آموزش تست چند خطی در SPSS

در این مقاله قصد دارم به آموزش تست چند خطی در SPSS بپردازم. تا انتهای این مقاله همراه کیارا آکادمی باشید تا آموزش نرم افزار spss را به صورت کاربردی دریافت نمایید.

آزمون چند خطی چیست؟

تست چند خطی در تحلیل رگرسیون زمانی اتفاق می افتد که دو یا چند متغیر پیش بینی با یکدیگر همبستگی بالایی داشته باشند، به طوری که اطلاعات منحصر به فرد یا مستقلی را در مدل رگرسیونی ارائه نکنند. اگر درجه همبستگی بین متغیرها به اندازه کافی بالا باشد، می تواند در برازش و تفسیر مدل رگرسیون مشکلاتی ایجاد کند. یکی از راه‌های تشخیص چند خطی بودن، استفاده از معیاری به نام ضریب تورم واریانس (VIF) است که همبستگی و قدرت همبستگی بین متغیرهای پیش‌ بینی‌ کننده را در یک مدل رگرسیونی اندازه‌گیری می‌کند. این آموزش نحوه استفاده از VIF را برای تشخیص چند خطی در تحلیل رگرسیون در SPSS توضیح می دهد.

مثال تست چند خطی بودن در SPSS

فرض کنید مجموعه داده زیر را داریم که امتیاز امتحان 10 دانش‌ آموز را به همراه تعداد ساعت‌هایی که برای مطالعه گذرانده‌اند، تعداد آزمون‌های آمادگی شرکت‌کرده و نمره فعلی آن ها در دوره را نشان می‌دهد: ما می‌خواهیم یک رگرسیون خطی را با استفاده از امتیاز به‌ عنوان متغیر پاسخ و hours، prep_exams و current_grade به‌ عنوان متغیرهای پیش‌ بینی‌ کننده انجام دهیم، اما می‌خواهیم مطمئن شویم که سه متغیر پیش‌بینی‌کننده همبستگی بالایی ندارند.

برای تعیین این که چند خطی بودن یک مشکل است، می‌توانیم مقادیر VIF را برای هر یک از متغیرهای پیش‌بینی‌کننده تولید کنیم.

برای انجام تست چند خطی در SPSS، روی تب Analyze، سپس Regression و سپس Linear کلیک کنید:

در پنجره جدیدی که ظاهر می‌شود، امتیاز را به کادری با عنوان Dependent بکشید و سه متغیر پیش‌بینی‌کننده را به کادر با عنوان Independent(s) بکشید. سپس روی Statistics کلیک کنید و مطمئن شوید که کادر کنار Colinearity diagnostics علامت زده شده است.

سپس روی Continue کلیک کنید. سپس روی OK کلیک کنید.

پس از کلیک بر روی OK، جدول تست چند خطی در SPSS نمایش داده می شود که مقدار VIF را برای هر متغیر پیش بینی کننده نشان می دهد:

VIF در SPSS

مقادیر VIF برای هر یک از متغیرهای پیش بینی کننده به شرح زیر است:

مقدار VIF از 1 شروع می شود و حد بالایی ندارد. یک قانون کلی برای تفسیر VIF به شرح زیر است:

• مقدار 1 نشان می دهد که هیچ ارتباطی بین یک متغیر پیش بینی کننده معین و سایر متغیرهای پیش بینی کننده در مدل وجود ندارد.
• مقدار بین 1 و 5 نشان‌دهنده همبستگی متوسط بین یک متغیر پیش‌بینی‌کننده معین و سایر متغیرهای پیش‌بینی‌کننده در مدل است، اما این اغلب آنقدر شدید نیست که نیاز به توجه داشته باشد.
• مقدار بیشتر از 5 نشان دهنده همبستگی شدید بالقوه بین یک متغیر پیش بینی کننده معین و سایر متغیرهای پیش بینی کننده در مدل است. در این مورد، تخمین ضرایب و مقادیر p در خروجی رگرسیون به احتمال زیاد غیر قابل اعتماد هستند.
• می بینیم که هیچ یک از مقادیر VIF برای متغیرهای پیش بینی در این مثال بزرگتر از 5 نیست، که نشان می دهد چند خطی بودن مشکلی در مدل رگرسیون نخواهد بود.

مطالعه منابع بیشتر تست چند خطی در SPSS:

How to Test for Multicollinearity in SPSS

آموزش مدل سازی معادلات ساختاری با نرم افزار SmartPLS