هناك 3 أسئلة رئيسية يجيب عليها تحليل
الانحدار اللوجستي - (1) التحليل السببي ، (2) التنبؤ بنتيجة ، (3) التنبؤ
الطب: هل وزن الجسم من السعرات الحرارية ، وتناول الدهون ، والعمر
لها تأثير على النوبات القلبية (نعم مقابل لا)؟ للإجابة
على هذا بالاتجاه.
أمثلة:
السؤال ، يقوم الباحث بقياس وزن
الجسم ، وكمية الدهون والسعرات الحرارية ، وكذلك العمر ، وما إذا كان المريض قد
أصيب بنوبة قلبية خلال الإطار الزمني للدراسة. يمكن للتحليل بعد ذلك إظهار ما إذا كانت المتغيرات المستقلة لها تأثير
على الإصابة بنوبة قلبية أم لا (متغير تابع).
علم الأحياء: هل تقتل مبيدات
الأعشاب ومستويات الأكسجين في الماء النباتات؟ سيقيس فريق البحث تراكيز مختلفة من مبيدات الأعشاب والأكسجين في
الماء المستخدم في ري النباتات ثم مراقبة ما إذا كانت النباتات تموت أم لا. يحدد تحليل الانحدار اللوجستي ما
إذا كانت هناك علاقة سببية بين المتغيرات المستقلة والتابعة. يعد تحليل الانحدار اللوجستي مفيدًا بشكل خاص لاختبار الملاحظات التي
تم إجراؤها في ظروف تجريبية مثل هذه - حيث يتم التلاعب عمدًا بمستويات الأكسجين
ومبيدات الأعشاب في الماء لاختبار تأثيرها على النمو.
الإدارة: هل يؤثر رضا العملاء
وإدراك العلامة التجارية وتصور السعر على قرار الشراء؟ سيطلب فريق البحث من العملاء تقييم رضاهم وتصوراتهم للعلامة التجارية
والسعر ، بالإضافة إلى مراقبة عملية الشراء الفعلية (على سبيل المثال ، عبر الرمز
الشريطي للقسيمة). يمكن
لتحليل الانحدار اللوجستي بعد ذلك إثبات العلاقة السببية المفترضة للرضا والتصورات
حول سلوك الشراء. يعد
الانحدار اللوجستي مناسبًا بشكل خاص لهذه الأسئلة ، لأن الانحدار اللوجستي يمكنه
التعامل مع البيانات الترتيبية (عادةً ما يتم تصنيف الرضا أو الولاء أو الإدراك
على مقياس ليكرت).
علم النفس: هل الاكتئاب يتأثر
بسمات الشخصية؟ للإجابة
على هذا السؤال ، سيقيس فريق الباحثين القلق (على سبيل المثال BDI) وسمات الشخصية (على سبيل المثال
، الخمسة الكبار). كما
هو شائع في الممارسة السريرية ، يتم استخدام القيم الحدية لتصنيف نتائج BDI. يمكن استخدام تحليل الانحدار
اللوجستي لاختبار ما إذا كان هناك ارتباط سببي بين هذه المتغيرات. ومع ذلك ، فإن الانحدار اللوجستي
لا يثبت أن الاتجاه السببي هو من الاكتئاب إلى الشخصية أو العكس.
ثانيًا ، يمكن استخدام الانحدار
اللوجستي للتنبؤ بالحدث الناتج.
الطب: هل الشخص الذي يدخن سجائر X يوميًا والذي يعمل لساعات Y في اليوم يصاب بسرطان الرئة؟ يمكن لفريق البحث مراقبة عادات
التدخين والنشاط وكذلك ما إذا كان الشخص مصابًا بسرطان الرئة أم لا. وبالتالي يمكن أن يخبر الانحدار
اللوجستي الباحثين عن نمط الحياة الأكثر عرضة للإصابة بسرطان الرئة.
