İSTATİSTİK SPSS Kİ-KARE TESTİ
Bugün size Ki-Kare testi ile ilgili hazırladığımız videoumuzu sunacağız.İyi Çalışmalar.
9 Temmuz 2013 Salı
7 Temmuz 2013 Pazar
İSTATİSTİK SPSS REGRESYON ANALİZİ
İSTATİSTİK SPSS REGRESYON ANALİZİ
Bu eğitimde doğrusal regresyon gerçekleştirmek için SPSS 12.0 nasıl kullanılacağını göstereceğim. Bu doğrusal regresyon denklemi belirlemek için SPSS kullanacağız.
Bu örnek, sizin Spssye sahip olduğunuzı var sayar:
Lineer regresyon komut analiz de bulunur | Regresyon | Çizgisel (bu pencerenin üstündeki analiz menü öğesi tıklayarak, ve sonra menü açılır menüden Regresyon tıklayarak, ve menü pop Doğrusal için kısaltmadır.) :
Doğrusal regresyon iletişim kutusu görüntülenir:
Eğer Doğrusal regresyon iletişim kutusunun sol bölmesinde üzerine tıklayarak tahmin etmek istediğiniz değişkeni seçin. Sonra Bağımlı kutusuna değişken taşımak için üst ok düğmesini tıklayın:
Bunu tıklayarak dayalı tahmini Doğrusal regresyon iletişim kutusunun sol bölmesinde olduğu istediğiniz tek bir değişken seçin. (Eğer Bağımsız kutusuna birden fazla değişken taşırsanız, o zaman çoklu regresyon seslendirecek. Bu çok yararlı bir istatistiksel işlem olsa da, genellikle yüksek lisans dersleri için ayrılmıştır.) Daha sonra Bağımsız yanındaki ok düğmesini tıklayın ( s) kutusu:
Bu örnekte, dışa dönük değişkenin değerini verilen "Ben daha çok arkadaşlarımla dışarı çıkmak daha evde kalmak istiyorum" değişkenin değerini tahmin ediyorlar. Sen İstatistikler butonuna tıklayarak bağımsız ve bağımlı değişkenlerin tanımlayıcı istatistikleri yazdırmak için SPSS talep edebilirsiniz. Bu İstatistik iletişim kutusu görüntülenmesine neden olur:
Seçmek için Veriler tanımlayıcı yanındaki kutusunu tıklatın. Devam butonuna tıklayın. Doğrusal regresyon iletişim kutusunda, regresyon gerçekleştirmek için Tamam'a tıklayın. SPSS Çıktı Görüntüleyici çıktı görüntülenir:
Çıkış Tanımlayıcı İstatistik bölümü ortalama, standart sapma ve bağımlı ve bağımsız değişkenlerin her biri için gözlem sayısı (N) verir. Örneğin, "Ben daha çok arkadaşlarımla dışarı çıkmak daha evde kalmak istiyorum" değişken 4.11, ortalama değeri vardır.
Çıkışının korelasyonlar kısmı korelasyon gösterir. Bu çıkış korelasyon prosedürü çıktı daha farklı bir şekilde organize edilmiştir. Ilk satırı bağımsız ve bağımlı değişkenler arasındaki korelasyon verir. Daha önce olduğu gibi, arasındaki korelasyon ve kendisi ve dışa dönük ve dışa dönük arasında "Ben daha çok arkadaşlarımla dışarı çıkmak daha evde kalmak istiyorum" olması gerektiği gibi, 1'dir. Ve dışa dönük "Ben daha çok arkadaşlarımla dışarı çıkmak daha evde kalmak istiyorum" arasındaki korelasyon - .310, biz korelasyon prosedürden bulunan aynı değeri olan.
Bir sonraki satır korelasyon katsayılarının önemini verir. Bu yorumlamak için korelasyon öğretici tartışma bakın. Daha önce olduğu gibi, daha çok evde kalmak ve dışa dönük arasında doğrusal ilişki olsaydı biz korelasyon katsayıları bu büyük gözlemlemek olası değildir.
