Website-Icons-MLR-1

آموزش تحلیل رگرسیون خطی در SPSS

تحلیل رگرسیون خطی در SPSS یکی از پیچیده‌ترین و پرکاربردترین تحلیل‌ها در رشته‌های مختلف است. تقریباً در تمامی کتاب‌ها و متون مربوط به آموزش SPSS این تحلیل توضیح داده شده است اما آموزش برخی نکات غیرضروری سبب سردرگمی دانشجویان و پژوهشگران می‌گردد. در این آموزش به صورت بسیار ساده و کامل این تحلیل و چگونگی گزارش آن در مقالات و پایان نامه‌ها را به شما توضیح خواهیم داد. با ایران تحقیق همراه باشد.

تحلیل رگرسیون خطی از خانواده تحلیل‌های همبستگی است اما بیشتر به منظور پیش بینی اثر یک یا چند متغیر بر روی یک متغیر دیگر به کار می‌رود. دو نوع عمده تحلیل رگرسیون خطی داریم. رگرسیون خطی تک متغیره برای پیش بینی یک متغیر وابسته توسط یک متغیر مستقل و رگرسیون خطی چند متغیره برای پیش بینی یک متغیر وابسته توسط چند متغیر مستقل.

انواع سبک‌ها تحلیل رگرسیون خطی در SPSS

تحلیل رگرسیون خطی در SPSS را می‌توان به پنج نوع مختلف تقسیم کرد که تنها دو نوع از آن کاربرد زیادی در مقالات و پایان نامه‌ها دارد و از سه نوع دیگر استفاده چندانی نمی‌شود. این پنج نوع تحلیل رگرسیون خطی در SPSS شامل روش ورود یا همزمان، روش گام به گام، روش حذف، روش پیش رونده و روش پس رونده است.

در روش ورود یا همزمان کلیه متغیرهای مستقل به صورت همزمان وارد مدل می‌شوند تا تاثیر همه متغیرهای مهم و غیر مهم بر متغیر وابسته مشخص شود. در روش گام به گام نیز متغیرهای مستقل یک به یک و به ترتیب اهمیت و داشتن بیشترین رابطه وارد مدل می‌شوند. یعنی ورود متغیرها یک به یک صورت می‌گیرد. همان‌گونه که گفته شد سه روش حذف، پیش رونده و پس رونده کاربرد زیادی در پژوهش‌ها ندارند.

نکته: اگر تعداد متغیرهای شما زیاد است و برخی از متغیرها مهم‌تر از برخی دیگر هستند، بهتر است از تحلیل رگرسیون خطی به سبک گام به گام استفاده کنید، در غیر اینصورت از تحلیل به سبک ورود یا همزمان استفاده کنید.

برخی از موضوعاتی که می‌توان از تحلیل رگرسیون خطی در SPSS استفاده کرد

- نقش سبک‌های اسنادی به عنوان پیش‌بین افت تحصیلی

- اثر دوره آموزش خدمت سربازی بر وضعیت تن سنجی جوانان ایرانی

- نقش اعتیاد به اینترنت در پیش بینی احساس تنهایی دانشجویان

- نقش مذهب در توسعه گردشگری مذهبی

نحوه انجام تحلیل رگرسیون خطی در SPSS

مثال: فرض کنید که پژوهشگری قصد بررسی نقش افسردگی، اضطراب و استرس در پیش بینی پیشرفت تحصیلی دانشجویان را دارد. برای این منظور او نمرات ۱۸ دانشجو را گردآوری کرده است و باید از طریق رگرسیون خطی تحلیل خود را انجام دهد. در ادامه تحلیل مربوط به این مثال را خواهید دید.

در منوی بالای SPSS به این مسیر بروید:

Analyze>Regression<Linear

آموزش تحلیل رگرسیون خطی در SPSSدر کادر باز شده، متغیر وابسته یعنی پیشرفت تحصیلی را به کادر Dependent و متغیرهای مستقل یعنی افسردگی، اضطراب و استرس را به کادر Independent وارد می‌کنیم. سپس در گزینه Method می‌توانیم از بین پنج روش یک روش را انتخاب کنیم که توصیه ما استفاده از روش ورود یا Enter و روش گام به گام یا Stepwise است که در اینجا خروجی هر دو مورد و نحوه گزارش آن را آموزش خواهیم داد.