علم الأحياء: هل ستؤدي 5 أسابيع
إضافية من أشعة الشمس و 100 ملم من الأمطار إلى ازدهار العنب؟ في عينة مدة أشعة الشمس ، يتم
قياس هطول الأمطار وأيضًا ما إذا كان العنب يزدهر أم لا في ظل هذه الظروف. يمكن بعد ذلك استخدام الانحدار
اللوجستي لتقدير وظيفة اللوغاريتم لازدهار العنب. يمكن لمعادلة الانحدار اللوجستي الناتجة أن تحدد ما هو احتمال انفجار
العنب لأي مزيج من المطر وضوء الشمس.
ثالثًا ، يمكن استخدام تحليل
الانحدار اللوجستي للتنبؤ بالتغيرات في الاحتمالات.
الطب: كيف يتغير احتمال الإصابة
بسرطان الرئة لكل رطل إضافي من الوزن الزائد ولكل X سيجارة يتم تدخينها يوميًا؟ لاحظ الباحثون متوسط استهلاك السجائر اليومي وزيادة الوزن وما إذا
كان المريض مصابًا بسرطان الرئة أم لا. يمكن
بعد ذلك استخدام تحليل الانحدار اللوجستي للتنبؤ بالتغيرات في الاحتمالية ، على
سبيل المثال ، لكل سيجارة حياة تزيد من احتمال الإصابة بسرطان الرئة بنسبة + 2٪ ؛ كل رطل بدين بنسبة + 32٪. يمكن أن تساعدك الحلول الإحصائية
في التحليل الكمي الخاص بك من خلال مساعدتك في تطوير منهجيتك وفصول النتائج. تشمل الخدمات التي نقدمها:
أسئلة حول إجابات الانحدار الخطي
هناك 3 مجالات رئيسية
من الأسئلة يجيب عليها تحليل الانحدار - (1) التحليل السببي ، (2) التنبؤ بأثر ،
(3) التنبؤ بالاتجاه.
تؤسس الفئة الأولى
علاقة سببية بين متغيرين ، حيث يكون المتغير التابع مستمرًا وتكون المتنبئات إما فئوية
(مشفرة وهمية) أو ثنائية التفرع أو مستمرة .. على عكس تحليل الارتباط الذي لا يشير
إلى اتجاهية التأثيرات ، فإن تحليل الانحدار يفترض أن المتغير المستقل له تأثير على
المتغير التابع.
أمثلة:
الطب: هل يؤثر وزن
الجسم على مستوى الكوليسترول في الدم؟ للإجابة على هذا السؤال ، يقيس الباحث وزن الجسم
ومستوى الكوليسترول في الدم في مواضيع مختلفة. يمكن لتحليل الانحدار الخطي بعد ذلك
إظهار ما إذا كان وزن الجسم (متغير مستقل) له تأثير على مستوى الكوليسترول في الدم
(متغير تابع).
علم الأحياء: هل
مستوى الأكسجين في الماء يحفز نمو النبات؟ سيقوم فريق البحث بقياس تركيزات مختلفة من
الأكسجين في الماء وقياس نمو النباتات. يمكن بعد ذلك استخدام تحليل الانحدار الخطي
لتحديد ما إذا كانت هناك علاقة سببية بين المتغير المستقل والمتغير التابع. من المفيد
بشكل خاص اختبار الملاحظات التي تم إجراؤها في ظروف تجريبية مثل هذه - هنا يمكن التلاعب
بمستوى الأكسجين في الماء عن عمد لاختبار التأثيرات.
الإدارة: هل يؤثر
رضا العملاء على الولاء؟ سيطلب فريق البحث من العملاء تقييم رضاهم وكذلك ولائهم للشركة.
يمكن للتحليل بعد ذلك إثبات العلاقة السببية المفترضة للرضا عن الولاء.
