regresyon - bir akademisyenin websitesi•lojistik regresyon yönteminin spsste nasıl...

REGRESYON

9.Sunum

1 Yrd. Doç. Dr. Sedat ŞEN

Önceki Sunumda

• Basit regresyon analizini SPSSte nasıl yapacağımızı • Çoklu regresyon analizini SPSSte nasıl

yapacağımızı • Regresyon verisini olası problemli değerler için

nasıl kontrol edeceğimizi • Regresyon analizinin varsayımlarının neler

olduğunu ve bunları SPSSte nasıl kontrol edeceğimizi

göstermiştik.


Bu Sunumda

• Regresyona Kategorik değişkenin nasıl ekleneceğini

• Stepwise ve Hiyerarşik regresyon yöntemlerini

• ANOVA ve ANCOVA’nın regresyon modeli olarak nasıl gösterilebileceğini ve

• Lojistik Regresyon yönteminin SPSSte nasıl yapılacağını

göstereceğiz.


Veri

• Bir önceki regresyon analizinde kullanmış olduğumuz sınav verisini bu sunumdaki analizlerde de kullanacağız. Önceki veriye ek olarak 3 farklı sınıfı temsil eden 1, 2 ve 3 rakamlarını içeren bir SINIF değişkenini bu veriye ekledik.


Veri

• Kategorik değişkenle regresyon analizlerini gösterirken aşağıdaki SINAVREGRESYON2 adlı verimizi kullandık.


Dummy (yapay) Kodlama

• 2 kategorisi olan bir değişkeni 1 ve 0 şeklinde kodladığımızda aslında tek kategoriye indirmiş oluyoruz. Burada erkek=0 kadın=1 olarak kodlandığında değişkeni erkek olmak ya da olmamak şeklinde yorumlayarak regresyon analizi yapıyoruz. Burada yaptığımız bir grubu referans grubu alıp sadece diğer grubun verileri ile analiz yapıp daha sonra elde edilen regresyon katsayısını da analize giren grup üzerinden yorumlamaktır.

• Peki 3 kategorisi olan değişkenlerde bunu nasıl başaracağız? Burada yapmamız gereken uygulama aynı değişken için 1. kategoride olup 2. ve 3. kategoride olmayanları, 2. kategoride olup 1. ve 3. kategoride olmayanları, 3. kategoride olup 1. ve 2. kategoride olmayanları belirtmek olacaktır. 2 kategorili durumda olduğu gibi tek değişkenle bunu başarmamız mümkün değildir. Öncelikle üç kategoriden bir tanesini referans grup olarak belirlememiz gerekmektedir. Daha sonra 2 tane yapay değişken üretmemiz gerekmektedir (k-1 sayıdayapay değişken). Bu iki yapay değişkenlerde referans grubuna ve hesaba katılmayan gruba sıfır hesaba katılan gruba da 1 rakamını gireceğiz.



Cinsiyet Yapay_Cinsiyet

K 0

K 0

K 0

K 0

K 0

E 1

E 1

E 1

E 1

Referans grubu: Kadınlar Cinsiyet değişkeninde 2 kategori olduğu için 2-1 = 1 tane yapay değişken yapıp referans grubuna 0 diğer gruba 1 yazarak oluşturulan bu yapay değişken regresyon analizinde kullanılır.



Sınıf Yapay1 Yapay2

A 0 0

A 0 0

A 0 0

B 1 0

B 1 0

B 1 0

C 0 1

C 0 1

C 0 1

B vs. A ve C C vs. A ve B

Referans grubu: A grubu Sınıf değişkeninde 3 kategori olduğu için 3-1 = 2 tane yapay değişken oluşturup referans grubuna 0 kalan gruplardan diğerleri ile karşılaştırmak istediğimiz gruba 1 ve diğerlerine 0 yazarak oluşturulan bu yapay değişkenler regresyon analizinde kullanılır.

Yapay1

Yapay2

A 0 0

B 1 0

C 0 1 8 Yrd. Doç. Dr. Sedat ŞEN


Grup Yapay1 Yapay2 Yapay3

A 0 0 0

A 0 0 0

A 0 0 0

B 1 0 0

B 1 0 0

B 1 0 0

C 0 1 0

C 0 1 0

C 0 1 0

D 0 0 1

D 0 0 1

D 0 0 1

B’ye ait C’ye ait D’ye ait

Referans grubu: A grubu Grup değişkeninde 4 kategori olduğu için 4-1 = 3 tane yapay değişken oluşturup referans grubuna 0 kalan gruplardan diğerleri ile karşılaştırmak istediğimiz gruba 1 ve diğerlerine 0 yazarak oluşturulan bu yapay değişkenler regresyon analizinde kullanılır.