آموزش تحلیل رگرسیون خطی در SPSSخروجی تحلیل رگرسیون خطی در SPSS به روش ورود یا همزمان

آموزش تحلیل رگرسیون خطی در SPSSخروجی تحلیل رگرسیون خطی در SPSS به روش گام به گام

آموزش تحلیل رگرسیون خطی در SPSSنحوه گزارش خروجی تحلیل رگرسیون خطی در SPSS

خروجی تحلیل رگرسیون در حالت استفاده از روش ورود یا همزمان در تصویر زیر آمده است و شما می‌توانید براساس یافته‌های خروجی بالا آن‌ها را در جداول استاندارد زیر گزارش کنید. ستون P نشانگر سطح معناداری است و این یافته نشان می‌دهد که هیچ کدام از دو متغیر افسردگی و استرس نتوانسته اند پیشرفت تحصیلی را پیش بینی کنند. البته جدول زیر برای نمونه آورده شده است و نتایج خروجی بالا نیست. شما باید اعداد به دست آمده در خروجی بالا را طبق جدول زیر وارد کنید.

آموزش تحلیل رگرسیون خطی در SPSSدر جدول زیر یک نمونه از نحوه گزارش تحلیل رگرسیون به روش گام به گام آمده است. طبق اطلاعات جدول خروجی بالا باید جدول زیر را کامل نمایید. در روش گام به گام ابتدا متغیر اول براساس بیشترین میزان تاثیر وارد معاله می‌شود و اگر متغیرهای دیگر هم به صورت معنادار بتوانند بر متغیر وابسته اثرگذار باشند در گام‌های بعدی وارد معادله می‌شوند. اطلاعات وارد شده در جدول زیر براساس خروجی بالا نیست و به عنوان نمونه وارد شده است.

آموزش تحلیل رگرسیون خطی در SPSSنکات مهم در گزارش خروجی تحلیل رگرسیون خطی در SPSS

علاوه بر توجه به سطوح معنادار، یکی از مهم‌ترین نتایج به دست آمده از تحلیل رگرسیون شاخص Adjusted R2 یا R2 تعدیلی است. این یافته نشان می‌دهد که متغیر مستقل چه میزان متغیر وابسته را پیش بینی می‌کند. برای مثال در جدول بالا افسردگی در گام اول ۰٫۰۸ واحد متغیر پیشرفت تحصیلی را پیش بینی می‌کند که به معنی پیش بینی ۸ درصد از تغییرات این متغیر است. در گام دوم با اضافه شدن اضطراب، این دو متغیر یعنی افسردگی و اضطراب ۰٫۱۱ واحد متغیر پیشرفت تحصیلی را پیش بینی کرده‌اند که بع معنی پیش بینی ۱۱ درصد از تغییرات متغیر وابسته توسط دو متغیر مستقل است.

14 پاسخ
  1. روح الله
    روح الله says:

    سلام و تشکر
    جایی خوندم برای تست رگرسیون دو شرط باید برقرار باشه
    اول: استقلال خطاها از یکدیگر که با ازمون دوربین – واتسون بررسی میشه
    دوم: نرمال بودن توزیع داده های متغیر وابسته

    فرضیه پژوهش من این هست که بین متغیر مستقل A با متغیر وابسته B رابطه وجود دارد . هر دو این متغیر ها توزیع غیر نرمال دارند .
    با آزمون اسپیرمن همبستگی بررسی شده
    ممنون میشم بفرمایید جایگزین تحلیل رگرسیون خطی برای این پژوهش چیست ؟

    پاسخ دادن
    • مدیر پژوهش
      مدیر پژوهش says:

      با سلام
      داده های شما اگر غیرنرمال یا نرمال باشند می بایست از رگرسیون خطی استفاده کنید. جایگزینی برای رگرسیون خطی وجود ندارد اما اکر داده هاس شما اسمی باشند باید از رگرسیون لجستیک استفاده کنید.
      احتمال وجود دارد که نمونه شما حجم کی دارد و به این خاطر داده توزیع آنها غیرنرمال شده است. شما می توانید حجم نمونه را افزایش دهید تا احتمالاً مشکل توزیع غیرنرمال حل شود. در صورتی که حل نشد لاجرم باید از رگرسیون خطی استفاده کنید زیرا همانطور که گفته شد جایگزینی برای این روش برای داده های فاصله ای وجود ندارد.

