Johdanto
Useita regressio on laajennus yksinkertainen lineaarinen regressio. Sitä käytetään, kun haluamme ennustaa muuttujan arvon kahden tai useamman muun muuttujan arvon perusteella. Muuttuja haluamme ennustaa, on nimeltään riippuva muuttuja (tai joskus, tulos, kohde-tai kriteeri muuttuja)., Muuttujia käytämme ennustaa arvo riippuva muuttuja kutsutaan riippumattomia muuttujia (tai joskus, ennustaja, selittävä tai regressor muuttujat).
esimerkiksi, voit käyttää useita regressio ymmärtää, onko tentti suorituskykyä voidaan ennustaa perustuu tarkistamista aikaa, testi ahdistusta, luento läsnäolo ja sukupuoli. Vaihtoehtoisesti voit käyttää useita regressio ymmärtää, onko päivittäinen savukkeiden kulutus voidaan ennustaa sen perusteella, tupakoinnin kesto, ikä kun alkoi polttaa, tupakoitsija tyypin, tulojen ja sukupuolen mukaan.,
Multiple regression avulla voit myös määrittää yleinen istuvuus (variance explained) malli ja suhteellinen osuus kunkin ennustajia yhteensä varianssi selitti. Esimerkiksi, saatat haluta tietää, kuinka paljon vaihtelua tentti suorituskyky voidaan selittää tarkistamista aikaa, testi ahdistusta, luento läsnäolo ja sukupuoli ”kokonaisuutena”, mutta myös ”suhteellinen osuus” kunkin riippumattoman muuttujan avulla voidaan selittää varianssi.,
Tämä ”quick start” opas näyttää, miten suorittaa useita regressio käyttäen SPSS Statistics, sekä tulkita ja raportoida tuloksia tässä testissä. Kuitenkin, ennen kuin voimme esitellä sinulle tämän menettelyn, sinun täytyy ymmärtää, eri oletuksia, jotka tietojen on täytettävä, jotta useita regressio antaa sinulle kelvollinen tulos. Seuraavaksi keskustelemme näistä oletuksista.,
SPSS Statistics
Oletukset
Kun haluat analysoida tietoja käyttämällä useita regressio, osa prosessissa tarkkailun varmistaa, että tiedot, joita haluat analysoida voi todella olla analysoitiin käyttämällä useita regressio. Sinun täytyy tehdä tämä, koska se on vain tarkoituksenmukaista käyttää useita regressio, jos data ”kulkee” kahdeksan oletuksia, joita tarvitaan useita regressio antaa sinulle kelvollinen tulos., Käytännössä tarkistaa nämä kahdeksan oletuksia vain lisää hieman enemmän aikaa analyysi, joka edellyttää voit klikata muutaman painikkeita SPSS Statistics suorittaessaan analyysi, sekä ajatella vähän lisää tietoa, mutta se ei ole vaikea tehtävä.
Ennen kuin me esitellä sinulle nämä kahdeksan oletukset, älä ylläty, jos, kun analysoidaan omia tietoja käyttämällä SPSS Tilasto, yksi tai useampi näistä oletuksista on rikottu (eli ei täyty)., Tämä ei ole harvinaista, kun työskentely todellisten tietojen sijaan oppikirja esimerkkejä, jotka usein vain näyttää, miten suorittaa useita regressio, kun kaikki menee hyvin! Älä kuitenkaan huoli. Silloinkin, kun tietosi eivät tiettyjä oletuksia, on usein ratkaisu voittaa tämä. Ensimmäinen, katsotaanpa katsomaan näitä kahdeksan oletukset:
- Oletus #1: riippuva muuttuja on mitattava jatkuvalla asteikolla (eli se on joko väli-tai suhde muuttuja)., Esimerkkejä muuttujista, jotka täyttävät tämän arviointiperusteen, ovat revisioaika (tunteina mitattuna), älykkyys (älykkyysosamäärän perusteella mitattuna), tentin suorituskyky (mitattuna 0-100), paino (mitattuna kiloina) ja niin edelleen. Voit oppia lisää intervalli – ja suhdemuuttujista artikkelissamme: muuttujan tyypit. Jos riippuvainen muuttuja mitattiin ordinaalisella asteikolla, sinun on suoritettava ordinaalinen regressio moninkertaisen regression sijaan. Esimerkkejä ordinaalimuuttujista ovat Likert-kohteet (esim., 7-portaisella asteikolla ”täysin samaa mieltä” läpi ”vahvasti eri mieltä”), joukossa muita tapoja ranking luokkia (esim., 3-pisteen asteikolla, jossa selitetään, kuinka paljon asiakas piti tuotetta, jotka vaihtelevat ”Ei kovin paljon” ja ”Kyllä, paljon”).
