آموزش رگرسیون خطی چند متغیره در spss با مثال

آموزش رگرسیون خطی چند متغیره در spss با مثال

مثال پژوهشی برای آموزش رگرسیون خطی چند متغیره در spss:

بررسی رابطه ی ساده و چندگانه ویژگی های شخصیتی ( روان نژندی، برون گرایی، توافق جویی، روشن فکری و وظیفه شناسی) و عزت

نفس با رانندگی مخاطره آمیز در رانندگان

فرضیه های تک متغیری پژوهش :

۱- روان نژندی با رانندگی مخاطره آمیز رابطه ی مثبت دارد.

۲- برون گرایی با رانندگی مخاطره آمیز رابطه ی منفی دارد.

۳- توافق جویی با رانندگی مخاطره رابطه ی منفی دارد.

۴- روشن فکری با رانندگی مخاطره آمیز رابطه ی منفی دارد.

۵- وظیفه شناسی با رانندگی مخاطره آمیز رابطه ی منفی دارد.

۶- عزت نفس با رانندگی مخاطره آمیز رابطه ی منفی دارد.

Image result for ‫آموزش رگرسیون خطی چند متغیره در spss با مثال‬‎

فرضیه ترکیبی یا چندگانه ی پژوهش:

بین پنج بعد شخصیتی و عزت نفس با رانندگی مخاطره آمیز رابطه ی چند گانه وجود دارد.

در مقاله مربوط به همبستگی ساده ی میان هوش و معدل تحصیلی، نسبت به اهمیت مفهوم همبستگی و نقش آن در پیش بینی پدیده

های مطالبی بیان شد.

در همبستگی پیرسون فقط رابطه ی میان متغیر (پیش بین و ملاک) بررسی می شود، بنابراین، این نکته روشن است که یک متغیر پیش

بین به تنهایی نمی تواند تمام واریانس متغیر ملاک را پیش بینی کند و راه گشای ما در مقاصد کاربردی از معادله ی رگرسیون باشد.

رگرسیون چندگانه یک روش مستقل آماری پیشرفته است که همزمان نقش ترکیب چند متغیر پیش بین ( مستقل) را بر یک متغیر ملاک

(وابسته) بررسی می کند و امکان پیش بینی آن پدیده را بهتر از همبستگی تک متغیری فراهم می سازد.

اینک مثالی مطرح می شود تا به کمک آن اهمیت رگرسیون چند متغیری و نقش کاربردی آن در پیش بینی روشن تر شود.

فرض کنید یک شرکت حمل و نقل و باربری می خواهد رانندگانی را استخدام کند که احتمال تصادف و رانندگی مخاطره آمیز در آن ها

پایین باشد.

پژوهشگری که توسط این شرکت استخدام می شود تا این مهم را انجام دهد، با مطالعه و بررسی های دقیق و مطالعه ی ادبیات

روانشناسی درباره ی حوادث، عوامل پیش بین حوادث رانندگی را شناسایی می کند.

برای نمونه، این پژوهشگر به این نتیجه می رسد که حواس پرتی، مخاطره جویی، وزن توده ی بدن، روان نژندی و عزت نفس دارای نقش

کلیدی در بروز حوادث رانندگی هستند.

این پژوهشگر پژوهشی را بر روی ۳۰۰ نفر راننده که دارای سابقه ای بیش از ۱۰ سال رانندگی هستند، انجام می دهد و تمام اطلاعات لازم

و مربوط به متغیر های حواس پرتی ، مخاطره جویی، وزن توده ی بدن، روان نژندی، عزت نفس و میزان حوادث جزیی و شدید آن ها را

به کمک پرسش نامه و با دقت بسیاری گرد آوری می کند.

بررسی روابط ساده میان متغیر های پیش بین با نرخ حوادث نشان می دهد که رابطه ی میان تمام متغیر های پیش بین، به جز عزت

حتما بخوانید این آموزش را در فایل چند :  معرفی ربات تلگرام ماشین حساب

نفس، با نرخ حوادث مثبت و تنها رابطه ی عزت نفس با متغیر ملاک منفی می باشد.