Yapay1

Yapay2

Yapay3

A 0 0 0

B 1 0 0

C 0 1 0

D 0 0 1 9 Yrd. Doç. Dr. Sedat ŞEN

İki Kategorili (Kız-Erkek) Değişken Ekleme

• Yan taraftaki açılan `linear regression` ekranında sürekli olan DERSSAATİ değişkeni ile beraber kategorik olan CİNSİYET değişkenini analiz edeceğimiz için bu değişkeni ekranda bağımsız değişken kısmına eklememiz yeterlidir.


Kategorik Değişkeni Regresyona Eklemek

• Cinsiyet değişkenimiz E ve K şeklinde kodlanmış ise regresyon analizime eklememiz mümkün değildir. Bu sebepten dolayı bu tarz kategorik değişkenleri sayısal olarak kodlamamızdır. Sayısal olarak kodlarken ̀ dummy kodlama` kurallarını takip ederek 2 kategori olan durumda 1 yapay değişken oluşturarak referans gruba 0 diğer gruba 1 olacak şekilde kodlama yapmalıyız.



• SPSS’te yapay kodlama işlemi elle yapılabileceği gibi Transfrom-Recode into Different Variable menüsünden de daha hızlı ve doğru bir şekilde yapabiliriz. Yan tarafta başlatılan adımları takip ederek yapılabilir.



• E için 1 K için 0 rakamını girerek bir yapay değişken oluşturabiliriz.



• SPSS’te variable view ekranında C1 adında bir yapay değişkeni eklendiğini görebilirsiniz.



• İki kategoriye sahip olan CINSIYET değişkenini FINAL bağımlı değişkenini yordayıp yordamadığını incelemek için bağımsız değişken kısmına ekleyerek basit doğrusal regresyon analizi yapacağız. Burada analize ekleyeceğimiz değişken önceki slaytlarda ürettiğimiz C1 yapay değişkeni olacaktır.

• Hatırlatma: C1 yapay değişkeninde Erkek=1, Kadın=0 olarak kodlanmıştı. O zaman C1 değişkenine ait değerler Erkek bireyler hakkında bilgi verecektir.



Yandaki tablodaki R-kare değeri 0.053 çıkmıştır. CINSIYET değişkenine ait yapay değişkeni modele girdiğimizde bağımlı değişkenimizin %5’ini açıklayabilmekteyiz. Modelimiz yandaki ikinci tabloya göre anlamlı bulunmamıştır.



Aşağıdaki tabloda regresyon modelimize ait katsayıların tahmini değerleri yer almaktadır. Görüldüğü üzere sabit değerimiz 85.41 iken yapay C1 değişkenine ait eğim değeri de -6.85 çıkmıştır. Buradaki 85.41 değeri C1’in sıfır olduğu durum yani Kadın olma durumunda alınacak FINAL puanını göstermektedir. Buradaki -6.85 çıkan eğim değeri Kadın ve Erkek arasındaki FINAL puanı farkını göstermektedir. Bu değerin negatif çıkması Erkeklerin (1 kodlandığı için) Kadınlardan 6.85 puan daha az ortalamaya sahip olduğunu göstermektedir. Bu değer anlamlı çıkmadığı için yorumlamamıza gerek yoktur. Burada eğitsel amaçlı olarak anlamlı bulunmasaydı nasıl yorumlayacaktı onu belirttik.


Regresyon=t-testi durumu

• Aslında burada 2 kategorili değişken ile yapılan regresyon analizi t-testine eşdeğerdir (2 tablodaki sonuçları karşılaştırınız).

REGRESYON

T-TESTİ


Kategorik Değişkeni Başka Bir Sürekli Değişkenle Beraber Regresyona

Eklemek

• C1 değişkenini oluşturduktan sonra Regresyon menüsünden regresyon analizi yapabilmek için DERSSAATİ değişkenini ve yeni oluşturduğumuz C1 değişkenini Independent(s) kısmına ekliyoruz. Dependent kısmına da bağımlı değişkenimiz olan FINAL değişkenini ekliyoruz.


Kategorik+Sürekli Değişken İçeren Regresyon Çıktısı

• Daha önceki regresyon analizlerinde olduğu gibi temel olarak yandaki 3 tabloyu elde ediyoruz.