- Oletus #2: Sinulla on kaksi tai enemmän riippumattomia muuttujia, joka voi olla joko jatkuva (eli väli-tai suhde muuttuja) tai ehdoton (eli, on järjestysluku tai nimellinen muuttuja). Esimerkkejä jatkuvista ja ordinaalisista muuttujista, katso yllä oleva luoti. Nimellisiä muuttujia ovat esimerkiksi sukupuoli (esim. 2 ryhmää: mies ja nainen), etnisyys (esim.,, 3 ryhmää: Valkoihoinen, Afrikkalainen Amerikan ja Hispanic), fyysisen aktiivisuuden taso (esim., 4 ryhmää: istumista, matala, kohtalainen ja korkea), ammatti (esim., 5 ryhmään: kirurgi, lääkäri, sairaanhoitaja, hammaslääkäri, terapeutti), ja niin edelleen. Jälleen, voit oppia lisää muuttujia meidän artikkeli: Tyypit Muuttuja. Jos jokin riippumaton muuttuja on dikotominen ja pitää hillitsevä muuttuja, saatat joutua ajaa Dikotominen moderaattori analyysi.
- oletus #3: havaintojen riippumattomuus (ts., itsenäisyyden rippeistä), jossa voit helposti tarkistaa käyttämällä Durbin-Watson statistic, joka on yksinkertainen testi suoritetaan käyttämällä SPSS Tilasto. Me selittää, miten tulkita tulos Durbin-Watson statistic, sekä näyttämällä SPSS Statistics menettely vaaditaan, meidän parannettu useita regressio-opas.
- Oletus #4: On oltava lineaarinen suhde (a) riippuva muuttuja ja kunkin oman riippumattomia muuttujia, ja (b) riippuvan muuttujan ja riippumattomien muuttujien kollektiivisesti., Vaikka on olemassa useita tapoja tarkistaa nämä lineaariset suhteet, suosittelemme, luoda scatterplots ja osittainen regressio tontteja käyttäen SPSS Statistics, ja sitten visuaalisesti tarkastaa nämä scatterplots ja osittainen regressio tontteja tarkistaa lineaarisuus. Jos suhde näytetään scatterplots ja osittainen regressio tontit eivät ole lineaarisia, sinun täytyy joko ajaa ei-lineaarinen regressio-analyysi tai ”muuttaa” sinun tiedot, jotka voit tehdä käyttämällä SPSS Tilasto., Meidän parannettu useita regressio-oppaassa, näytämme, miten: (a) luo scatterplots ja osittainen regressio tontteja tarkistaa lineaarisuus suorittaessaan useita regressio käyttäen SPSS Statistics; (b) tulkita eri scatterplot ja osittainen regressio juoni tulokset; ja (c) muuttaa tietoja käyttämällä SPSS Statistics jos sinulla ei ole lineaarinen suhteita muuttujien välillä.
- oletus #5: tietojesi on näytettävä homosedastisuus, jossa parhaan istuvuuden linjan varianssit pysyvät samanlaisina, kun liikut linjaa pitkin., Kerromme lisää siitä, mitä tämä tarkoittaa, ja miten arvioida homoscedasticity tietosi meidän parannettu useita regressio-opas. Kun analysoida omia tietoja, sinun täytyy piirtää studentized jäämät vastaan unstandardized ennustetut arvot. Meidän parannettu useita regressio-opas, me selittää: (a) miten testi homoscedasticity käyttäen SPSS Statistics; (b) joitakin asioita, sinun täytyy harkita, kun tulkkaus tiedot; ja (c) mahdollisia keinoja jatkaa oman analyysin, jos tietoja ei täytä tätä oletusta.,
- Oletus #6: tiedot saa näyttää multicollinearity, joka tapahtuu, kun sinulla on kaksi tai enemmän riippumattomia muuttujia jotka eivät korreloi keskenään. Tämä johtaa ongelmiin käsitys, jonka riippumaton muuttuja vaikuttaa varianssi selittää riippuvan muuttujan, sekä teknisiä kysymyksiä laskettaessa multiple regression malli., Siksi meidän parannettu useita regressio opas, näytämme sinulle: (a) miten käyttää SPSS Tilasto-ohjelman havaitsevan multicollinearity läpi tarkastus korrelaatiokertoimet ja Suvaitsevaisuutta/VIF-arvoja; ja (b) miten tulkita näitä korrelaatiokertoimet ja Suvaitsevaisuutta/VIF-arvot niin, että voit määrittää, onko tiedot täyttää tai rikkoo tämän oletuksen.