 

نکته مهم:

وزن های استاندارد رگرسیون را به شکل دیگر نیز می توان تعبیر و تفسیر کرد.

از آنجا که این اوزان از تحلیل رگرسیون روی نمره های استاندارد حاصل می شوند، می توان گفت در ازای یک واحد تغییر در انحراف

استاندارد متغیر مستقل، می توان گفت در ازای یک واحد تغییر در انحراف استاندارد متغیر مستقل، Beta واحد در انحراف استاندراد

متغیر وابسته تغییر ایجاد خواهد شد.

طبیعی است هر چه مقدار Beta بیشتر باشد، اثر آن در متغیر وابسته منعکس می شود و این همان چیزی است که می توان از ان به

ضریب تأثیر تعبیر کرد.

اگر به بلوک ۶ از اوزان استاندارد رگرسیون توجه کنید، می توانید وزن اختصاصی هر متغیر را با یکدیگر مقایسه کنید.

در بلوک ۶ وزن رگرسیون عزت نفس (۴۳۹/۰-)، وظیفه شناسی (۱۲۰/۰-)، روان نژندی ( ۱۰۸/۰)، برون گرایی (۰۷۰/۰-)، روشن فکری

(۱۲۳/۰-) و توافق جویی (۰۳۸/۰) آمده است.

این اوزان تأثیر هر متغیر را بر متغیر رانندگی مخاطره آمیز پس از کنترل متغیرهای دیگر از روی آن متغیر مورد نظر و متغیر وابسته

نشان می دهد.

Related image

همان گونه که ملاحظه می شود، بیشترین و کمترین اوزان به متغیرهای عزت نفس و توافق جویی تعلق دارد.

به هر ترتیب دیگری که متغیرهای پیشی بین را در معادله ی رگرسیون به روش سلسله مراتبی وارد کنیم مقدار اوزان رگرسیونی آن ها در

بلوک ۶ هیچ تغییری نخواهد کرد.

ضرایب رگرسیون با یک آزمون t که مقدار آن در کنار هر کدام از مقادیر Beta وجود دارد و معنی داری مرتبط با آن، آزموده می شوند.

با وارسی جدول ضرایب رگرسیون می توان دریافت که در بلوک اول و دوم اوزان متغیهای عزت نفس و وظیفه شناسی معنی دار هستند

و در بلوک های بعدی وزن هیچ متغیری در حد معنی داری نرسیده است.

Hl,ca v’vsd,k oxd ]kn ljydvi nv spss fh lehg
amozsh rgrsion khti chnd mtghirh dr spss ba mcal
متعدد الانحدار التدریب الانحدار الخطی فی سبس مع سبیل المثال
Məsələn, spss ilə çox dəyişkən lineer regresiya təlimləri
以spss为例的多元线性回归训练
Multivariate linear regression training in spss with example
Pagsasanay ng linear regression ng multivariate sa spss na may halimbawa
Formation de régression linéaire multivariée en spss avec exemple
მულტივირისტული წრფივი რეგრესიის სწავლება მაგალითად spss
Multivariates lineares Regressionstraining in spss mit Beispiel
उदाहरण के साथ एसपीएसएस में बहुभिन्नरूपी रेखीय प्रतिगमन प्रशिक्षण
Esempio di allenamento di regressione lineare multivariata in spss
spssでの多変量線形回帰トレーニング
آموزش رگرسیون خطی چند متغیره در spss با مثال
Многомерная линейная регрессионная тренировка в spss с примером
Multivariatno linearno regresijsko usposabljanje v spss z zgledom
Entrenamiento de regresión lineal multivariable en spss con el ejemplo
การฝึกการถดถอยเชิงเส้นหลายตัวแปรใน spss ด้วยตัวอย่าง
Örneklem ile çoklu regresyon regresyonu eğitimi

borhani
۲۳ دی ۱۳۹۶
1 بازدید