Son satırın değişkenlerin her biri için gözlem sayısı ve tüm bağımsız ve bağımlı değişkenler için değerleri gözlem sayısını verir.
Değişkenler Giren / çıkış sadece hangi bağımsız değişkenler denklemin bir parçasıdır (bu örnekte dışa dönük) ve ne bağımlı değişkendir (bu örnekte "Ben daha çok arkadaşlarımla dışarı çıkmak daha evde kalmak istiyorum" devletlerin bir parçası kaldırıldı .) bu (size tahmin etmek istediğiniz, size istediğiniz ne olduğundan emin olmak için bu kontrol edin "Ben daha çok arkadaşlarımla dışarı çıkmak daha evde kalmak istiyorum" dışa dönük puan verilecektir skor.)
Eğer çoklu regresyon gerçekleştirirken çıktı Modeli Özet kısmı çok yararlıdır (yaptığımızı değil hangi.) Sermaye R birden fazla bağımsız değişkenlerin bağımlı değişken ile ilgili ne kadar güçlü söyler çoklu korelasyon katsayısı.Basit iki değişkenli durumda (biz ne yaptığını) R = | r | (çoklu korelasyon iki değişkenli korelasyon mutlak değerine eşittir.) R kare bize belirleme katsayısı verir gibi yararlıdır.
Çıktının ANOVA kısmı bizim için çok yararlı değildir. Temelde regresyon denklemi bağımsız değişkenler değişkenlik gelen bağımlı değişken olarak değişkenlik istatistiksel olarak önemli bir bölümünü açıklayan olup olmadığını söyler.
Çıkış Katsayıları kısmı bize regresyon denklemi yazmak için gereken değerleri verir. Regresyon denklemi şeklinde olacaktır:
Öngörülen değişken (bağımlı değişken) = eğim * bağımsız değişken + kesişim
Eğim hat regresyon çizgisi ne kadar dik. 0 bir eğimi yatay bir çizgi, 1 bir eğim alt soldan üst sağa diyagonal bir çizgi ve bir dikey çizgi sonsuz bir eğime sahiptir. Bağımsız değişken 0 değeri olduğunda regresyon hattı Y ekseni grev nerede kesmek olduğunu.
Tahmin değişken kutulu tablo altında verilen bağımlı değişkendir. Bu durumda "Ben daha çok arkadaşlarımla dışarı çıkmak daha evde kalmak istiyorum." Dir. Eğimi bağımsız değişken (dışa dönük bu durumda) ve bu örnekte B. etiketli sütun ile etiketli hattının kesiştiği noktada bulunan, eğimi -0,277 eşittir. Bağımsız değişken dışa dönük kesişim etiketli hattı (Sabit) kesiştiği ve bu örnekte B. etiketli sütun bulunur (biz regresyon kurarken. Belirtildi) idi, kesişim 4.808 olduğunu. Hepsini bir araya getirirsek, regresyon denklemi:
= -0,277 Dışa dönük X değeri + 4.808 "Ben daha çok arkadaşlarımla dışarı çıkmak daha evde kalmak istiyorum" tahmin edilen değeri
Bu bir kişinin 2 bir dışa dönük puan varsa, biz tahmin ediyorum, yani kendi -0,277 olurdu puan "Ben daha çok arkadaşlarımla dışarı çıkmak daha evde kalmak istiyorum" X 2 + 4.808 = 4.254. Böylece, onlar (2 dışa dönük soru üzerine) dışadönük olduğu deyimi ile kabul eder bir kişi muhtemelen onlar yerine evde kalmak ve (4 [~ 4.254 arkadaşlarıyla birlikte dışarı çıkmak daha okurdum ifadeye katılmıyorum olacağını tahmin olur ] üzerinde "Ben yerine evde kalmak ..." soru.) r küçük değeri göz önüne alındığında, bizim tahmin, genel olarak, çok doğru olmayacaktır.