- Oletus #7: ei pitäisi olla merkittävä harha, suuri vipuvaikutus pistettä tai erittäin vaikutusvaltainen pistettä., Harha, vipuvaikutus ja vaikutusvaltainen seikat ovat eri termejä käytetään edustamaan havaintoja tietosi asetettu, että ovat jollakin tavalla epätavallinen, kun haluat suorittaa useita regressioanalyysi. Nämä epätavallisten pisteiden erilaiset luokitukset heijastavat niiden erilaista vaikutusta regressiolinjaan. Havainto voidaan luokitella useammaksi kuin yhdenlaiseksi epätavalliseksi pisteeksi. Kuitenkin, kaikki nämä pistettä voi olla hyvin negatiivinen vaikutus regressioyhtälö, jota käytetään ennustaa arvo riippuva muuttuja perustuu riippumattomia muuttujia., Tämä voi muuttaa lähtö-että SPSS Statistics tuottaa ja vähentää ennustavaa tarkkuutta tuloksia sekä tilastollinen merkitsevyys. Onneksi, kun käytät SPSS tilastoja ajaa useita regressio tietoja, voit havaita mahdolliset poikkeamat, korkea vipuvoima pistettä ja erittäin vaikutusvaltaisia pisteitä., Meidän parannettu useita regressio-opas, me: (a) näyttää, miten tunnistaa harha käyttäen ”casewise diagnostics” ja ”studentized poistaa jäämät”, jonka voit tehdä käyttämällä SPSS Tilasto, ja keskustella joitakin vaihtoehtoja sinulla on, jotta voidaan käsitellä harha; (b) tarkista vaikutusvaltaa pistettä käyttämällä SPSS Tilasto-ja keskustella siitä, mitä sinun pitäisi tehdä, jos sinulla on tahansa; ja (c) tarkista vaikutusvaltainen pistettä SPSS Statistics käyttäen mitta vaikutus tunnetaan Cookin Etäisyys, ennen esittelee joitakin käytännön lähestymistapoja SPSS Statistics käsitellä mitään vaikutusvaltainen pistettä saatat olla.,
- Oletus #8: Lopuksi, sinun täytyy tarkistaa, että residuaalit (virheitä) ovat likimain normaalisti jakautunut (me selittää nämä termit tehostettua useita regressio-opas). Kaksi yhteistä menetelmiä tarkistaa tämä oletus sisältää käyttäen: (a) histogrammi, (joiden päälle normaali käyrä) ja Normal P-P Plot; tai (b) Normal Q-Q Plot studentized jäännökset., Jälleen, meidän parannettu useita regressio-opas, me: (a) näyttää, miten tarkistaa tämän oletuksen käyttäen SPSS Statistics, onko käytät histogrammi (kanssa päällekkäin normaali käyrä) ja Normal P-P Plot tai Normal Q-Q Plot; (b) selitä, miten tulkita näitä kaavioita; ja (c) tarjota mahdollinen ratkaisu, jos tietoja ei täytä tätä oletusta.
Voit tarkistaa oletuksia #3, #4, #5, #6, #7 ja #8 käyttäen SPSS Statistics. Oletukset #1 ja #2 tulee tarkistaa ensin, ennen kuin siirryn oletukset #3, #4, #5, #6, #7 ja #8., Vain muistaa, että jos et suorita tilastollisia testejä nämä oletukset oikein, tulokset saat, kun käynnissä useita regressio ei ehkä ole voimassa. Siksi omistamme useita osia tehostetusta moninkertaisesta regressiooppaastamme, jotta saat tämän oikein. Voit selvittää tehostettua sisältöä kokonaisuutena meidän Ominaisuudet: – Yleiskatsaus-sivulla, tai tarkemmin sanottuna, oppia, miten voimme auttaa-testauksen oletukset meidän Ominaisuudet: Oletukset-sivulla.,
– osassa, Menettely, me kuvaavat SPSS Statistics menettely voidaan suorittaa useita regressio oletetaan, että ei-oletuksia ei ole rikottu. Ensinnäkin esittelemme esimerkin, jota käytetään tässä oppaassa.
SPSS Statistics
Esimerkki
terveys tutkija haluaa voida ennustaa ”VO2max”, indikaattori kunto ja terveys. Normaalisti, suorittaa tämä menettely vaatii kalliita laboratoriolaitteita ja edellyttää, että yksilö käyttää heidän suurin (eli kunnes ne voi enää jatkaa käyttäessään, koska fyysinen väsymys)., Tämä voi lykätä niitä henkilöitä, jotka eivät ole kovin aktiivisia/hyväkuntoisia, ja niitä henkilöitä, joilla saattaa olla suurempi sairastumisriski (esim.iäkkäät huonokuntoiset henkilöt). Näistä syistä, se on ollut toivottavaa löytää tapa ennustaa yksilön VO2max perusteella ominaisuuksia, jotka voidaan mitata helpommin ja halvemmalla. Tätä varten tutkija värväsi 100 osallistujaa maksimaaliseen VO2max-testiin, mutta kirjasi myös heidän ”ikänsä”, ”painonsa”, ”sykkeensä” ja ”sukupuolensa”. Syke on keskimäärin viimeisen 5 minuutin, 20 minuutin, paljon helpompaa, pienempi työmäärä pyöräily testi., Tutkijan tavoitteena on pystyä ennustaa VO2max perusteella nämä neljä ominaisuudet: ikä, paino, syke ja sukupuoli.