علم النفس: هل القلق
يتأثر بسمات الشخصية؟ للإجابة على هذا السؤال ، سيقوم فريق الباحثين بقياس القلق (مثل BAI) وسمات شخصية واحدة (مثل الوعي). يمكن بعد ذلك استخدام تحليل الانحدار
الخطي لاختبار ما إذا كان هناك ارتباط سببي بين كلا المتغيرين. ومع ذلك ، فإنه لا يثبت
أن الاتجاه السببي هو من القلق إلى الشخصية أو العكس.
يسمح لك برنامج Intellectus بإجراء وتفسير تحليلك في دقائق. انقر فوق
الارتباط أدناه لإنشاء حساب مجاني ، وابدأ في تحليل بياناتك الآن!
جرب الآن
ثانيًا ، يمكن استخدامه
للتنبؤ بالقيم:
الطب: مع تدخين سجائر X يوميًا
، يبلغ متوسط العمر المتوقع Y سنة. يمكن لفريق البحث ملاحظة عادات التدخين
والعمر عند وفاة اثنين من المشاركين. يمكن أن يخبر معامل الانحدار المقدّر بمعادلة
الانحدار الخطي y = a + b * x الباحثين ب أن متوسط العمر المتوقع (y) هو عند
تدخين x سجائر يوميًا.
علم الأحياء: خمسة
أسابيع إضافية من أشعة الشمس سيرتفع تركيز السكر في العنب بنسبة X٪. في عينة
تقيس مدة سطوع الشمس ومستوى السكر المنتج في العنب ؛ يمكن استخدام تحليل الانحدار الخطي
لإنشاء الصيغة y = a + b * x. يكون مفيدًا بشكل خاص عندما لا تكون المتغيرات x عشوائية
تمامًا.
الإدارة: مع مبلغ X من الدولارات
التي تنفق على التسويق ، يجب أن تكون المبيعات Y. في مسح لشركات مختلفة ، يلاحظ الباحث الإنفاق
التسويقي والمبيعات. يقدر تحليل الانحدار الخطي دالة الانحدار y = a + b * x والتي يمكن استخدامها للتنبؤ بقيم المبيعات y لإنفاق تسويقي معين x.
ثالثًا ، يمكن استخدام
تحليل الانحدار الخطي للتنبؤ بالاتجاهات في البيانات:
الطب: كم سنة ينخفض
متوسط العمر المتوقع لكل رطل إضافي من الوزن الزائد؟ لاحظ الباحثون زيادة الوزن
والعمر عند الوفاة ، ويمكن استخدام تحليل الانحدار الخطي للتنبؤ بالاتجاهات. هذا مفيد
بشكل خاص عندما لا يجد تحليل الانحدار أي اعتراض مهم. ثم يمكن لمعامل الانحدار على
الأقل التنبؤ بالاتجاه (إذا كان المعامل مهمًا).
علم الأحياء: مع
كل أسبوع إضافي من أشعة الشمس سيرتفع تركيز السكر في العنب بنسبة Y٪. على غرار السؤال أعلاه
، يشير معامل الانحدار إلى الاتجاه العام في البيانات. وهذا يعني أن كل وحدة إضافية
في x
سيزداد المتغير التابع بمقدار b * x. وهذا مفيد بشكل خاص في إعدادات
التجريبية حيث لم يتم اختيار قيم س عشوائيا، الذي ينتهك افتراضات ANOVA الصورة و العلاقات المتبادلة
تجعل.
أسئلة حول إجابات الانحدار الخطي المتعدد
تحدد الفئة الأولى
علاقة سببية بين ثلاثة متغيرات مترية أو أكثر: متغير تابع واحد مستمر ومتغيران مستقلان
أو أكثر. على عكس تحليل الارتباط ، الذي لا يشير إلى اتجاهية التأثيرات ، يفترض تحليل
الانحدار الخطي المتعدد أن المتغيرات المستقلة لها تأثير على المتغير التابع. يمكن
تقييم الارتباط بين المتغيرات في تحليلات الانحدار المتعددة باستخدام معامل التحديد ( R 2 ).
