آموزش spss به زبان ساده

مدل های رگرسیون خطی با واریانس ثابت را می توان با استفاده از روش «کمترین مربعات وزن دار شده» (Weighted least squares) برازش داد.

در مدل های Bias (اُریب) دار، بیاید بتوانیم به نحوی با کمک «تبدیلات» (transformation) اریبی را از بین ببریم.

برای یافتن «داده های پرت» (outlier Data) در مجموعۀ داده ها می توانیم از مقادیر z استفاده کنیم.

برای رسم نمودار باقیمانده در مقابل مقادیر برازش یافته می توانید از پنجرۀ linear regression: plots استفاده کنید.

فاصله اطمینان در spss برای یک مدل خطی ساده

در بخش های دیگر گفتیم که فرض اساسی این بود که میانگین ها و نمونه های هر گروه مستقل از یکدیگر هستند.

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

واژه «رگرسیون» (Regression) به معنای «بازگشت» بوده و نشان دهندۀ آن است که مقدار یک متغیر به متغیر دیگری بر می گردد.

سطح زیر منحنی بر حسب نوع آزمون، α و توزیع نمونه گیری X ̅_1- X ̅_2تعریف می شود.

امروزه کمبود «اطلاعات» وجود ندارد. بدون توجه به اینکه فرایند چقدر کوچک یا تا چه اندازه سر راست است، وسایل اندازه گیری فراوان هستند.

رسم نمودار پراکندگی در spss : «نمودار پراکندگی» (scatter plot) در تحلیل آماری کاربرد دارد که در این بخش نحوه رسم آن را در یک نمونه ضریب همبستگی نشان می دهیم.

در محیط spss هفت روش، جهت طبقه بندی، وجود داشته و ما فقط روش Discriminant را بررسی می کنیم:

در مقاله دیگر، با استفاده از روشهایی که توسط آقای Fisher (فیشر) پیشنهاد شده است، « ممیزی» و « رده بندی» را با هم در نظر می گیریم.

تحلیل «ممیزی و رده بندی» (Classification and Discrimination) تکنیک های چند متغیره هستند که به جدا کردن مجموعه های متمایز اشیاء (یا مشاهدات) و با تخصیص دادن اشیاء (مشاهدات) جدید به دسته های تعریف شدۀ قبلی بستگی دارد:

آزمون کلموگروف – اسمیرنوف :

1- داده ها را در پنجره Data Editor وارد کنید.

2- دستور Analyze > Descriptive statistics > Explore… را اجرا کنید، شکل 8-4.

آزمون فرض آماری میانگین یک جامعه : اگر فرضیه ای در خصوص میانگین یک جامعه آماری طراحی شود، با استفاده از مراحل آزمون فرض آماری می توان صحت یا سقم فرضیه را در سطح معنی داری α تعیین کرد.

 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.

موضوع متغیرهای میانجی گر و تعدیل گر یکی از بحث برانگیزترین نکات رگرسیون چند متغیری است که اغتشاشات مفهومی و تعبیر و تفسیرهای گوناگونی را میان پژوهشگران برانگیخته است.

پیشگفتار : جامعه های مختلف در آزمون های پارامتری و غیر پارامتری فقط با لحاظ صفت متغیر مورد بررسی و مقایسه قرار می گیرد.

چنانچه بخواهید نزدیک بودن توزیع «داده ها» (data)به یک توزیع «نرمال»(normal) را بررسی کنید، استفاده از نمودار های از نوع Histogram (هیستوگرام) مفید است.