SPSS Statistics
Setup SPSS Statistics
Vuonna SPSS Statistics, olemme luoneet kuusi muuttujaa: (1) VO2max, joka on maksimaalinen aerobinen kapasiteetti; (2) ikä, joka on osallistujan ikä; (3) paino, joka on osallistujan paino (teknisesti se on heidän ’massa’); (4) heart_rate, joka on osallistujan sydämen syke; (5) sukupuoleen, mikä on osallistujan sukupuoli; ja (6) caseno, mikä on asian numero., Se caseno muuttujaa käytetään, jotta se helppo poistaa tapauksissa (esim, ”merkittävä harha”, ”korkea leverage points” ja ”erittäin vaikutusvaltainen pistettä”), jotka olet määrittänyt, kun tarkistaa oletuksia. Meidän parannettu useita regressio-oppaassa, näytämme, miten oikein syöttää tietoja SPSS Statistics ajaa useita regressio, kun olet myös tarkistaa oletuksia. Voit oppia parannetusta dataasetussisällöstämme Toiminnoillamme: data Setup page. Vuorotellen, katso meidän yleinen, ”quick start” opas: Tietojen syöttäminen SPSS tilastot.,
SPSS Statistics
testausmenettely SPSS Statistics
seitsemän ohjeita näyttää, miten analysoida tietoja käyttämällä useita regressio SPSS Statistics kun mikään kahdeksan oletukset edellisessä jaksossa, Oletuksia, on loukattu. Lopussa nämä seitsemän vaihetta, näytämme, miten tulkita tuloksia teidän useita regressio., Jos etsit apua ja varmista, että tiedot täyttää oletukset #3, #4, #5, #6, #7 ja #8, joka tarvitaan, kun käytät multiple regression ja voidaan testata käyttämällä SPSS Tilasto, voit oppia lisää tehostettua opas (katso Ominaisuudet Yleiskatsaus: – sivu oppia lisää).
- Napsauta Analysoi > Regressio > Lineaarinen… päävalikossa, kuten alla:
Julkaistu kirjallista lupaa SPSS Statistics IBM Corporation.,
Huomautus: Älä huoli, että olet valinnut Analysoida > Regressio > Lineaarinen… päävalikossa tai että dialogi laatikot vaiheet, jotka seuraavat on otsikko, lineaarinen regressio. Et ole tehnyt virhettä. Olet oikeassa paikassa suorittaa useita regressio menettely. Tämä on vain otsikko, että SPSS tilastot antaa, vaikka käynnissä useita regressiomenettely.,
- esitetään Lineaarinen Regressio valintaikkuna alla:
Julkaistu kirjallista lupaa SPSS Statistics IBM Corporation.,
- Siirtää riippuva muuttuja, VO2max, osaksi Riippuvainen: laatikko ja riippumattomia muuttujia, ikä, paino, heart_rate ja sukupuolten osaksi Riippumaton(t): laatikko, käyttämällä – painiketta, kuten on esitetty alla (kaikki muut laatikot voidaan jättää huomiotta):
Julkaistu kirjallista lupaa SPSS Statistics IBM Corporation.,
Huomautus: standard multiple regression sinun pitäisi sivuuttaa
ja painikkeet kuin ne ovat peräkkäisiä (hierarkkinen) useita regressio. Menetelmä: vaihtoehto on pidettävä oletuksena arvo, joka on . Jos, jostain syystä, – ei ole valittu, sinun täytyy muuttaa Menetelmä: takaisin . menetelmä on annettu nimi, jota SPSS Statistics standardin regressioanalyysi., - Klikkaa – painiketta. Sinulle esitetään Lineaarinen Regressio: Tilastot dialogue ruutuun, kuten alla:
Julkaistu kirjallista lupaa SPSS Statistics IBM Corporation.
- lisäksi vaihtoehtoja, jotka on valittu oletusarvoisesti, valitse Luottamus välein –Regression Kertoimet– alue, jättäen Tasolla(%): vaihtoehto ”95”., Voit päätyä seuraava näyttö:
Julkaistu kirjallista lupaa SPSS Statistics IBM Corporation.
- Klikkaa – painiketta. Sinut palautetaan lineaariseen Regression dialogilaatikkoon.
- Klikkaa – painiketta. Tämä luo tuotoksen.
Vastaa