الطب: هل يؤثر وزن
الجسم والسعرات الحرارية وتناول الدهون والعمر على مستوى الكوليسترول في الدم؟ للإجابة
على هذا السؤال ، يقيس الباحث وزن الجسم ، وكمية الدهون والسعرات الحرارية ، وكذلك
العمر ، ومستوى الكوليسترول في الدم في مواضيع مختلفة. يمكن لتحليل الانحدار الخطي
المتعدد أن يوضح ما إذا كانت المتغيرات المستقلة لها تأثير على مستوى الكوليسترول في
الدم (متغير تابع).
علم الأحياء: هل
مستوى الأكسجين وتركيز الفوسفور ومستويات المعادن في الماء يحفز نمو النبات؟ سيقيس
فريق البحث تركيزات مختلفة من الأكسجين والنيتروجين والمعادن في المياه المستخدمة في
ري النباتات ثم قياس نمو النباتات. يحدد تحليل الانحدار الخطي المتعدد وجود علاقة سببية
بين المتغيرات المستقلة والتابعة. يعد تحليل الانحدار الخطي المتعدد مفيدًا بشكل خاص
لاختبار الملاحظات التي تم إجراؤها في ظروف تجريبية مثل هذه - حيث يتم التلاعب عمدًا
بمستويات الأكسجين والنيتروجين والمعادن في الماء لاختبار تأثيرها على النمو.
الإدارة: هل يؤثر
رضا العملاء وإدراك العلامة التجارية وتصور السعر على الولاء؟ سيطلب فريق البحث من
العملاء تقييم رضاهم وتصوراتهم للعلامة التجارية والسعر ، بالإضافة إلى ولائهم للمنتج.
يمكن لتحليل الانحدار الخطي المتعدد إثبات العلاقة السببية المفترضة للرضا وتصورات
الولاء.
علم النفس: هل القلق
يتأثر بسمات الشخصية؟ للإجابة على هذا السؤال ، سيقيس فريق الباحثين القلق (مثل BAI) وسمات الشخصية (على سبيل المثال ، المنفتح ، الانطوائي ، إلخ). يمكن استخدام
تحليل الانحدار الخطي المتعدد لاختبار ما إذا كان هناك ارتباط سببي بين هذه المتغيرات.
ومع ذلك ، فإن الانحدار الخطي المتعدد لا يثبت أن الاتجاه السببي هو من القلق إلى الشخصية
أو العكس.
ثانيًا ، يمكن استخدام
الانحدار الخطي المتعدد للتنبؤ بالقيم:
الطب: مع تدخين X للسجائر
و Y ساعة من الرياضة في اليوم ، متوسط العمر
المتوقع هو Y سنوات. يمكن لفريق البحث ملاحظة عادات التدخين
والنشاط بالإضافة إلى العمر عند الوفاة في عينة. يمكن أن تخبر معاملات الانحدار المقدرة
بمعادلة الانحدار الخطي المتعددة y = b0 + b1 * x1 + b2 * x2 الباحثين بالضبط عن متوسط العمر المتوقع (y) عند
تدخين x سجائر في اليوم والعمل لمدة y ساعة.
علم الأحياء: إلى
أي مدى سترفع 5 أسابيع إضافية من أشعة الشمس و 100 ملم من المطر تركيز السكر في العنب؟
في عينة تقيس مدة سطوع الشمس وهطول الأمطار ومستوى السكر المنتج في العنب ؛ يمكن استخدام
تحليل الانحدار الخطي المتعدد لإنشاء الصيغة y = b0 +
b1 * x1 + b2 * x2. يكون
تحليل الانحدار الخطي مفيدًا بشكل خاص عندما لا تكون المتغيرات x عشوائية
تمامًا.
