مقایسه تحلیل تشخیص و رگرسیون لجستیک در تحلیل آماری پایان نامه روانشناسی با spss در ادامه آموزش داده می شود.
مقایسه تحلیل تشخیص و رگرسیون لجستیک
در این بخش به مقایسه دو روش رگرسیون لجستیک و تحلیل تشخیص می پردازیم. اندازه ( حجم) نمونه بدیهی ترین اثر را روی تفاوت میان این دو روش دارد.
روش تحلیل تشخیص بر اساس فرض نرمالیتی روی متغیرها صورت می گیرد.
خطاهایی که در پیش بینی نیز حاضر می شوند تنها در ارتباط با خطاهای برآوردیابی میانگین و واریانس نمونه می باشند.
ولی روش رگرسیون لجستیک با هر گونه توزیعی سازش دارد و هیچ فرض خاصی روی توزیع ندارد.
بنابراین در حالتی که اندازه نمونه است تفاوت میان توزیع نمونه فرض شده و توزیع نمونه آزمون شده می تواند اساسی و مهم باشد، اما زمانی که اندازه نمونه افزایش می یابد، توزیع نمونه گیری پایدارتر می شود که منجر به نتایج بهتر برای رگرسیون لجستیک می شود.
بنابراین نتایج دو روش نزدیک به هم می شود، زیرا جمعیت به صورت نرمال توزیع شده است. زمانی که اندازه نمونه از 50 بیشتر باشد هر دو روش 5/0 درصد موارد متفاوت هستند.
بنابراین زمانی که متغیرهای مستقل به صورت نرمال توزیع نشده اند استفاده از تحلیل تشخیص خطی از لحاظ نظری اشتباه است.
هر دو روش در شکل تابعی یکسان هستند و تفاوت بیشتر در برآورد ضرایب وجود دارد. فرض معمول دیگری که در استفاده از تحلیل تشخیص باید مورد استفاده قرار بگیرد، فرض نداشتن هم خطی چندگانه می باشد.
به عبارت دیگر زمانی باید از تحلیل تشخیص استفاده شود که متغیرهای مستقل باهم همبستگی بالایی نداشته باشند. رگرسیون لجستیک در حالت هایی که معمولا متغیر وابسته دو بخشی و متغیرهای مستقل اسمی، ترتیبی یا فاصله هستند، روش مناسب تری است و هنگامی که متغیر وابسته بیشتر از دو طبقه (گروه) دارد تحلیل تشخیص، روش مناسب تری است.
البته تفاوت اصلی در بررسی فرض های مربوط به متغیرهای مستقل می باشد.
لازم به ذکر است که برخلاف یک اعتقاد رایج، هر دو روش می توانند برای بیشتر از دو طبقه به کار گرفته شوند. در هر دو روش، طبقه ها در متغیر وابسته باید دو به دو ناسازگار باشند، اما رگرسیون لجستیک نیازی به این که متغیرهای مستقل به صورت نرمال توزیع شده باشند و یا عدم هم خطی بین متغیرهای مستقل و تساوی واریانس درون گروه و غیره ندارد.
به هر حال رگرسیون لجستیک به فرضیات کمتری وابسته است و در نتیجه دارای کاربرد گسترده تری است.