جستجو کردن
Close this search box.

آموزش اجرای رگرسیون گام به گام در spss

آموزش اجرای رگرسیون گام به گام در spss
فهرست مطالب

آزمون های رگرسیونی زمانی استفاده می شود، که پژوهشگر قصد دارد به بررسی تاثیرات متغیرهایی به عنوان متغیر پیش بین بر روی متغیر وابسته بپردازد. مدل رگرسیونی به دو بخش رگرسیون خطی و غیر خطی تقسیم می شود. خود رگرسیون خطی هم به دو حالت رگرسیون خطی ساده و رگرسیون خطی چندگانه دسته بندی می شود.

رگرسیون گام به گام (Stepwise regression) یکی از روش های رگرسیون چندگانه است. در این آموزش همراه ما باشید تا به صورت کامل با این روش رگرسیونی آشنا شوید.

تحلیل رگرسیون چیست؟

رگرسیون، یک روش آماری است که در آن پژوهشگر قصد دارد بر اساس ساخت مدل های رگرسیونی به پیش بینی متغیر مشخصی به عنوان متغیر وابسته بپردازد. در اصل رگرسیون آزمونی است، که به بررسی تاثیرات یک یا چندین متغیر پیش بین به عنوان متغیر مستقل بر روی متغیر وابسته می پردازد.

آموزش رگرسیون خطی ساده در نرم افزار SPSS

رگرسیون گام به گام چیست؟

شما یک پژوهشگر و آماردان در یک سازمان هستید. به شما گفته شده است، که باید به این موضوع بپردازید که چه عواملی در این سازمان بر روی عملکرد کارکنان موثر است؟ کدام یک از این عوامل می تواند در آینده عملکرد آنان را پیش بینی کند؟ شما بررسی های خودتان را شروع می کنید و به سه عامل اصلی می رسید: اعتماد در سازمان، انگیزه کارکنان و وجود مشوق های مالی در سازمان. اما سوال دیگری مطرح می شود:

“کدام یک از این متغیرهایی که مطرح شدند می توانند تاثیر بیشتری بگذارند و پیش بین بهتری نسبت به دیگر متغیرها باشند؟”

در چنین موردی پژوهشگران به اجرای رگرسیون گام به گام (Stepwise Regression) می پردازند. در اصل ما به صورت گام به گام متغیرهایی را وارد یا خارج می کنیم تا بببنیم، کدام متغیر پیش بین بهتر می تواند مدل را پیش بینی کند؟

 

آموزش جامع spss

مثال برای رگرسیون گام به گام

آیا میزان انگیزه و درآمد کارکنان می تواند عملکرد شغلی آنان را پیش بینی کند؟ کدام پیش بین قوی تر عمل می کند؟

کاربرد روش رگرسیون سلسله مراتبی

زمانی که پژوهشگران قصد دارند با استفاده از روش های آماری به کنترل متغیرهای تاثیرگذار بر روی متغیر وابسته بپردازند و در عین حال پیش بینی را نیز ارایه دهند، از روش رگرسیون گام به گام استفاده می کنند. در این روش همه متغیرهای پیش بین وارد مدل تحقیق می‌شوند، ولی متغیر پیش بینی که پژوهشگر قصد دارد تاثیر آن را بر روی متغیر وابسته کنترل نماید، در بلوک جداگانه ای وارد می شود. هنگام تفسیر خروجی ها خواهید دید که این بلوک و تاثیرات آن از مدل حذف می‌شود. در واقع این روش ترکیبی از روش های forward و backward می باشد.

آموزش روش های forward و backward در رگرسیون

مفروضه های رگرسیون سلسله مراتبی

  • نقاط پرت
  • چند هم خطی و تکینی
  • نرمال بودن
  • خطی بودن
  • همگنی واریانس‌ها
  • استقلال مشاهدات

اجرا رگرسیون گام به گام در SPSS

ابتدا باید داده ها را وارد کرده و متغیرهای تحقیق را تعریف می کنید. سپس در منو آنالیز گزینه‌ Regression را  بزنید. از بخش باز شده گزینه Linear را انتخاب کنید.

اجرا رگرسیون گام به گام در SPSS
به بخش Dependent باید متغیر وابسته خود را وارد کنید و در بخش Independents متغیرهای پیش بین پژوهش را وارد کنید.

اجرا رگرسیون گام به گام در SPSS
در قسمت Method که به صورت پیش فرض بر روی گزینه enter قرار دارد، باید گزینه Stepwise را انتخاب کنید.

اجرا رگرسیون گام به گام در SPSS
در گام بعدی رگرسیون گام به گام، به بخش Statistics بروید و گزینه‌ های Estimates و Model fit را فعال نمایید. سپس Continue را بزنید.

اجرا رگرسیون گام به گام در SPSS
در آخرین گام روی OK کلیک کنید، تا آزمون رگرسیون گام به گام اجرا شود.

تفسیر خروجی های رگرسیون گام به گام

جدول Variables Entered/Removed: برای تفسیر خروجی ها ابتدا باید به این جدولتوجه کنید. همان طور که مشخص است یکی از متغیرهایی که وارد تحلیل کرده ایم را نرم افزار نگه داشته است. این متغیر بر اساس میزان آماره R Square در جدول Model Summary که جدول دوم است 27 درصد از مدل ما را تبیین می کند. میزان R Square را گزارش کنید. همان طور که می بینید METHOD در این روش به صورت STEPWISE می باشد.

 

تفسیر خروجی های رگرسیون گام به گام
در گام بعدی جدول ANOVA را بررسی کنید و به سطح معنی داری در این جدول توجه نمایید. اگر میزان Sig. در این جدول معنی دار بود (کوچکتر از 0.05) متوجه می شویم مدل ما، یک مدل معنی دار است.

اجرا رگرسیون گام به گام در SPSS

پیشنهاد می کنم برای حرفه ای شدن در تحلیل های آماری از دوره spss کیارا آکادمی دیدن کنید. برای استفاده از دوره جامع spss می توانید از لینک زیر استفاده کنید:

آموزش رایگان spss
همین طور شما می توانید به راحتی از ویدیو زیر محتوای آموزشی دوره را مشاهده کنید:

2 پاسخ

  1. خیلی ممنون. بسیار عالی بود یک مشکل بزرگ کارم حل شد چون به جای این روش از رگرسیون خطی چند‌گانه استفاده کردم و به مشکل می‌خوردم. فقط عذر خواهی‌میکنم اگر دو متغیر پیشگویی که می‌خوام وارد کنم با هم همبستگی بالایی داشته باشند، چه مشکلی برای ادامه کار ایجاد میشه؟ یا اینکه مثل همین جا که شما آن‌ها را در دو بلوک قرار دادید انجام بدم مشکلی پیش نمیاد؟ ممکنه یه توضیحی در این مورد بفرمایید. متشکرم، پاینده باشید.

    1. سلام مرسی از شما

      اگر مقدار VIF و تولورانس را بررسی کنید احتمالا می بینید که این مقادیر تایید نمی شوند و در اصل متغیرهای پیش بین روی هم موثر می شوند و نتیجه رگرسیون را تحریف می کنند.
      من خودم این مواقع متغیرهایی که با هم همبستگی بالای 0.7 دارند را وارد تحلیل نمی کنم

      ولی شما تست کنید همه موارد را

      عموما می شود همین موضوع را به عنوان یک استدلال برای این کحه چرا همزمان وارد نکردید بیان نمایید و گزارش بدید

دیدگاهتان را بنویسید

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