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.

مثال:

بررسی رابطه ی میان دلواپسی با میزان حوادث رانندگی با توجه به نقش میانجی گر حواس پرتی .

فرضیه های پژوهش :

1- دلواپسی به صورت مستقیم با حوادث رانندگی رابطه دارد.

2- دلواپسی از طریق حواس پرتی با حوادث رانندگی مرتبط است . 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.

در شکل 1 داده های مربوط به 20 آزمودنی فرضی در متغییرهای نگرانی ، حواس پرتی و حوادث رانندگی نمایش داده شده است .

روند اجرایی تحلیل مدل میانجی گر در زیر ارائه می شود و سپس نتایج تحلیل در خروجی 1 نمایش داده می شود.

از سربرگ Analyze گزینه ی Regression و از انشعاب آن گزینه ی Linear را انتخاب کنید.

متغییر وابسته را در جعبه : Dependent و متغییر مستقل را در جعبه ی : Independent(s) قرار داده و بر گزینه ی Next کلیک کنید.

سپس متغییر میانجی گر را در جعبه Independent(s) قرار دهید و فرمان را با کلیک OK اجرا کنید.

در خروجی 1 نتایج تحلیل گر میانجی گر با توجه به همبستگی های ساده و رگرسیون سلسله مراتبی ارایه شده است.

همان گونه که در نخستین جدول از خروجی 1 مشاهده می شود، همبستگی میان مسیرهای (a) ارتباط میان متغییر مستقل و میانجی گر ) 529/0 =r ) ، (b ) ارتباط میان متغییرهای میانجی گر (Distractibility) با متغییر وابسته (Accident Driving) ، (736/0 =r ) و مسیر (c) ارتباط میان متغییر مستقل (Worry) با متغییر وابسه برابر با (716/0 =r )و از لحاظ آماری معنی دارند.

بنابراین، سه تا از پیش شرط های مدل میانجی گر برای آزمون نقش واسطه ای متغییر حواس پرتی فراهم هستند.

در دومین جدول خروجی 1 و در نخستین بلوک، ضریب رگرسیون متغییر مستقل با متغییر وابسته برابر با (716/0 = β) است .

در دومین بلوک، وقتی که متغییر میانجی گر به همراه متغییر مستقل وارد معادله ی رگرسیون می شود، ضریب رگرسیون متغییر مستقل از (716/0 = β) به (454/0 = β) کاهش پیدا می کند.

اما کماکان این ضریب (454/0 = β) در سطح 011/0 >P از لحاظ آماری معنی دار است.

بنابراین با این سطح معنی داری میتوان نسبت به تایید نخستین فرضیه ی پژوهشی یعنی دلواپسی به صورت مستقیم با میزان حوادث رانندگی ارتباط دارد پاسخ داد.

اگر بررسی میزان کاهش در ضرایب رگرسیون (یعنی اختلاف میان 716/0 و 454/0 ) معنی دار باشد؛ میتوان فرضیه ی دوم یعنی ارتباط دلواپسی از طریق حواس پرتی را بر میزان حوادث تایید کرد. به بیان دیگر، بر میانجی گر بودن جزئی متغییر حواس پرتی صحه گذاشت.

ادامه دارد ...