الإدارة: مع إنفاق
مبلغ من الدولارات على تسويق العلامة التجارية ، وإنفاق B على تسويق المنتج ، وإنفاق C على
الإعلان داخل المتجر ، ما هي المبيعات المتوقعة للمنتج Y؟ في دراسة استقصائية لشركات
مختلفة ، لاحظ الباحث الأنواع المختلفة للإنفاق التسويقي ومبيعات المنتجات. يقدر تحليل
الانحدار الخطي المتعدد دالة الانحدار y = b0 + b1 * x1 + b2 * x2 + b3 * x3 والتي يمكن استخدامها للتنبؤ بقيم المبيعات y لمجموعة
الإنفاق التسويقي المحددة A و B و C.
ثالثًا ، يمكن استخدام
تحليل الانحدار الخطي المتعدد للتنبؤ بالاتجاهات في البيانات:
الطب: كيف ينخفض
متوسط العمر المتوقع لكل رطل إضافي من الوزن الزائد ولكل X سيجارة يتم تدخينها يوميًا؟
لاحظ الباحثون متوسط استهلاك السجائر اليومي وزيادة الوزن والعمر عند الوفاة. يمكن
استخدام تحليل الانحدار الخطي المتعدد للتنبؤ بالاتجاهات ، على سبيل المثال ، يقصر
عمر كل سيجارة بمقدار ساعتين ؛ لكل رطل من زيادة الوزن تقصر الحياة بشهر.
تراجع
الانحدار بتقييم
ما إذا كانت متغيرات التوقع تأخذ في الاعتبار التغير في متغير تابع. ستصف هذه الصفحة
تحليل الانحدار أسئلة البحث ، وافتراضات الانحدار ، وتقييم R-square
(معامل التحديد) ،
واختبار F ، وتفسير معامل (معاملات) بيتا ، ومعادلة الانحدار.
أمثلة على الأسئلة
التي تمت الإجابة عليها من خلال تحليل الانحدار:
هل يتنبأ العمر والجنس
بمواقف تنظيم السلاح؟
هل الجوانب الخمسة
لليقظة الذهنية تؤثر على درجات راحة البال؟
الافتراضات:
أولاً ، تحليل الانحدار
حساس للقيم المتطرفة. يمكن تحديد القيم المتطرفة من خلال توحيد الدرجات والتحقق من
الدرجات الموحدة للقيم المطلقة الأعلى من 3.29. يمكن اعتبار هذه القيم قيمًا متطرفة
وقد تحتاج إلى إزالتها من البيانات.
ثانيًا ، الافتراضات
الرئيسية للانحدار هي الحالة الطبيعية ، والمثلية الجنسية ، وغياب العلاقة الخطية المتعددة.
يمكن تقييم الحالة الطبيعية عن طريق فحص مخطط PP العادي. إذا كانت البيانات تشكل خطًا مستقيمًا
على طول القطر ، فيمكن افتراض الحالة الطبيعية. لتقييم المثلية الجنسية ، يمكن للباحث
إنشاء مخطط مبعثر من المخلفات المعيارية للقيم القياسية المتوقعة. إذا أظهر الرسم البياني
تبعثر عشوائي ، يتم استيفاء الافتراض. ومع ذلك ، إذا كان للمبعثر شكل مخروطي ، فلن
يتحقق الافتراض. يمكن تقييم العلاقة الخطية المتعددة بواسطة عوامل تضخم التباين المحسوبة (VIFs). تشير قيم VIF الأعلى من 10 إلى أن العلاقة الخطية المتعددة
قد تكون مشكلة.
F- الاختبار
عندما يتم إجراء
الانحدار ، يتم حساب قيمة F ، ومستوى الأهمية لتلك القيمة F. إذا
كانت قيمة F ذات دلالة إحصائية (عادةً p <.05) ،
يشرح النموذج قدرًا كبيرًا من التباين في متغير النتيجة.
تقييم ساحة R
عند إجراء الانحدار
، يتم حساب إحصائية R 2 (معامل التحديد). و R 2 يمكن تفسيره على أنه في المئة من التباين
في المتغير النتيجة التي يفسر من قبل مجموعة من المتغيرات توقع.
تقييم ساحة R المعدلة
قيمة R 2 المعدلة
هي حساب R 2 الذي يتم ضبطه بناءً على عدد المتنبئين
في النموذج.
