رگرسیون چندگانه

آموزش رگرسیون خطی چندگانه در SPSS

امتیاز ۴.۷۲ از ۵ – ۱۴ رای
spinner در حال ثبت رای

صفر تا صد رگرسیون خطی چندگانه تو این پست آموزشی قراره توضیح داده بشه !

سلام من مسعود علی مردی هستم و داخل این پست قصد دارم که هرچیزی که در مورد رگرسیون خطی چندگانه میدونم بهتون آموزش بدم. امیدوارم بتونید نهایت استفاده رو ببرید.

⚡ پیش نیازهای دریافت آموزش رگرسیون خطی چندگانه ⚡

با محیط برنامه و منوهای نرم افزار SPSS آشنایی داشته باشید.

برای یادگیری این آموزش شما باید بلد باشید که چطور دیتاها را در SPSS وارد کنید.

اندکی با مبحث پالایش داده ها قبل از تحلیل آماری آشنا باشید.

اصلا چرا و کجا رگرسیون چندگانه استفاده میشه ❓

به زبان ساده زمانی که هدف بررسی تاثیر همزمان چند متغیر مستقل بر یک متغیر وابسته کمی باشه از رگرسیون خطی چندگانه استفاده میشه. به عنوان مثال، برای بررسی تاثیر وزن، سن، سبک زندگی، سلامت روانی و کیفیت زندگی بر میزان امید به زندگی کارکنان می توان از رگرسیون خطی چندگانه استفاده نمود.

پیش فرض های رگرسیون چندگانه

خب، همینطوری که نمیشه چندتا متغیر رو کنار هم قرار داد و براشون رگرسیون چندگانه انجام داد و نتایجش رو گزارش کرد. چندتا پیش فرض مهم برای انجام رگرسیون خطی چندگانه وجود داره که باید رعایت شده باشه.

– پیش فرض اول: مانده ها دارای توزیع نرمال باشن

نکته: برای این که این قسمت رو خوب متوجه بشی باید اول بدونی مانده های رگرسیون یعنی چی. واسه همین روی متن آبی کلیک کن و بعد از مطالعه بیا برای ادامه آموزش مبحث شیرین رگرسیون چندگانه

نحوه سنجش پیش فرض نرمالیتی رگرسیون: هنگام انجام رگرسیون باید تیک ذخیره مانده ها رو بزنیم و بریم از طریق آزمون های آماری یا نمایش گرافیکی، نرمال بودن توزیعشون رو بررسی کنیم.

– پیش فرض دوم: عدم خود همبستگی سریالی مانده ها

در مورد پیش فرض خودهمبستگی سریالی توضیحات مفصلی رو قبلا دادم میتونی از طریق این لینک مطالعش کنی !

نحوه سنجش پیش فرض خودهمبستگی سریالی: هنگام انجام رگرسیون از طریق تنظیمات تیک مربوط به آزمون دوربین – واتسون رو بزنید. مقدار نزدیک به 2 (بین 1.5 تا 2.5) نشان دهنده عدم خودهمبستگی مانده هاست.

– پیش فرض سوم: عدم وجود همبستگی زیاد بین متغیرهای مستقل

این پیش فرض اسم کوتاه‌تر آن «عدم همخطی» است. در واقع بیان می‌کند که متغیرهای مستقل نباید همبستگی (شباهت) زیادی با هم داشته باشند. از طریق فعال کردن گزینه همخطی در تنظیمات پنجره رگرسیون میتوان این پیش فرض را بررسی نمود. مقادیر VIF بیشتر از 5 نشان دهنده وجود همخطی است.

انجام رگرسیون چندگانه در SPSS

در این قسمت قصد داریم که با ارائه یک نمونه مثال و دیتا در SPSS دستور رگرسیون چندگانه را اجرا کنیم. در این مثال متغیرهای مورد بررسی شامل (نشخوار فکری، آستانه تحمل، انعطاف پذیری و سن افراد) است. حجم نمونه نیز برابر 125 است. در این مثال متغیر نشخوار فکری را وابسته و متغیرهای آستانه تحمل، انعطاف پذیری و سن را به عنوان متغیرهای مستقل در نظر گرفتیم. برای اجرای دستور رگرسیون در SPSS مسیر زیر را اجرا می کنیم.

Analysis/ Regression / Linear

دستور رگرسیون چندگانه

مسیر انجام تحلیل رگرسیون در SPSS

با انجام مسیر رگرسیون مانند شکل بالا، پنجره زیر باز می شود.

