در مقالات قبلی گفتیم که چطور می توان فرض H0:β0 =0 وH0: β1= 0 را آزمون کرد.

اگر فرض H0: β1= 0 تایید شود نشان می دهد بین XوY رابطه خطی وجود ندارد. با استفاده از «تحلیل واریانس » (Analysis of variance) نیز می توان وجود رابطه خطی بین متغیر های XوYرا آزمون کرد.

همانطور که می دانید ایده اصلی تحلیل واریانس مبتنی بر نمایش میزان کل تغیرات یک مجموعه آماری به صورت جمع چند عبارتست که بتوان هر یک را به منشا یا علت خاص تغییرات نسبت داد.

اگر در رگرسیون ، تغییرات Yرا نتوان به تغییرات Xنسبت داد ، وجود رابطه خطی بین XوY مردود است.

برای انجام آزمون فرض در خصوص H0: β1= 0 جدول «تحلیل واریانس» بصورت جدول 2-6 نشان داده می شود.

چنانچه مقدار آمار آزمون ، F0 ، بزرگتر از مقدار بحرانی باشد فرض صفر در سطح معنی داری αرد می شود و می توان فرض عدم رابطه خطی بین XوYرا مردود دانست.

مثال 3:

برای داده های مثال 1 که معادله آن قبلا محاسبه شده است ، با استفاده از جدول ANOVA(تحلیل واریانس) ، رابطه خطی بین XوYرا در سطح معنی دار پنج درصد بررسی کنید.

 

پاسخ:

در این مثال ، از جدول ANOVAخروجی 1-6 استفاده می کنیم:

بنابراین فرض H0: β1= 0 رد می شود.

ب عبارت دیگر، شواهد کافی بر رابطۀ خطی بین X و Y وجود دارد.

در جدول ANOVA تغییرات مربوط به مدل با عبارت Regression نشان داده شده و مجموع مربعات مدل (SS Regression) برابر328.190 و تغییرات مربوط به عامل خطا با عبارت Residual (باقیمانده) نشان داده شده است و مجموع مربعات خطا (SS Residual) برابر 69.477 است.

تغییرات کل مدل با Total نشان داده شده و مجموع مربعات کل (SS total) برابر 397.667 است:

SS total = SS Regression+ SS Residual 397.667 = 328.190 + 69.477 همانطور که در تمرین فوق دیدید، از این جدول می توان برای آزمون خطی بودن مدل استفاده کرد، یعنی آزمون فرض:

 

در انتها ، لازم به ذکر است که جدول Model Summary (خلاصه مدل) ، اطلاعاتی از قبیل «خطای استاندارد برآورده شده »، «ضریب تعیین»، «ضریب تعیین تصحیح شده» را نشان می دهد.

در مثال 1 این مقادیر عبارتند از : 

خطای استاندارد بر آورده شده:

 

در حقیقت R^2 معرف درصد تغییراتی است که توسط مدل توضیح داده می شود (درصد تغییرات Yکه توسط X توضیح داده می شود).

در این مثال پیش از 82درصد از تغییرات Yتوسط Xتوضیح داده شده است.

 

ضریب تعیین تعدیل شده:

 

نکته:

جهت بررسی Fit (برازش) بودن مدل رگرسیونی به داده ها؛ از جداول Model Summary (خلاصه مدل) و ANOVA (تحلیل واریانس) که به عنوان خروجی ارائه می شود استفاده کنید:

برای تعیین نسبت واریانس توضیح داده شده توسط مدل ازR^2 استفاده کنید.

اگر مقدار Sig.< 0.05 مدل روی کل داده ها برازش خوبی داشته است برای بررسی استقلال خطاهای رگرسیونی می توانید از مقادیرR^2 استفاده کنید.

 

نکته:

هنگام استفاده ار رگرسیون Hierarchicail (سلسله مراتبی)، در هر مرحله با نگاه کردن به مقدار R^2 می توانید میزان بهبودی مدل و معنی دار بودن هر مرحله را تشخیص دهید.

برای این منظور، ستون sig.که در آن مقادیر از 0.05 کمتر است را بیابید.


 

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.

 


انتخاب جدیدترین موضوعات پایان نامه روانشناسی، مشاوره و علوم تربیتی و انجام تخصصی پروپوزال(دانلود نمونه کار پروپوزال)::

شماره تماس: 09011853901
جهت ارسال سریع پیام در پیام رسان های زیر نام هر یک را لمس کنید.