معاملات بيتا
بعد تقييم قيمة F و R 2
، من المهم تقييم معاملات الانحدار بيتا. يمكن أن تكون معاملات بيتا
سالبة أو موجبة ، ولها قيمة t وأهمية قيمة t المرتبطة بكل منها. معامل بيتا هو درجة
التغيير في متغير النتيجة لكل وحدة تغيير في متغير التوقع. و ر -test يقيم ما إذا كان معامل بيتا يختلف كثيرا عن الصفر. إذا لم يكن معامل بيتا
ذا دلالة إحصائية (على سبيل المثال ، فإن t- القيمة ليست كبيرة) ، المتغير لا يتوقع
النتيجة بشكل كبير. إذا كان معامل بيتا مهمًا ، فافحص علامة بيتا. إذا كان معامل بيتا
موجبًا ، فإن التفسير هو أنه لكل وحدة زيادة في متغير التوقع ، فإن متغير النتيجة سيزداد
بقيمة معامل بيتا. إذا كان معامل بيتا سالبًا ، فإن التفسير هو أنه لكل وحدة زيادة
في متغير التوقع ، سينخفض متغير النتيجة بمقدار معامل بيتا. على سبيل المثال ، إذا
كان معامل بيتا هو .80 وأنا ذو دلالة إحصائية ، فعند كل زيادة بمقدار وحدة واحدة في
متغير التوقع ، سيزداد متغير النتيجة بمقدار 80 وحدة.
معادلة
بمجرد تحديد معامل
بيتا ، يمكن كتابة معادلة انحدار. باستخدام المثال ومعامل بيتا أعلاه ، يمكن كتابة
المعادلة على النحو التالي:
y = 0.80x + c
، حيث y
هو المتغير الناتج ، x هو المتغير المتنبئ ، 0.80
هو معامل بيتا ، و c
ثابت.
مخطط التبعثر: افتراض لتحليل الانحدار
توفر مخططات التشتت
المتبقي فحصًا مرئيًا لافتراض التشابه بين درجات المتغير التابع المتنبأ به وأخطاء
التنبؤ. الفائدة الأساسية هي أنه يمكن عرض الافتراض وتحليله بنظرة واحدة ؛ لذلك ، يمكن
تحديد أي انتهاك بسرعة وسهولة. عندما يلبي التحليل الافتراضات ، تقل فرص ارتكاب أخطاء
من النوع الأول والنوع الثاني ، مما يحسن دقة نتائج البحث
خطط التبعثر المتبقي
هو شكل يوضح محورًا واحدًا للدرجات المتوقعة ومحورًا واحدًا لأخطاء التنبؤ. يمكن للفحص
البصري الأولي عزل أي قيم متطرفة ، والمعروفة باسم الدرجات القصوى ، في مجموعة البيانات.
يشرح Tabachnick و Fidell
(2007) القيم
المتبقية (الفرق بين DV الذي تم الحصول عليه ودرجات DV المتوقعة)
ويجب أن يكون التباين في القيم المتبقية هو نفسه لجميع الدرجات المتوقعة (المثلية الجنسية).
إذا كان هذا صحيحًا ، يتم استيفاء الافتراض ويأخذ مخطط التبعثر الشكل (التقريبي) لمستطيل
؛ ستتركز الدرجات في المركز (حوالي نقطة 0) وتوزع في نمط مستطيل. وببساطة أكثر ، سيتم
توزيع النتائج بشكل عشوائي حول خط أفقي. في المقابل ، يعتبر أي نمط منهجي أو تجميع
للنتائج انتهاكًا.