مراحل زیر را در پنجره بالا انجام می دهیم.

1- انتقال متغیر نشخوار فکری به کادر Dependent

2- انتقال متغیرهای سن، انعطاف پذیری و آستانه تحمل به کادر Independent

3- سپس انتخاب دکمه Statistics

با انتخاب دکمه Statistics پنجره ای به شکل زیر باز می شود، در این پنجره مواردی که در شکل مشخص شده است، انتخاب کنید. سپس دکمه Continue را بزنید. بعد از آن روی گزینه Save کلیک کنید.

با کلیک بر روی گزینه Save در پنجره Linear Regression امکان ذخیره دیتای مانده های استاندارد فراهم می شود. تیک گزینه Standardized را فعال کنید. سپس بر روی گزینه Continue کلیک کنید. در ادامه بر روی گزینه Ok کلیک کنید.

نحوه بررسی نرمال بودن باقی مانده ها در رگرسیون

تفسیر نتایج بررسی پیشفرض های رگرسیون چندگانه

پس از انجام تنظیمات و اجرای دستور رگرسیون خروجی های زیر مشاهده می شود:

آماره دوربین-واتسون در جدول زیر عدم خودهمبستگی مانده ها را بررسی می کند، اگر مقدار این آماره بین 1.5 تا 2.5 باشد، به معنی عدم هم خودهمبستگی مانده ها است و همانگونه که ملاحظه می شود مقدار آماره دوربین واتسون در اینجا برابر است با 1.714 است که در بازه ذکر شده قرار دارد و این شرط نیز برقرار است .بنابراین خطاها دارای خود همبستگی سریالی نیستند.

همخطی در رگرسیون

به منظور بررسی عدم هم خطی متغیرهای مستقل، از شاخص VIF استفاده می شود، در صورتی که مقادیر VIF کمتر از ۵ باشد فرض عدم هم خطی متغیرهای مستقل برقرار است، همانگونه که در جدول بالا ملاحظه می شود این دو شاخص شرایط ذکر شده را دارند و در شرایط مطلوبی هستند، بنابراین این پیشفرض رگرسیون چندگانه نیز برقرار است.

بار دیگر به پنجره Data view رفته و مشاهده می کنیم با فعال کردن تیک Standardized در پنجره Save مقدار مانده ها در ستون انتهایی ذخیره شده است.

ذخیره مانده ها در رگرسیون چندگانه

برای بررسی نرمال بودن ماندها از مسیر زیر استفاده می کنیم.

مسیر آزمون نرمال بودن مانده ها

در پنجره باز شده مانند شکل زیر متغیر مانده ها را وارد کادر مربوطه کرده و سپس بر روی گزینه OK کلیک می کنیم. خروجی آزمون کولموگروف اسمیرنوف برای مانده ها به صورت زیر است:

پیش فرض های رگرسیون چندگانه

در خروجی بالا مقدار سطح معنی داری بیشتر از 0.05 بدست آمده است بنابراین نتیجه نشان می دهد توزیع مانده ها نرمال است و این پیشفرض مهم نرم افزار رعایت می شود. در ادامه نتایج رگرسیون چندگانه گزارش شده است.

تفسیر نتایج رگرسیون چندگانه

ضریب تعیین رگرسیون

در جدول بالا به اسم Model Summary، آماره ضریب تعیین تعدیل شده (R Square Adjusted) قدرت پیش بینی مدل رگرسیونی را نشان می دهد و گویای این مطلب است که 47.7 درصد از تغییرات متغیر وابسته در این مدل به وسیله متغیرهای مستقل پیش بینی می شود. همچنین مقدار رابطه بین ترکیب خطی متغیرهای مستقل با متغیر وابسته که با R نشان داده شده است. این مقدار برابر 0.7 است.

جدول آنووا در رگرسیون

جدول بالا جدول تحلیل واریانس نام دارد، تحلیل واریانس به معنای تحلیل تغییرات است، با توجه به اینکه آماره فیشر (F) در سطح اطمینان 95 درصد معنی دار است (سطح معنی داری کمتر از 0.05)، می توان بیان کرد که حداقل یکی از متغیرهای مستقل بر متغیر وابسته (نشخوار فکری) تاثیر معنی داری دارد. به عبارتی می توان گفت مدل از وضعیت برازش مناسبی برخوردار است.

