آموزش مدل تحلیل لگاریتم خطی در spss در انجام پایان نامه روانشناسی و همه رشته های مرتبط با اس پی اس اس کاربرد دارد.

دلیل انجام آنالیز لگاریتم خطی :

در آرمون مربع کای ساده در یک جدول توافقی 2*2 فراوانی های مورد انتظار (Expected) با ضریب کردن فراوانی های حاشیه ای کل و تقسیم کردن حاصل آن به فراوانی کل بدست می آید.

زیرا فرضیه صفر استقلال متغیرها به این معنی است که احتمال این که یک فرد در یک خانه قرار بگیرد، حاصل ضریب احتمال های اثر اصلی است که از روی جمع های حاشیه ای بدست می آید.

(به خاطر بیاورید که احتمال وقوع توام ) پیش آمدهای مستقل، حاصل ضرب احتمال های جداگانه آن هاست. ) آنالیز لگاریتم خطی از این قاعده استفاده کرده است که لگاریتم حاصل ضرب،جمع لگاریتم های عبارات موجود در ضرب است.

بنابراین لگاریتم فراوانی های خانه ها می تواند بصورت تابع خطی (یعنی جمعی) لگاریتم های اجزا بیان شود.

اگر فردی بخواهد به جای لگاریتم خانه ها، مستقیما با فراوانی آنها کار کند، لازم است که یک مدل ضربی برای داده ها استفاده کند.

هر چند که این حالت نیز امکان پذیر است، اما سادگی مدل جمعی که یک مدل از نوع آنالیز واریانس است،را از دست می دهیم. 

ایجاد مدل لگاریتم خطی هدف آنالیز لگارتم خطی ساختن مدلی است که فراوانی های خانه های یک جدول توافقی را ببا حراقل تعداد عبارات در مدل تخمین بزند.

در ساختن چنین مدلی، دستورالعمل متفاوتی را می توان پی گرفت، اما شاید روش سلسله ای رو به عقب (Backward hierarchical method) قابل فهم ترین روش باشد.

قدم اول ساختن یک مدل اشباع شده برای فراوانی های خانه هاست که در آن تمام اثرات جزئی وجود دارد.

این مدل فراوانی های خانه ها را کاملا پیش بینی می کند.

قدم بعدی ان است که بالاترین رده اثر متقابل را از مدل حذف کنیم تا ببینیم که این کار چه اثری روی پیش بینی مدل در مورد فراوانی های خانه ها می گذارد.

ممکن است بتوان این اثر متقابل را بدون آن که اثر قابل توجهی بر روی صحت برآورد فراوانی های هدف داشته باشد،حذف کرد.

فرایند حذف پیش رونده ادامه پیدا می کند و هر بار که عبارتی حذف می شود، یک آزمون آماری انجام می گیرد تا تعیین کند که آیا صحت پیش بینی به قدر کافی کاهش می یابد.

اگر صحت پیش بینی خیلی کاهش یابد،در حقیقت نشان دهنده ی ان است که آخرین عبارتی که حذف شده است باید به عنوان یکی از عبارات مدل نهایی در نظر گرفته شود.

ارزیابی تطابق مدل در هر مرحله با کمک آماره ای انجام می شود که به نام نسبت راست نمایی (Likelihood Ratio) شناخته می شود (در SPSS به نام L.R.Chisq است) که دارای توزیع شناخته شده ای است.

ارزیابی مدل نهایی با مقایسه فراوانی های مشاهده شده و منتظره برای هر یک از خانه ها صورت می گیرد و همان گونه که در بالا ذکر شد با استفاده از نسبت راست نمایی می باشد.

اما ارزیابی توزیع باقیمانده ها(تفاوت بین فراوانی های مشاهده شده و منتظره) و از آن مناسب تر، باقیمانده های استاندار شده (باقیمانده هایی که به فرم استاندارد شده ارائه شده اند) از طریق روش های رگرسیونی نیز قابل توصیه است. 

فراوانی های مورد انتظار کوچک برای ان که همانند ازمون مربع کای، این آزمون نیز صحیح باشد، لازم است که اندازه گیری فراوانی مورد انتظار (نه فراوانی مشاهده شده) در هر یک از خانه ها کافی باشد.

فراوانی های مورد انتظار کوچک می تواند منجر به کاهش جدی توان آزمون شود.

در شرایط زیر، فراوانی های مورد انتظار کم مشکلی ایجاد نمی کنند:

1- در مقایسه با حجم نمونه،تعداد متغیرها زیاد نباشد.

2- طبقه ای با موارد خیلی کم وجود نداشته باشد. Tabachnic و Fidell (1966) پیشنهاد می کنند که برای تمامی رابطه های دو طرفه، فراوانی های مورد انتظار خانه ها را بررسی کنید تا مطمئن شوید که تمامی فراوانی های مورد انتظار بزرگتر از یک باشند و کم تر از 20% ان ها کوچک تر از 5 باشد.

در صورتی که در مورد فرض فراوانی های مورد انتظار خانه ها شکی وجود داشته باشد، می توان آن ها را با استفاده از دستور Crosstabs بررسی کرد.


مشاوره و انجام پروپوزال، پايان نامه ، پروژه و تحلیل آماری با spss:
مشاور:علی محمدی
شماره تماس: 09011853901
ايميل: این آدرس ایمیل توسط spambots حفاظت می شود. برای دیدن شما نیاز به جاوا اسکریپت دارید

 

Go to top
تمام حقوق این سایت محفوظ می باشد .

مدیریت و سفارش خدمات: 09011853901