Bu örnek, sizin Spssye sahip olduğunuzı var sayar:
- Ait SPSS (Başlat tıklayın | Programlar | Windows için SPSS | SPSS 12.0 Windows için)
Doğrusal regresyon
Doğrusal regresyon iki değişken arasındaki ilişkinin doğası belirtmek için kullanılır. Bakarak bir başka yolu da, tek değişkenli (SPSS bağımsız değişken olarak adlandırılır) değeri verilir, nasıl (SPSS bağımlı değişken olarak adlandırılır) başka bir değişkenin değerini tahmin edebilirsiniz? Bir gerçekleştirmek istediğiniz unutmayın saçılım ve korelasyon Eğer lineer regresyon gerçekleştirmeden önce (varsayımlar yerine getirildiğini görmek için.)Lineer regresyon komut analiz de bulunur | Regresyon | Çizgisel (bu pencerenin üstündeki analiz menü öğesi tıklayarak, ve sonra menü açılır menüden Regresyon tıklayarak, ve menü pop Doğrusal için kısaltmadır.) :
Doğrusal regresyon iletişim kutusu görüntülenir:
Eğer Doğrusal regresyon iletişim kutusunun sol bölmesinde üzerine tıklayarak tahmin etmek istediğiniz değişkeni seçin. Sonra Bağımlı kutusuna değişken taşımak için üst ok düğmesini tıklayın:
Bunu tıklayarak dayalı tahmini Doğrusal regresyon iletişim kutusunun sol bölmesinde olduğu istediğiniz tek bir değişken seçin. (Eğer Bağımsız kutusuna birden fazla değişken taşırsanız, o zaman çoklu regresyon seslendirecek. Bu çok yararlı bir istatistiksel işlem olsa da, genellikle yüksek lisans dersleri için ayrılmıştır.) Daha sonra Bağımsız yanındaki ok düğmesini tıklayın ( s) kutusu:
Bu örnekte, dışa dönük değişkenin değerini verilen "Ben daha çok arkadaşlarımla dışarı çıkmak daha evde kalmak istiyorum" değişkenin değerini tahmin ediyorlar. Sen İstatistikler butonuna tıklayarak bağımsız ve bağımlı değişkenlerin tanımlayıcı istatistikleri yazdırmak için SPSS talep edebilirsiniz. Bu İstatistik iletişim kutusu görüntülenmesine neden olur:
Seçmek için Veriler tanımlayıcı yanındaki kutusunu tıklatın. Devam butonuna tıklayın. Doğrusal regresyon iletişim kutusunda, regresyon gerçekleştirmek için Tamam'a tıklayın. SPSS Çıktı Görüntüleyici çıktı görüntülenir:
Çıkış Tanımlayıcı İstatistik bölümü ortalama, standart sapma ve bağımlı ve bağımsız değişkenlerin her biri için gözlem sayısı (N) verir. Örneğin, "Ben daha çok arkadaşlarımla dışarı çıkmak daha evde kalmak istiyorum" değişken 4.11, ortalama değeri vardır.
Çıkışının korelasyonlar kısmı korelasyon gösterir. Bu çıkış korelasyon prosedürü çıktı daha farklı bir şekilde organize edilmiştir. Ilk satırı bağımsız ve bağımlı değişkenler arasındaki korelasyon verir. Daha önce olduğu gibi, arasındaki korelasyon ve kendisi ve dışa dönük ve dışa dönük arasında "Ben daha çok arkadaşlarımla dışarı çıkmak daha evde kalmak istiyorum" olması gerektiği gibi, 1'dir. Ve dışa dönük "Ben daha çok arkadaşlarımla dışarı çıkmak daha evde kalmak istiyorum" arasındaki korelasyon - .310, biz korelasyon prosedürden bulunan aynı değeri olan.
Bir sonraki satır korelasyon katsayılarının önemini verir. Bu yorumlamak için korelasyon öğretici tartışma bakın. Daha önce olduğu gibi, daha çok evde kalmak ve dışa dönük arasında doğrusal ilişki olsaydı biz korelasyon katsayıları bu büyük gözlemlemek olası değildir.
Son satırın değişkenlerin her biri için gözlem sayısı ve tüm bağımsız ve bağımlı değişkenler için değerleri gözlem sayısını verir.