• Birinci tabloda R, R-kare ve düzeltilmiş R-kare bilgileri sunulur.

• İkinci tabloda da regresyon modelimiz genel olarak anlamlı olup olmadığını gösteren ANOVA sonuçları sunulur.



• Birinci tabloya göre iki bağımsız değişken bağımlı değişken içerisindeki çeşitliliğin %65.7’sini açıkladığını göstermektedir.

• İkinci tabloda da regresyon modelimiz genel olarak anlamlı bulunduğunu söyleyebiliriz (p<0.001).



• Aşağıdaki tabloda sabit değer 51.17 çıkmıştır. DERSSAATINE ait eğim değeri 4.043 iken C1 yapay değişkenine ait eğim değeri -6.301 çıkmıştır. 51.17 değeri her şeyin 0 olduğu duruma işaret eder: hiç ders çalışmayan (DERSSAATİ=0) kız öğrencilerinin (C1=0) alacağı ortalama FINAL puanını gösterir. Hiç ders çalışmayan (DERSSAATİ=0) erkek öğrencilerinin (C1=1) alacağı ortalama FINAL puanı ise 51.17-6.301=44.868’dir. C1’e ait eğim değeri kız ve erkek öğrenciler arası farkı gösterirken bu farkın bu modelde anlamlı bulunduğunu söyleyebiliriz (p=0.014). DERSSAATI değişkenine ait eğim değeri de her bir ders çalışma saatinin FINAL puanını kaç puan değiştirdiğini göstermektedir. Buna göre her bir ders çalışma saatinin FINAL puanını 4 puan artırdığını söyleyebiliriz.


Üç Kategorili (1-2-3 şeklinde kodlanmış) Değişkeni Regresyona

Ekleme • Üç kategoriye sahip süreksiz değişkeni

regresyona eklemek de önceki slaytlarda anlatılan iki kategorili modelin eklenmesi gibidir. Öncelikle yapmamız gereken 3 kategoriye sahip olan değişken için 2 (3-1) adet yapay değişken üretip bu değişkenleri regresyon analizinde bağımsız değişken olarak eklemek olacaktır.


3 Kategorili Değişken İçin Yapay Kodlama

• Aynı CİNSİYET değişkeninde olduğu gibi aşağıdaki ekranı kullanarak yapay kodlama yaparak yapay değişkenler üretmeliyiz. Hatırlatma: 3 kategori olduğu için 2 adet yapay değişken üretmeliyiz (S1 ve S2).



• S1 yapay değişkenini üretirken referans olarak belirlediğimiz 1 numaralı sınıfı 0 olarak kodlayacağız. S1 değişkeni 2 numaralı sınıfa ait olduğu için 2 numaralı sınıf için 1 rakamını 3 numaralı sınıf için de 0 rakamını girerek kodlama yapmalıyız. Burada üretilen S1 apay değişkeni 2 numaralı sınıf içindir. 27 Yrd. Doç. Dr. Sedat ŞEN


• Aynı 2 numaralı sınıf için ürettiğimiz S1 yapay değişkeni gibi 3 numaralı sınıf için de bir yapay değişken üretmeliyiz. Bu değişkene de S2 adını verebiliriz. Burada S1 kime ait S2 kime ait bilgisini unutmamalıyız.



• S2 yapay değişkenini üretirken referans olarak belirlediğimiz 1 numaralı sınıfı 0 olarak kodlayacağız. S2 değişkeni 3 numaralı sınıfa ait olduğu için 3 numaralı sınıf için 1 rakamını 2 numaralı sınıf için de 0 rakamını girerek kodlama yapmalıyız. Burada üretilen S2 apay değişkeni 3 numaralı sınıf içindir. 29 Yrd. Doç. Dr. Sedat ŞEN

3 Kategorili Değişken İçin Yapay Kodlama • İşlemleri tamamladıktan

sonra yandaki sekilde olduğu gibi Variable View kısmına 2 tane yeni değişken eklendiğini görebilirsiniz. Bunlar az önce oluşturduğumuz yapay değişkenlerdir. Bu değişkenleri regresyon modeline bağımsız değişkenler olarak ekleyebiliriz.


