Πώς να τρέξει μια ιεραρχική παλινδρόμηση σε SPSS

κοινωνικοί επιστήμονες χρησιμοποιούν SPSS ( στατιστικό πακέτο για τις Κοινωνικές Επιστήμες ) για την ανάλυση των δεδομένων . Χρησιμοποιούν μια ιεραρχική παλινδρόμηση , όταν θέλουν να δοκιμάσουν την επίδραση των συγκεκριμένων μεταβλητών πρόβλεψης , ενώ τον έλεγχο της επιρροής των άλλων . Η ανάλυση ιεραρχικής παλινδρόμησης επιτρέπει στον ερευνητή να καθορίσετε τη σειρά με την οποία οι μεταβλητές είχαν τεθεί σε καθεστώς . Η ανάλυση λέει ο ερευνητής πόσο σημαντική είναι μια συγκεκριμένη μεταβλητή είναι στην πρόβλεψη ενός αποτελέσματος . Τα πράγματα που θα χρειαστείτε
SPSS
Πληροφορίες Εμφάνιση Περισσότερες οδηγίες
Αναλύστε τα δεδομένα
Η 1

Πηγαίνετε στο " Προβολή δεδομένων " στο SPSS . Κάντε κλικ στο " Analyze" στη γραμμή εργαλείων στο πάνω μέρος της σελίδας . Επιλέξτε " παλινδρόμησης " από το drop down μενού και κάντε κλικ στο "Linear ". 2

Όταν εμφανιστεί το παράθυρο διαλόγου , μετακινήστε εξαρτημένη μεταβλητή (για παράδειγμα , το σκορ δοκιμής ) στο " Εξαρτάται " κουτί .
εικόνων 3

Εισάγετε μεταβλητές πρόβλεψης , για παράδειγμα , το φύλο , τη φυλή και ses ( κοινωνικοοικονομική κατάσταση ) στο πλαίσιο " Independent" . Αυτές είναι οι μεταβλητές που θέλετε να ελέγξετε .
Η

4 Κάντε κλικ στο "Next ", το οποίο σας επιτρέπει να εισάγετε μια άλλη μεταβλητή ή ένα σύνολο μεταβλητών . Εισάγετε τη μεταβλητή ( ες) που σας ενδιαφέρει κατά κύριο λόγο , λένε « το επίπεδο εκπαίδευσης " στο πλαίσιο " Independent" . Κάντε κλικ στο " OK".
Εικόνων Διαβάστε το Output
5

Κοιτάξτε τα πρώτα πίνακα " Μεταβλητές Εισαγωγή /Αφαιρέθηκε ", το οποίο απαριθμεί τις μεταβλητές που έχετε εισάγει στα βήματα 3 και 4 Αναλύστε το τμήμα δεδομένων . Υπόδειγμα 1 που απαριθμεί τις μεταβλητές που ελέγχονται ( φύλου, φυλής και ses ) . Υπόδειγμα 2 είναι μεταβλητή που σας ενδιαφέρει (επίπεδο εκπαίδευσης ) .
Η 6

Κοιτάξτε το διπλανό τραπέζι , το " Μοντέλο Περίληψη ", το οποίο σας ενημερώνει για την πλατεία R για το μοντέλο 1 με τις μεταβλητές που ελέγχονται (φύλο , φυλής , ses ) και το μοντέλο 2 , μεταβλητή που σας ενδιαφέρει ( μορφωτικό επίπεδο ) .
Η 7

οι σημαντικές πληροφορίες είναι η αλλαγή στον τομέα της Ε πλατεία από Υπόδειγμα 1 στο μοντέλο 2 . Αφαιρώντας την πλατεία R του Υπόδειγμα 1 ( ας πούμε 0.152 ή 15,2 % ) από την πλατεία του R Υπόδειγμα 2 ( ας πούμε 0.303 ή 30,3% ), σας λέει πόσο προφητική δύναμη μεταβλητή που σας ενδιαφέρει έχει . Στην περίπτωση αυτή , το 30,3% - 15,2 % = 15,1 % , το οποίο σημαίνει τη μεταβλητή προβλέπει το 15,1% της διαφοράς
Η
εικόνων .