المكتبة الزراعية الشاملة

المكتبة الزراعية الشاملة مكتبة تزخر بجميع الكتب التي تهتم بالزراعة و البيئة و البيولوجيا و هي فريدة من نوعها كونها الاولى في النت في هذا المجال .

كتاب : التحليل الاحصائي للمتغيرات المتعددة باستخدام برنامج SPSS



كتاب : التحليل الاحصائي للمتغيرات المتعددة باستخدام برنامج SPSS

اعداد : اسامة ربيع امين 



الانحدار المتعدد هو امتداد للانحدار الخطي البسيط. يتم استخدامه عندما نريد التنبؤ بقيمة متغير بناءً على قيمة متغيرين آخرين أو أكثر. المتغير الذي نريد توقعه يسمى المتغير التابع (أو في بعض الأحيان النتيجة أو الهدف أو متغير المعيار). المتغيرات التي نستخدمها للتنبؤ بقيمة المتغير التابع تسمى المتغيرات المستقلة (أو في بعض الأحيان المتغيرات المتنبئة أو التفسيرية أو المتغيرة).


على سبيل المثال ، يمكنك استخدام الانحدار المتعدد لفهم ما إذا كان يمكن التنبؤ بأداء الاختبار بناءً على وقت المراجعة وقلق الاختبار وحضور المحاضرات والجنس. بالتناوب ، يمكنك استخدام الانحدار المتعدد لفهم ما إذا كان يمكن التنبؤ باستهلاك السجائر يوميًا بناءً على مدة التدخين والعمر عند بدء التدخين ونوع المدخن والدخل والجنس.


يتيح لك الانحدار المتعدد أيضًا تحديد الملاءمة الكلية (شرح التباين) للنموذج والمساهمة النسبية لكل من المتنبئين في التباين الإجمالي الموضح. على سبيل المثال ، قد ترغب في معرفة مقدار التباين في أداء الامتحان الذي يمكن تفسيره من خلال وقت المراجعة وقلق الاختبار وحضور المحاضرات والجنس "ككل" ، ولكن أيضًا "المساهمة النسبية" لكل متغير مستقل في شرح التباين.

يوضح لك دليل "البدء السريع" كيفية تنفيذ الانحدار المتعدد باستخدام إحصائيات SPSS ، بالإضافة إلى تفسير نتائج هذا الاختبار والإبلاغ عنها. ومع ذلك ، قبل أن نقدم لك هذا الإجراء ، تحتاج إلى فهم الافتراضات المختلفة التي يجب أن تلبيها بياناتك حتى يمنحك الانحدار المتعدد نتيجة صحيحة. نناقش هذه الافتراضات بعد ذلك.


إحصائيات SPSS


الافتراضات
عندما تختار تحليل بياناتك باستخدام الانحدار المتعدد ، فإن جزءًا من العملية يتضمن التحقق للتأكد من أن البيانات التي تريد تحليلها يمكن بالفعل تحليلها باستخدام الانحدار المتعدد. تحتاج إلى القيام بذلك لأنه من المناسب فقط استخدام الانحدار المتعدد إذا اجتازت بياناتك ثمانية افتراضات مطلوبة للانحدار المتعدد لإعطائك نتيجة صحيحة. من الناحية العملية ، فإن التحقق من هذه الافتراضات الثمانية يضيف المزيد من الوقت قليلاً إلى تحليلك ، مما يتطلب منك النقر فوق بضعة أزرار أخرى في إحصائيات SPSS عند إجراء تحليلك ، وكذلك التفكير قليلاً في بياناتك ، ولكنها كذلك ليست مهمة صعبة.

قبل أن نقدم لك هذه الافتراضات الثمانية ، لا تتفاجأ إذا تم ، عند تحليل بياناتك باستخدام إحصائيات SPSS ، انتهاك واحد أو أكثر من هذه الافتراضات (أي لم يتم الوفاء بها). هذا ليس من غير المألوف عند العمل مع بيانات العالم الحقيقي بدلاً من أمثلة الكتب المدرسية ، والتي غالبًا ما توضح لك فقط كيفية تنفيذ الانحدار المتعدد عندما يسير كل شيء على ما يرام! ومع ذلك ، لا تقلق. حتى عندما تفشل بياناتك في افتراضات معينة ، غالبًا ما يكون هناك حل للتغلب على ذلك. أولاً ، دعنا نلقي نظرة على هذه الافتراضات الثمانية:


الافتراض رقم 1: يجب قياس المتغير التابع على مقياس مستمر (أي أنه إما فاصل زمني أو متغير نسبة). تتضمن أمثلة المتغيرات التي تفي بهذا المعيار وقت المراجعة (يقاس بالساعات) ، والذكاء (المقاس باستخدام درجة الذكاء) ، وأداء الاختبار (يقاس من 0 إلى 100) ، والوزن (يقاس بالكيلوغرام) ، وما إلى ذلك. يمكنك معرفة المزيد حول متغيرات الفاصل الزمني والنسب في مقالتنا: أنواع المتغيرات. إذا تم قياس المتغير التابع على مقياس ترتيبي ، فستحتاج إلى إجراء انحدار ترتيبي بدلاً من الانحدار المتعدد. تتضمن أمثلة المتغيرات الترتيبية عناصر ليكرت (على سبيل المثال ، مقياس مكون من 7 نقاط من "أوافق بشدة" إلى "لا أوافق بشدة") ، من بين طرق أخرى لتصنيف الفئات (على سبيل المثال ، مقياس من 3 نقاط يوضح مدى إعجاب العميل بمنتج ، بدءًا من "ليس كثيرًا" إلى "نعم ، كثيرًا").