Değişkenler Giren / çıkış sadece hangi bağımsız değişkenler denklemin bir parçasıdır (bu örnekte dışa dönük) ve ne bağımlı değişkendir (bu örnekte "Ben daha çok arkadaşlarımla dışarı çıkmak daha evde kalmak istiyorum" devletlerin bir parçası kaldırıldı .) bu (size tahmin etmek istediğiniz, size istediğiniz ne olduğundan emin olmak için bu kontrol edin "Ben daha çok arkadaşlarımla dışarı çıkmak daha evde kalmak istiyorum" dışa dönük puan verilecektir skor.)
Eğer çoklu regresyon gerçekleştirirken çıktı Modeli Özet kısmı çok yararlıdır (yaptığımızı değil hangi.) Sermaye R birden fazla bağımsız değişkenlerin bağımlı değişken ile ilgili ne kadar güçlü söyler çoklu korelasyon katsayısı.Basit iki değişkenli durumda (biz ne yaptığını) R = | r | (çoklu korelasyon iki değişkenli korelasyon mutlak değerine eşittir.) R kare bize belirleme katsayısı verir gibi yararlıdır.
Çıktının ANOVA kısmı bizim için çok yararlı değildir. Temelde regresyon denklemi bağımsız değişkenler değişkenlik gelen bağımlı değişken olarak değişkenlik istatistiksel olarak önemli bir bölümünü açıklayan olup olmadığını söyler.
Çıkış Katsayıları kısmı bize regresyon denklemi yazmak için gereken değerleri verir. Regresyon denklemi şeklinde olacaktır:
Öngörülen değişken (bağımlı değişken) = eğim * bağımsız değişken + kesişim
Eğim hat regresyon çizgisi ne kadar dik. 0 bir eğimi yatay bir çizgi, 1 bir eğim alt soldan üst sağa diyagonal bir çizgi ve bir dikey çizgi sonsuz bir eğime sahiptir. Bağımsız değişken 0 değeri olduğunda regresyon hattı Y ekseni grev nerede kesmek olduğunu.
Tahmin değişken kutulu tablo altında verilen bağımlı değişkendir. Bu durumda "Ben daha çok arkadaşlarımla dışarı çıkmak daha evde kalmak istiyorum." Dir. Eğimi bağımsız değişken (dışa dönük bu durumda) ve bu örnekte B. etiketli sütun ile etiketli hattının kesiştiği noktada bulunan, eğimi -0,277 eşittir. Bağımsız değişken dışa dönük kesişim etiketli hattı (Sabit) kesiştiği ve bu örnekte B. etiketli sütun bulunur (biz regresyon kurarken. Belirtildi) idi, kesişim 4.808 olduğunu. Hepsini bir araya getirirsek, regresyon denklemi:
= -0,277 Dışa dönük X değeri + 4.808 "Ben daha çok arkadaşlarımla dışarı çıkmak daha evde kalmak istiyorum" tahmin edilen değeri
Bu bir kişinin 2 bir dışa dönük puan varsa, biz tahmin ediyorum, yani kendi -0,277 olurdu puan "Ben daha çok arkadaşlarımla dışarı çıkmak daha evde kalmak istiyorum" X 2 + 4.808 = 4.254. Böylece, onlar (2 dışa dönük soru üzerine) dışadönük olduğu deyimi ile kabul eder bir kişi muhtemelen onlar yerine evde kalmak ve (4 [~ 4.254 arkadaşlarıyla birlikte dışarı çıkmak daha okurdum ifadeye katılmıyorum olacağını tahmin olur ] üzerinde "Ben yerine evde kalmak ..." soru.) r küçük değeri göz önüne alındığında, bizim tahmin, genel olarak, çok doğru olmayacaktır.
25 Haziran 2013 Salı
SPSS VERİ ANALİZİ ÖRNEKLERİ
Veri Analizi Örnekler
Aşağıdaki sayfaları farklı istatistik paket kullanarak farklı istatistiksel analiz tekniklerinin uygulanması gösteren örnekleri (genellikle varsayımsal) içerir. Her sayfa analizi örnek veriler, örnek analiz ve daha fazla bilgi için referans ardından çıktı bir açıklama ile birlikte kullanılabilir ne zaman örnekleri bir avuç sağlar. Bu sayfalar sadece tanıtmak özü tekniği ve yapmak değil nasıl kullanılacağını kapsamlı bir açıklama sağlar.