يوضح الشكل أدناه
إزاحة عشوائية للدرجات التي تتخذ شكلًا مستطيلًا بدون تجميع أو نمط منتظم. يوضح الشكل
استيفاء افتراض المثلية
عملية الاختيار للانحدار المتعدد
اساس الانحدار الخطي
المتعدد هو تقييم ما إذا كان يمكن التنبؤ بمتغير تابع واحد مستمر من مجموعة من المتغيرات
المستقلة (أو المتنبئة). أو بعبارة أخرى ، يتم تفسير مقدار التباين في المتغير التابع
المستمر من خلال مجموعة من المتنبئين. تساعد بعض أساليب اختيار الانحدار في اختبار
المتنبئين ، وبالتالي زيادة كفاءة التحليل.
طريقة الدخول
الطريقة القياسية
للدخول متزامنة (تعرف أيضًا باسم طريقة الإدخال) ؛ يتم إدخال جميع المتغيرات المستقلة
في المعادلة في نفس الوقت. هذا تحليل مناسب عند التعامل مع مجموعة صغيرة من المتنبئين
وعندما لا يعرف الباحث أي المتغيرات المستقلة ستخلق أفضل معادلة تنبؤ. يتم تقييم كل
متنبئ كما لو أنه تم إدخاله بعد إدخال جميع المتغيرات المستقلة الأخرى ، ويتم تقييمه
من خلال ما يقدمه للتنبؤ بالمتغير التابع الذي يختلف عن التنبؤات التي تقدمها المتغيرات
الأخرى التي تم إدخالها في النموذج.
طرق الاختيار
من ناحية أخرى ،
يسمح التحديد ببناء معادلة الانحدار المثلى جنبًا إلى جنب مع التحقيق في متغيرات توقع
محددة. الهدف من الاختيار هو تقليل مجموعة متغيرات التوقع إلى تلك الضرورية وتفسير
قدر التباين تقريبًا كما يتم حسابه بواسطة المجموعة الإجمالية. في الأساس ، يساعد الاختيار
على تحديد مستوى أهمية كل متغير متنبئ. كما أنه يساعد في تقييم التأثيرات بمجرد استبعاد
متغيرات التوقع الأخرى إحصائيًا. ترشد ظروف الدراسة وطبيعة أسئلة البحث اختيار متغيرات
التوقع.
يتم استخدام أربعة
إجراءات اختيار للحصول على معادلة الانحدار الأكثر ملاءمة: الاختيار الأمامي ، والحذف
العكسي ، والاختيار التدريجي ، والاختيار الشامل. تعتبر الإجراءات الثلاثة الأولى من
هذه الإجراءات الأربعة أساليب انحدار إحصائي . في كثير من الأحيان يستخدم الباحثون
أساليب إدخال الانحدار التسلسلي (الهرمي أو الحكيم) التي لا تعتمد على النتائج الإحصائية
لاختيار المتنبئين. يسمح الإدخال المتسلسل للباحث بتحكم أكبر في عملية الانحدار. يتم
إدخال العناصر بترتيب معين بناءً على النظرية أو المنطق أو التطبيق العملي ، وتكون
مناسبة عندما يكون لدى الباحث فكرة عن المتنبئين الذين قد يؤثرون على المتغير التابع.
طرق الانحدار الإحصائي
للدخول:
يبدأ التحديد الأمامي
بمعادلة فارغة. يتم إضافة المتنبئين واحدًا تلو الآخر بدءًا من المتنبئ بأعلى ارتباط
مع المتغير التابع. يتم إدخال المتغيرات ذات الأهمية النظرية الأكبر أولاً. مرة واحدة
في المعادلة ، المتغير يبقى هناك.
الإزالة العكسية
(أو الحذف الرجعي) هي العملية العكسية. يتم إدخال جميع المتغيرات المستقلة في المعادلة
أولاً ويتم حذف كل منها واحدًا تلو الآخر إذا لم تساهم في معادلة الانحدار.
يعتبر الاختيار التدريجي
اختلافًا عن الطريقتين السابقتين. يتضمن الاختيار التدريجي التحليل في كل خطوة لتحديد
مساهمة متغير التوقع الذي تم إدخاله مسبقًا في المعادلة. وبهذه الطريقة يمكن فهم مساهمة
المتغيرات السابقة الآن بعد إضافة متغير آخر. يمكن الاحتفاظ بالمتغيرات أو حذفها بناءً
على مساهمتها الإحصائية.
