آزمون کای مربع در spss برای تحلیل آماری پایان نامه روانشناسی و هر رشته دیگر مورد نیاز است که در این مقاله با مثال و تمرین آموزش داده می شود.

آماره ی مربع کای:

در رگرسیون لوجستیک از آماره ای بسیار زیاد استفاده می شود که به صورت گوناگونی نوشته می شود از جمله به صورت -2log(likelihood)،-2LL،و یا -2LogL،این آماره شبیه به مربع کای رفتار می کند و هنگامی که یک مدل تطابق ضعیفی دارد دارای مقدار بزرگی است و هنگامی که مدل با داده ها به خوبی تطابق دارد، مقدار آن کوچک می شود.

جدول تاریخچه تکرارها :

خروجی، تاریخچه ی تکرارها را (در جدولIteration history )نشان می دهد که میزان موفقیت مدل، در هر قدم با کمک آماره ی مربع کای -2LL اندازه گیری می شود.

در هر نوبت اجرا، مقدار مربع کای کاهش می باید. اما بعد از چند تکرار، نزدیک یک مقدار ثابت تجمع می کند.

هنگامی که تغییر مربع کای به زیر 1% درصد بیفتد، روند تکرار پایان می یابد. همان طور که در شکل ملاحضه می کنید در Step پنجم این روند پایان پذیرفته است.

آموزش آزمون کای مربع در spss برای تحلیل آماری پایان نامه روانشناسیآموزش آزمون کای مربع در spss برای تحلیل آماری پایان نامه روانشناسی

 

چند جدول آماره هایی را ارائه می کنندکه تطابق مدل را با داده ها نشان می دهد. جدول Model Summry شامل دو اماره است که شبیه به ضریب تعیین(R2) در رگرسیون معمولی با حداقل مربعات می باشد.

جدول Hosmer and Lesmeshow Test (که این هم در خروجی ارائه شده است) حاوی آزمونی به همین نام است که یک آزمون مربع کای می باشد. این آزمون تطابق بین تعداد موارد مشاهده شده و مورد انتظار را برای دو طبقه عضویت در حزب نشان می دهد.

(بالا بودن مقدار p-value دلیل تطابق خوب است.) این تطابق را در جدول توافقی برای آزمودن Hosmer and Lesmeshow به خوبی می بینید.

 آموزش آزمون کای مربع در spss برای تحلیل آماری پایان نامه روانشناسی

و در نهایت جدولی (به نام Variables in the Equation) که در شکل مربوطه ارائه شده است) ضرایب معادله لوجیت خطی را لیست می کند. در اولین ستون اطلاعات، مقدار عرض از مبدا (مقدار ثابت) و ضرایب جنسیت، موقعیت شغلی و محل سکونت به ترتیب با 749/2،645/0-،610/-،610/0+،079/0-نشان داده شده است.

بنابراین معادله لوجیت آن به صورت Logit=-0/645B1+0/610B2-0/079B3+2/749 مقدار ضرایب 610/0 برای متغیر موقعیت شغلی به این معنی است که برای یک موقعیت شغلی،به میزان لگاریتم شانس عضویت در حزب خاص610/0 اضافه می کند.

به عبارت دیگر یعنی شانس عضویت در یک حزب در e0/610=1/840 ضرب می شود که این مقدار در آخرین ستون سمت راست با عنوان Exp (B) ارائه شده است.

از آنجا که محل زندگی اثر قابل چشم پوشی دارد، این انالیز را می توان بار دیگر با حضور بقیه متغیرها تکرار کرد. وقتی این کار انجام می شود، تعداد مواردی که به درستی تشخیص داده می شوند کماکان 93/0 است اما سایر ضرایب در معادله ی مختصری تغییر می کند.

رویکردهای متفاوت به رگرسیون لجستیک : همانند رگرسیون چندگانه، سه نوع متفاوت از رگرسیون لجستیک شامل مستقیم (یا همزمان)،متوالی ، و قدم به قدم وجود دارد. این عبارات دقیقا همان مفاهیمی را که در رگرسیون چندگانه داشته اند در رگرسیون لوجستیک نیز دارند.

آزمون مدل ها در رگرسیون لجستیک : همانند سایر روش های رگرسیون، اغلب بسیار مطلوب است که مجموع داده ها را با حداقل تعداد رگرسورها یا پیشگوکننده ها برآورده کنیم. همان طور که در مثال قبل اثر محل زندگی را در نظر نگرفتیم.

یکی از ابزارهای عمده برای آزمودن مدل ها در رگرسیون لجستیک شاخص -2LL است که قبلا ذکر شد.

دو مدل با تعداد متفاوت رگرسورها را می توان از نظر تطابق با هم مقایسه کرد. برای این کار، معنی داری تغییر ایجاد شده در مربع کای که ناشی از حذف رگرسورهای اضافی در یک مدل کامل تر است، آزمون می شود.

درجه آزادی مربع کای، تعداد رگرسورهای اضافی در مدل کامل تر است.

 

تمرین داده های مثال وضعیت خونی را توسط دستور رگرسیون لجستیک انجام دهید.

آموزش آزمون کای مربع در spss برای تحلیل آماری پایان نامه روانشناسی