      پاسخ دادن
  2. مهدیه
    مهدیه says:

    سلام _
    مرسی از آموزش تون ولی باید بگم که خیلی مؤثر نبود چون جدول براساس آزمون انجام شده پر نشده بود. اینجوری قدرت تطبیق کم میشه. خصوصاً برای دانشجوهای غیر از رشته آمار که اینها کاملا مباحث جدیدی هستش

    پاسخ دادن
  3. فروغ
    فروغ says:

    سلام توضیحاتتون خوب بود اما به خوبی تحلیل همبستگی نبود از همبستگی خیلی راحت میشد به نتیجه گیری رسید و اینکه سر دفاع چطور باید توضیح داد ولی اینجا جدولها توضیح نداشتن که اگر داشتن خیلی خوب میشد ولی در هر صورت خوب بود ممنون

    پاسخ دادن
  4. حجت اقبالی
    حجت اقبالی says:

    با سلام
    وقتی که برای یک متغیر وابسته و یک متغیر مستقل مدل رگرسیون ایجاد می کنیم، sig=0.000 معنی داری چه را بیان می کند؟
    ممنون

    پاسخ دادن
    • مدیر پژوهش
      مدیر پژوهش says:

      سلام
      این میزان از sig نشان دهنده آن است که متغیر مستقل توانسته به صورت معنی داری متغیر وابسته را پیش بینی کند. که در تحقیقات همبستگی و پیش بینی به آنها متغیر پیش بین و ملاک گفته می شود.

      پاسخ دادن
    • مدیر پژوهش
      مدیر پژوهش says:

      spss قابلیتی ندارد که جداول را با فرمت های apa یا سایر فرمت ها خروجی بدهد. شما می بایست بعد از دریافت خروجی خود نسبت به تغییر فرمت جداول به فرمت دلخواه اقدام کنید.

      پاسخ دادن
  5. امیر
    امیر says:

    سلام
    خیلی ممنون
    ولی چرا داده ها رو بر اساس خروجی نزاشتید
    اگر این کار رو میکردید خیلی قابل فهم میشد که مثلا R۲ کدوم خروجی spssاست

    پاسخ دادن
  6. امیرحسین
    امیرحسین says:

    سلام، برای بررسی تاثیر سه متغیر بر یک متغیر وابسته باید از رگرسیون استفاده کرد؟ و آیا لازم است تمام جداول خروجی spss را برای این موضوع بکار برد؟ یک سوال دیگر اینکه آیا ممکن است سه متغیر بر متغیر وابسته تاثیر گذار باشند اما قدرت پیش بینی نداشته باشند؟

    پاسخ دادن
    • مدیر پژوهش
      مدیر پژوهش says:

      با سلام
      در کاربرد کلمه “تاثیر” ابهاماتی وجود دارد. اما برای بررسی رابطه بین سه متغیر پیش بین و یک متغیر ملاک، بله، از رگرسیون استفاده می شود. اگر روابط بین این چهار متغیر مثبت و معنادار باشد، یقیناً قدرت پیش بینی بالایی را از متغیر مذکور خواهند داشت که به لحاظ آماری احتمالاً معنادار هم خواهد بود.

      پاسخ دادن

دیدگاه خود را ثبت کنید

پاسخ دادن به ناشناس لغو پاسخ

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

شما می‌توانید از این دستورات HTML استفاده کنید: <a href="" title=""> <abbr title=""> <acronym title=""> <b> <blockquote cite=""> <cite> <code> <del datetime=""> <em> <i> <q cite=""> <strike> <strong>