatif yöntem nedir
kantitatif (nicel)
Kalitatif ve kantitatif yöntemler
Kantitatif araştırma özellikleri


SAYISAL ÖRNEK

Büyük bir firmanın çalışanlarının bir fiziksel egzersiz rejimini takip etmeye ne kadar bağlı olduklarını tahmin eden bir çalışmadan elde edilen kurgusal verileri içeren Egzersiz adlı veri dosyasını kullanıyoruz. Buna ek olarak, araştırmacılar ayrıca çalışanların diyet yapma derecesini ve bazı kişisel değişkenleri (sosyal ilişki ihtiyacı, kendini kabul, benlik saygısı ve kendi bedenlerinde hissettikleri saygı) değerlendirdi. Değişkenlerin adları açıklayıcıdır ve veri dosyasının bir bölümünün ekran görüntüsü sunulur. Mevcut örnek için, egzersiz_bağlılığını tahmin etmek için benlik saygısını kullanıyoruz.

ANALİZ KURULUMU

Ana menüden Analiz ➔ Regresyon ➔ Doğrusal’ı seçiyoruz. Bu, gösterildiği gibi ana Lineer Regresyon penceresini açar. Egzersiz_bağlılığını Bağımlı panele ve benlik saygısını Bağımsız(lar) paneline taşıyoruz. Yöntem açılır menüsünde Enter’ı koruyoruz (bu, model oluşturulurken değişkenlerin nasıl girileceği ile ilgilidir – sorun yalnızca tek bir tahminci ile ilgili değildir).

İstatistikler düğmesinin seçilmesi, İstatistikler ekranını açar. Bunların çoğu çoklu doğrusal regresyonla daha ilgilidir, ancak burada bunları yaptığımızdan daha basit bir şekilde ele almak için bir fırsat sağlar. Tahminleri (regresyon katsayılarını elde etmek için), Model uyumunu (R2’yi elde etmek için) kontrol ederiz. ve düzeltilmiş R2), Tanımlayıcılar (tanımlayıcı istatistikleri elde etmek için) ve Kısmi ve kısmi korelasyonlar (sıfır dereceli, kısmi ve yarı kısmi korelasyonları elde etmek için). Ana iletişim penceresine dönmek için Devam’a tıklayın ve analizi gerçekleştirmek için Tamam’a tıklayın.

ANALİZ ÇIKIŞI

İki değişken için tanımlayıcı istatistikler (ortalamalar ve standart sapmalar) üst tablosunda gösterilmektedir. Veri dosyasının ekran görüntüsünde görüldüğü ve tanımlayıcı istatistiklerden de anlaşılacağı gibi, her ikisi de nicel olarak ölçülse de, benlik saygısı ve egzersiz_bağlılık oldukça farklı ölçeklerde değerlendirilir.

Egzersiz_bağlılık değişkeni, daha yüksek değerler daha fazla bağlılığı gösteren, 5 puanlık bir özet yanıt ölçeğiyle ilişkilendirilen anket öğelerinin ortalaması alınarak hesaplanmıştır; 3.3742’nin ortalaması, egzersize tarafsız bağlılıktan biraz daha fazlasını gösterir.

Benlik saygısı değişkeni 20 ile 50 arasında değişmekte olup, daha yüksek değerler daha yüksek benlik saygısı düzeylerini göstermektedir; 39.08 ortalaması, nispeten yüksek bir benlik saygısı seviyesini gösterir. Kare korelasyon matrisi, Şekil’in alt tablosunda gösterilmektedir. 415’lik bir örneklem büyüklüğüne dayalı olarak .262’lik Pearson korelasyonu, p<.001’de istatistiksel olarak anlamlıdır. IBM SPSS, tahmin yalnızca bir yönde olacağından, ancak p değeri .000’de gösterildiğinden, burada bir sorun olmadığı için daha yumuşak 1-kuyruklu önem testini kullanmıştır.

Modelin uygunluğunun test edilmesinin sonucunu gösterir. En üstteki tabloda, R, çoklu korelasyonu temsil eder; yalnızca bir tahmin değişkeni olduğundan, R, Pearson r ile aynı değeri (.262) alır (Pearson r, çoklu korelasyonun sınırlayıcı durumudur).

R Kare kare çoklu korelasyondur ve tahmin ilişkisinin gücünü temsil eder; burada değeri .069’dur (Pearson r2) ve egzersiz_bağlılık varyansının yaklaşık %7’sinin benlik saygısı ile açıklandığını gösterir. İstatistik ekranında R2’deki değişikliği elde etmeyi talep etmedik çünkü sadece tek bir tahminci ile sıfırdan (model verilere uygulanmadan önce) .069’a gideceğiz.

IBM SPSS ayrıca, Düzeltilmiş R Kare için bir değer sağlar. Bu, çoğu istatistiksel yazılım programı tarafından sağlanır, çünkü R2, modelin kapsadığı bazı tahminlerin şanstan yararlanması (tesadüfen, tahmin yönü).

Bu nedenle, modelin ne kadar iyi performans gösterdiğine dair daha gerçekçi (daha düşük) bir tahmin (bazen küçülme olarak da adlandırılır) sağlayan R2’ye bir ayarlama (örnek boyutu ve modeldeki tahmin değişkenlerinin sayısına dayalı olarak) yapılır ve her zaman R2 ile birlikte rapor edilmelidir. Mevcut örnekte, vakaların öngörücülere oranının yüksek olması nedeniyle, R2’nin minimum miktarda küçülmesi bekleniyordu.

 

Bir cevap yazın

E-posta hesabınız yayımlanmayacak. Gerekli alanlar * ile işaretlenmişlerdir