همانطور که گفته شد، یکی از فرض های مدل رگرسیون خطی، فرض نرمال بودن مانده هاست. برای بررسی این فرض از «نمودار نرمال» (Normal plot) استفاده می شود.

بررسی نرمال بودن باقیمانده ها :

همانطور که گفته شد، یکی از فرض های مدل رگرسیون خطی، فرض نرمال بودن مانده هاست. برای بررسی این فرض از «نمودار نرمال» (Normal plot) استفاده می شود. مثال 10: نرمال بودن باقی مانده های مربوط به داده های جدول 6-6 را بررسی کنید.


نحوه رسم نمودار نرمال در spss

پاسخ:

1- داده ها را در SPSS وارد کنید.

2- دستور Analyze > Regression > linear…را اجرا کنید.

3- متغیر X را به عنوان متغیر «مستقل» (Independent) و متغیر Y را به عنوان متغیر «وابسته» (Dependent) به SPSS معرفی کنید.

4- در سمت راست پنجره روی دکمۀ Plots… کلیک کنید تا پنجره linear regression: plots باز شود. اکنون متغیر *ZRESID رابه ناحیۀ مستطیلی Y و DEPENDNT را به ناحیۀ X منتقل کنید، شکل 21-6.

5- ابتدا روی continue (ادامه) کلیک کنید.

6- روی دکمۀ ok کلیک کنید، خروجی 7-6


نحوه رسم نمودار نرمال در spss

مثال:

برای دادهای جدول 7-6 یک مدل بدون «عرض از مبداء» (Intercept) را برازش کنید.

جدول 7-6 مشاهدات نمونه ای

پاسخ:

1- داده ها را در SPSS وارد کنید.

2- دستور Analyze > Regression > linear…را اجرا کنید.

3- در پنجرۀ linear regression (رگرسیون خطی) انواع متغیر های مستقل(before) و متغیرهای وابسته (after) را تعیین کنید.

4- روی دکمۀ options… (گزینه ها) در ناحیۀ بالا – سمت راست پنجره linear regression: options کلیک کنید تا پنجرۀ باز شود. در این پنجره گزینۀ Include constant in equation (عرض از مبداء در معادله منظور شود) را از انتخاب خارج کنید، شکل 22-6.

 

5- ابتدا روی continue و سپس روی دکمۀ ok کلیک کنید.


نحوه رسم نمودار نرمال در spss

 

خروجی مراحل فوق، یعنی مدل بودن «عرض از مبداء» و یا به عبارتی بدون «مقدار ثابت» (constant) را می توانید در خروجی 8-6 ببینید.

همانطور که می بینید، در این خروجی مدل مورد نظر عبارتست از: After = 1.129 (Before)