Konuları ve paket kombinasyonu sık sık istatistik danışmanlık istenir soruları yansıtmaktadır. Bu nedenle, bu ağır danışmanlık değil, dünyanın dört bir yanından okuyucu talep yürüyüş müşterilerimize gelen talep yansıtır. Onlar müşterilerimizin sorular yansıtılmaz çünkü birçok layık konular kapsamında değildir. Ayrıca, tüm analiz teknikleri tüm paketler ele alınacaktır, yine büyük ölçüde müşteri talep tarafından belirlenir. Bir analiz belirli bir paket gösterilir değilse, bu mu paket analizi yapamaz anlamına değil , sadece analiz yaygın olarak müşterilerimizin bu paket yapılmadığı anlamına gelebilir.
| Stata | SAS | SPSS | Mplus | R | |
|---|---|---|---|---|---|
| Regresyon modeller | |||||
| Sağlam Regresyon | Stata | SAS | R | ||
| İkili ve Kategorik Sonuçları için modeller | |||||
| Lojistik Regresyon | Stata | SAS | SPSS | Mplus | R |
| Tam Lojistik Regresyon | Stata | SAS | R | ||
| Çoklu Lojistik Regresyon | Stata | SAS | SPSS | Mplus | R |
| Sıra Lojistik Regresyon | Stata | SAS | SPSS | Mplus | R |
| Probit regresyon | Stata | SAS | SPSS | Mplus | R |
| Modeller Sayısı | |||||
| Poisson Regresyon | Stata | SAS | SPSS | Mplus | R |
| Negatif Binom Regresyon | Stata | SAS | SPSS | Mplus | R |
| Sıfır şişirilmiş Poisson Regresyon | Stata | SAS | Mplus | R | |
| Sıfır şişirilmiş Negatif Binom Regresyon | Stata | SAS | Mplus | R | |
| Poisson Sıfır kesilmiş | Stata | SAS | R | ||
| Sıfır kesilmiş Negatif Binom | Stata | SAS | Mplus | R | |
| Sansür ve Kesik Regresyon | |||||
| Tobit regresyon | Stata | SAS | Mplus | R | |
| Kesik Regresyon | Stata | SAS | R | ||
| Aralığı Regresyon | Stata | SAS | R | ||
| Çok Değişkenli Analiz | |||||
| Tek yönlü MANOVA | Stata | SAS | SPSS | ||
| Diskriminant Fonksiyon Analizi | Stata | SAS | SPSS | ||
| Kanonik Korelasyon Analizi | Stata | SAS | SPSS | R | |
| Çok değişkenli Çoklu Regresyon | Stata | SAS | Mplus | ||
| Karışık Etkileri Modelleri | |||||
| Genelleştirilmiş Doğrusal Karışık Modeller | GLMMs giriş | ||||
| Karışık Etkileri Lojistik Regresyon | Stata | R | |||
| Diğer | |||||
| Gizli Sınıf Analizi | Mplus | ||||
Güç Analizleri
Hibe ve teklifler için, ortak bir veri analizleri için ilgili güç analizleri için de yararlıdır. Aşağıda bazı basit güç analizi örnekleri var.
| Stata | SAS | SPSS | Mplus | R | G * Güç | |
|---|---|---|---|---|---|---|
| Güç Analizi / Örneklem Büyüklüğü | ||||||
| Tek örnek t-testi | Stata | SAS | R | G * Güç | ||
| Eşleştirilmiş-örneklem t-testi | Stata | SAS | R | G * Güç | ||
| Bağımsız örneklem t-testi | Stata | SAS | R | G * Güç | ||
| İki Bağımsız Oranları | Stata | SAS | G * Güç | |||
| Tek yönlü ANOVA | Stata | SAS | G * Güç | |||
| Çoklu Regresyon | Stata | SAS | G * Güç | |||
| Parametre Tahmini Doğruluk | Stata |
Kaydol:
Yorumlar (Atom)