جدول ضرایب رگرسیونی

جدول بالا ضرایب رگرسیونی استاندارد و غیر استاندارد و معنی داری آن را نشان می دهد. از ضرایب استاندارد شده برای تعیین جهت و شدت رابطه و از سطح معنی داری برای تایید معنی داری ضریب رگرسیونی استفاده می شود.

با توجه به جدول مقدار سطح معنی داری برای متغیرهای انعطاف پذیری و آستانه تحمل کمتر از 0.05 است، بنابراین با اطمینان 95 درصد حضور این دو متغیر مستقل برای پیش بینی نشخوار فکری معنادار است (β ≠0)، اما مقدار سطح معنی داری برای متغیر سن برابر 0.086 است (بزرگتر از 0.05). بنابراین فرض صفر رد نمی شود، یعنی تاثیر متغیر سن در مدل رگرسیونی معنادار نیست (β=0).

همانگونه که در جدول درج شده است مقادیر بتا یا ضرایب رگرسیونی استاندارد برای متغیر انعطاف پذیری برابر 0.497- است، که علامت این شاخص نشان دهنده وجود رابطه معکوس این متغیر با نشخوار فکری است، در مورد متغیر آستانه تحمل نیز مقدار بتا یا ضریب رگرسیونی استاندارد برابر 0.265- است، که علامت منفی این ضریب نیز نشان دهنده وجود رابطه معکوس این متغیر با نشخوار فکری است، با توجه به مقادیر ضریب رگرسیونی می توان گفت تاثیر متغیر انعطاف پذیری بر نشخوار فکری، بیشتر از تاثیر متغیر آستانه تحمل بر این متغیر وابسته بوده است.

مسعود علی مردی

مسعود علی مردی
هزاران داده تجزیه و تحلیل کردم تا به هدفم برسم و این داستان همچنان ادامه داره …

8 اردیبهشت 1403

آموزش نرم افزار SPSS

بازدید: 9,304

  1. مریم عباسی 6 اردیبهشت 1403 در 11:48 قبل از ظهر - پاسخ

    خیلی عالی بود ممنونم

  2. نازیلا کریمی 25 دی 1402 در 8:40 قبل از ظهر - پاسخ

    سلام ودرود
    لطفا راهنمایی بفرمایید برای وزن دهی به گویه های یک پرسشنامه در قالب 3 مقوله اصلی چطور اقدام کنم؟

    • مسعود علی مردی 25 دی 1402 در 9:10 قبل از ظهر - پاسخ

      سلام وقت بخیر. معمولا نحوه انجام این کار برای هر پرسشنامه متفاوته و داخل دفترچه پرسشنامه می نویسن معمولا. البته اگر سوالتون رو درست متوجه شده باشم.

  3. عابدی 18 مهر 1402 در 4:18 بعد از ظهر - پاسخ

    سلام و عرض احترام
    ضمن تشکر از آموزشهای دقیق و خوبتون ممنون میشم در این زمینه راهنمایی بفرمائید
    در مطالعه ای دو متغیر وابسته و یک متغیر مستقل وجود دارد؛ در نتیجه بر اساس توضیحاتی که در آموزش هاتون فرمودید این رگرسیون از نوع رگرسیون خطی چند متغیره خواهد بود لطفا پیش فرضهای آن را توضیح بدید و چطور در spss اجرا میشوند.

    • مسعود علی مردی 19 مهر 1402 در 10:23 قبل از ظهر - پاسخ

      سلام وقت بخیر عرض ادب بزودی برای موضوع «رگرسیون چندمتغیره» یک مطلب آموزشی در سایت ایجاد خواهیم کرد.

    • سمیه 27 مهر 1402 در 11:43 بعد از ظهر - پاسخ

      تشگر آموزشهاتون خیلی مفید هستن

  4. علی محمدی 15 تیر 1402 در 11:26 بعد از ظهر - پاسخ

    استاد سوالی دارم برای رفع همبستگی خطی متغیرهای مستقل در یک رگرسیون چند گانه چه راهکاری مناسب تر است؟

    • پژوهشگران کوکرانا 17 تیر 1402 در 5:32 قبل از ظهر - پاسخ

      سلام بهترین راهکار این است که متغیرهای مستقلی وارد مدل شوند که با هم همخطی نداشته باشند.

  5. علی محمدی 15 تیر 1402 در 11:23 بعد از ظهر - پاسخ

    بسیار خوب و مثمر ثمر