الافتراض رقم 2: لديك متغيرين مستقلين أو أكثر ، والتي يمكن أن تكون إما مستمرة (أي فاصل زمني أو متغير نسبة) أو فئوية (أي متغير ترتيبي أو اسمي). للحصول على أمثلة للمتغيرات المستمرة والترتيبية ، انظر الرمز النقطي أعلاه. تتضمن أمثلة المتغيرات الاسمية الجنس (على سبيل المثال ، مجموعتان: ذكور وإناث) ، والعرق (على سبيل المثال ، 3 مجموعات: قوقازي ، أمريكي من أصل أفريقي وأسباني) ، مستوى النشاط البدني (على سبيل المثال ، 4 مجموعات: مستقر ، منخفض ، متوسط ، مرتفع) ، المهنة (على سبيل المثال ، 5 مجموعات: الجراح والطبيب والممرضة وطبيب الأسنان والمعالج) وما إلى ذلك. مرة أخرى ، يمكنك معرفة المزيد عن المتغيرات في مقالتنا: أنواع المتغيرات. إذا كان أحد متغيراتك المستقلة ثنائي التفرع ويعتبر متغيرًا معتدلًا ، فقد تحتاج إلى إجراء تحليل وسيط ثنائي التفرع.


الافتراض رقم 3: يجب أن يكون لديك استقلالية في الملاحظات (أي استقلالية المخلفات) ، والتي يمكنك التحقق منها بسهولة باستخدام إحصاء Durbin-Watson ، وهو اختبار بسيط للتشغيل باستخدام SPSS Statistics. نشرح كيفية تفسير نتيجة إحصائية Durbin-Watson ، وكذلك نعرض لك إجراء SPSS Statistics المطلوب ، في دليل الانحدار المتعدد المحسّن.


الافتراض رقم 4: يجب أن تكون هناك علاقة خطية بين (أ) المتغير التابع وكل من المتغيرات المستقلة الخاصة بك ، و (ب) المتغير التابع والمتغيرات المستقلة بشكل جماعي. في حين أن هناك عددًا من الطرق للتحقق من هذه العلاقات الخطية ، فإننا نقترح إنشاء مخططات مبعثرة ومخططات انحدار جزئي باستخدام SPSS Statistics ، ثم فحص بصريًا هذه المخططات المبعثرة ومخططات الانحدار الجزئي للتحقق من الخطية. إذا كانت العلاقة المعروضة في مخططات التشتت ومخططات الانحدار الجزئي ليست خطية ، فسيتعين عليك إما تشغيل تحليل انحدار غير خطي أو "تحويل" بياناتك ، وهو ما يمكنك القيام به باستخدام إحصائيات SPSS. في دليل الانحدار المتعدد المحسن ، نوضح لك كيفية: (أ) إنشاء مخططات مبعثرة وانحدار جزئي للتحقق من الخطية عند تنفيذ انحدار متعدد باستخدام إحصائيات SPSS ؛ (ب) تفسير النتائج المختلفة لمخطط التشتت والانحدار الجزئي. و (ج) قم بتحويل بياناتك باستخدام إحصائيات SPSS إذا لم تكن لديك علاقات خطية بين المتغيرات الخاصة بك.


الافتراض رقم 5: تحتاج بياناتك إلى إظهار المثلية الجنسية ، حيث تظل التباينات على طول خط أفضل ملاءمة متشابهة وأنت تتحرك على طول الخط. نشرح المزيد حول ما يعنيه هذا وكيفية تقييم المثلية الجنسية لبياناتك في دليل الانحدار المتعدد المحسن. عندما تقوم بتحليل بياناتك الخاصة ، سوف تحتاج إلى رسم القيم المتبقية للطلاب مقابل القيم المتوقعة غير المعيارية. في دليل الانحدار المتعدد المحسن ، نشرح: (أ) كيفية اختبار المثلية باستخدام إحصائيات SPSS ؛ (ب) بعض الأشياء التي ستحتاج إلى أخذها في الاعتبار عند تفسير بياناتك ؛ و (ج) الطرق الممكنة لمواصلة تحليلك إذا فشلت بياناتك في تلبية هذا الافتراض.




-------------------
--------------------------
مشاركة

ليست هناك تعليقات:

جميع الحقوق محفوظة لــ المكتبة الزراعية الشاملة 2020 ©