آموزش آزمون رگرسیون خطی ساده در spss با مثال : جهت تحلیل هجدهمین مثال پژوهشی، باید از رگرسیون خطی ساده (محاسبه ضریب مسیرa ) و ورود همزمان (محاسبه ضریب مسیرb ) استفاده کرد و سپس در صورت نیاز (برای تایید یا رد میانجی گر جزیی) از آماره های سوبل استفاده شود.

مثال:

بررسی رابطه ی میان دلواپسی با میزان حوادث رانندگی با توجه به نقش میانجی گر حواس پرتی .

فرضیه های پژوهش :

1- دلواپسی به صورت مستقیم با حوادث رانندگی رابطه دارد.

2- دلواپسی از طریق حواس پرتی با حوادث رانندگی مرتبط است . جهت تحلیل هجدهمین مثال پژوهشی، باید از رگرسیون خطی ساده (محاسبه ضریب مسیرa ) و ورود همزمان (محاسبه ضریب مسیرb ) استفاده کرد و سپس در صورت نیاز (برای تایید یا رد میانجی گر جزیی) از آماره های سوبل استفاده شود.

در شکل 1 داده های مربوط به 20 آزمودنی فرضی در متغییرهای نگرانی ، حواس پرتی و حوادث رانندگی نمایش داده شده است .

 

روند اجرایی تحلیل مدل میانجی گر در زیر ارائه می شود و سپس نتایج تحلیل در خروجی 1 نمایش داده می شود.

از سربرگ Analyze گزینه ی Regression و از انشعاب آن گزینه ی Linear را انتخاب کنید.

متغییر وابسته را در جعبه : Dependent و متغییر مستقل را در جعبه ی : Independent(s) قرار داده و بر گزینه ی Next کلیک کنید.

سپس متغییر میانجی گر را در جعبه Independent(s) قرار دهید و فرمان را با کلیک OK اجرا کنید.

در خروجی 1 نتایج تحلیل گر میانجی گر با توجه به همبستگی های ساده و رگرسیون سلسله مراتبی ارایه شده است.

 

همان گونه که در نخستین جدول از خروجی 1 مشاهده می شود، همبستگی میان مسیرهای (a) ارتباط میان متغییر مستقل و میانجی گر ) 529/0 =r ) ، (b ) ارتباط میان متغییرهای میانجی گر (Distractibility) با متغییر وابسته (Accident Driving) ، (736/0 =r ) و مسیر (c) ارتباط میان متغییر مستقل (Worry) با متغییر وابسه برابر با (716/0 =r )و از لحاظ آماری معنی دارند.

بنابراین، سه تا از پیش شرط های مدل میانجی گر برای آزمون نقش واسطه ای متغییر حواس پرتی فراهم هستند.

در دومین جدول خروجی 1 و در نخستین بلوک، ضریب رگرسیون متغییر مستقل با متغییر وابسته برابر با (716/0 = β) است .

در دومین بلوک، وقتی که متغییر میانجی گر به همراه متغییر مستقل وارد معادله ی رگرسیون می شود، ضریب رگرسیون متغییر مستقل از (716/0 = β) به (454/0 = β) کاهش پیدا می کند.

اما کماکان این ضریب (454/0 = β) در سطح 011/0 >P از لحاظ آماری معنی دار است.

بنابراین با این سطح معنی داری میتوان نسبت به تایید نخستین فرضیه ی پژوهشی یعنی دلواپسی به صورت مستقیم با میزان حوادث رانندگی ارتباط دارد پاسخ داد.

اگر بررسی میزان کاهش در ضرایب رگرسیون (یعنی اختلاف میان 716/0 و 454/0 ) معنی دار باشد؛ میتوان فرضیه ی دوم یعنی ارتباط دلواپسی از طریق حواس پرتی را بر میزان حوادث تایید کرد. به بیان دیگر، بر میانجی گر بودن جزئی متغییر حواس پرتی صحه گذاشت.

ادامه دارد ...

 


 

 

برای دریافت متن کامل این مقاله آموزشی بسته آموزش تحلیل آماری با spss را تهیه کنید:

شما با این بسته می توانید تحلیل آماری با spss و amos را کامل و آسان بیاموزید

و قطعا قادر می شوید کارهای آماری را حودتان انجام دهید

چگونه؟

بسته آموزشی تجزیه تحلیل آماری با SPSS و AMOS

از صفر تا صد آموزش  spss

آموزش مباحث اساسی AMOS

آموزش به زبان ساده ، موضوعی و گام به گام همراه با تصویر

33 پکیج (1378 صفحه تصویری)+ به همراه همه مقالات آموزشی این سایت درباره spss

لطفا و خواهشا برای سوال های آماری و رفع اشکال تماس نگیرید

هر آنچه لازم باشد در این بسته آموزشی آمده است.


هر سوالی دارید بپرسید:
انتخاب جدیدترین موضوعات روانشناسی، مشاوره و علوم تربیتی و انجام تخصصی پروپوزال:
شماره تماس: 09011853901

 دانلود رایگان کتاب بانک موضوع پایان نامه در کانال تلگرام