طريقة الانحدار التسلسلي
للدخول:
التحديد الحكيم هو
إصدار من التحديد الأمامي يتم تحقيقه في كتل أو مجموعات. يتم تجميع المتنبئين في كتل
بناءً على الاعتبارات النفسية أو الأسباب النظرية ويتم تطبيق الاختيار التدريجي. يتم
تطبيق كل كتلة بشكل منفصل بينما يتم تجاهل متغيرات التوقع الأخرى. يمكن إزالة المتغيرات
عندما لا تساهم في التنبؤ. بشكل عام ، ستكون المتنبئات المدرجة في الكتل مترابطة. كما
أن ترتيب الدخول له تأثير على المتغيرات التي سيتم اختيارها ؛ تلك التي تم إدخالها
في المراحل السابقة لديها فرصة أفضل للاحتفاظ بها من تلك التي تم إدخالها في مراحل
لاحقة.
بشكل أساسي ، تمكن
عملية اختيار الانحدار المتعدد الباحث من الحصول على مجموعة منخفضة من المتغيرات من
مجموعة أكبر من المتنبئين ، والقضاء على المتنبئين غير الضروريين ، وتبسيط البيانات
، وتعزيز الدقة التنبؤية. يتم استخدام معيارين لتحقيق أفضل مجموعة من المتنبئين ؛ وتشمل
هذه الأهمية للوضع والأهمية الإحصائية. من خلال إدخال المتغيرات في المعادلة بترتيب
معين ، يمكن التحقق من المتغيرات المربكة ويمكن دمج المتغيرات شديدة الارتباط في كتل.
يسمح لك برنامج Intellectus بإجراء وتفسير تحليلك في دقائق. انقر فوق الارتباط أدناه لإنشاء حساب
مجاني ، وابدأ في تحليل بياناتك الآن!
جرب الآن
يمكن أن تساعدك الحلول
الإحصائية في التحليل الكمي الخاص بك من خلال مساعدتك في تطوير منهجيتك وفصول النتائج.
تشمل الخدمات التي نقدمها:
خطة تحليل البيانات
قم بتحرير أسئلة
البحث والفرضيات الباطلة / البديلة
اكتب خطة تحليل البيانات
الخاصة بك ؛ تحديد إحصائيات محددة لمعالجة أسئلة البحث ، وافتراضات الإحصاءات ، وتبرير
سبب كونها الإحصاءات المناسبة ؛ توفير المراجع
قم بتبرير حجم العينة
/ تحليل الطاقة ، وقدم المراجع
اشرح خطة تحليل البيانات
الخاصة بك حتى تشعر بالراحة والثقة
ساعتان من الدعم
الإضافي مع الإحصائي الخاص بك
قسم النتائج الكمية
(الإحصاء الوصفي ، التحليلات ثنائية المتغيرات ومتعددة المتغيرات ، نمذجة المعادلات
الهيكلية ، تحليل المسار ، HLM ، تحليل الكتلة)
مجموعة بيانات نظيفة
وكود
إجراء الإحصاء الوصفي
(أي ، المتوسط ، الانحراف المعياري ، التكرار والنسبة المئوية ، حسب الاقتضاء)
قم بإجراء التحليلات
لفحص كل سؤال من أسئلة البحث الخاصة بك
نتائج الكتابة
توفير جداول وأشكال
الطبعة السادسة من APA
اشرح نتائج الفصل
4
دعم مستمر لإحصائيات
فصل النتائج بالكامل
* يرجى الاتصال بالرقم
8622-437-877 لطلب عرض أسعار بناءً على تفاصيل بحثك ، أو إرسال بريد إلكتروني إلى Info@StatisticsSolutions.com .
لطلب تحليل احصائي التواصل عبر الواتس اب اضغط هنا
ليست هناك تعليقات:
إرسال تعليق