Üç Kategorili (1-2-3) Değişkeni Regresyona Ekleme



Aşağıdaki tabloda regresyon modelimize ait katsayıların tahmini değerleri yer almaktadır. Görüldüğü üzere sabit değerimiz 81.778 bulunmuştur. Yapay S1 değişkenine ait eğim değeri -3.333 iken yapay S2 değişkenine ait eğim değeri 0.340 çıkmıştır. Buradaki 81.778 değeri S1 ve S2’nin sıfır olduğu durum yani referans grup olan 1.sınıfta olan öğrencilerin ortalama FINAL puanını göstermektedir. Buradaki -3.333 çıkan eğim değeri ikinci sınıf öğrencileri ile birinci sınıf öğrencileri (referans grup) arasındaki FINAL puanı farkını göstermektedir. Bu değerin negatif çıkması ikinci sınıf öğrencilerinin (1 kodlandığı için) referans grubu öğrencilerinden 3.333 puan daha az ortalamaya sahip olduğunu göstermektedir. Bu değer anlamlı çıkmamıştır. S2’ye ait 0.340 değeri de referans grup ile üçüncü sınıf arasındaki farkı göstermektedir. Üçüncü sınıf öğrencileri birinci sınıf öğrencilerinden 0.340 puan daha fazla ortalamaya sahiptir.


Regresyon=ANOVA

• Önceki slaytta regresyon modelinde FINAL bağımlı değişkenini yordamak için 3 kategorili değişken eklerken yaptığımız şey 3 grubun FINAL puanlarını karşılaştırmak için yaptığımız ANOVA ile aynı şeydir. (İki tablodan elde edilen sonuçları karşılaştırınız).

Regresyon

ANOVA


Üç Kategorili Değişken ve Sürekli Değişkeni Regresyona Ekleme

• 3 kategorili SINIF değişkenini DERSSAATİ adlı sürekli değişkenle beraber analiz etmek istersek yine aynı şekilde SINIF değişkeni yerine üretmiş olduğumuz yapay değişkenleri eklemeliyiz. Takip eden slaytlarda bunun nasıl yapılacağı anlatılmaktadır.


Kategorik+ Sürekli Değişken:Yanlış Uygulama

• Burada sınıf değişkenindeki 1, 2 ve 3 değerlerini SPSS sürekli değişken gibi algılarsa SINIF değişkeni grup değişkeni olmaktan çıkar.


Kategorik+ Sürekli Değişken: Doğru Uygulama

• S1 ve S2 yapay değişkenleri oluşturduktan sonra Regresyon menüsünden regresyon analizi yapabilmek için DERSSAATİ değişkenini ve yeni oluşturduğumuz S1 ve S2 değişkenlerini Independent(s) kısmına ekliyoruz. Dependent kısmına da bağımlı değişkenimiz olan FINAL değişkenini ekliyoruz.


Kategorik+ Sürekli Değişken İle Regresyon Analizi

• Daha önceki regresyon analizlerinde olduğu gibi temel olarak yandaki 3 tabloyu elde ediyoruz.



• Birinci tabloda R, R-kare ve düzeltilmiş R-kare bilgileri sunulur.

• İkinci tabloda da regresyon modelimiz genel olarak anlamlı olup olmadığını gösteren ANOVA sonuçları sunulur.



• Birinci tabloya göre iki bağımsız değişken bağımlı değişken içerisindeki çeşitliliğin %61.3’ünü açıkladığını göstermektedir.

• İkinci tabloda da regresyon modelimiz genel olarak anlamlı bulunduğunu söyleyebiliriz (p<0.001).



• Aşağıdaki tabloda görüldüğü üzere sabit değerimiz 46.840 bulunmuştur. Bu değer referans grubundaki bireylerin hiç ders çalışmadığı zaman (DERSSAATİ=0) alacakları ortalama FINAL puanıdır. Yapay S1 değişkenine ait eğim değeri -0.403 iken yapay S2 değişkenine ait eğim değeri 0.194 çıkmıştır. Buradaki -0.403 çıkan eğim değeri ikinci sınıf öğrencileri ile birinci sınıf öğrencileri (referans grup) arasındaki FINAL puanı farkını göstermektedir. Bu değerin negatif çıkması ikinci sınıf öğrencilerinin (1 kodlandığı için) referans grubu öğrencilerinden 0.403 puan daha az ortalamaya sahip olduğunu göstermektedir. Bu değer anlamlı çıkmamıştır. S2’ye ait 0.194 değeri de referans grup ile üçüncü sınıf arasındaki farkı göstermektedir. Üçüncü sınıf öğrencileri birinci sınıf öğrencilerinden 0.194 puan daha fazla ortalamaya sahiptir. Her bir ders çalışma saati artışı her grup için FINAL puanında yaklaşık 4 puan artışa yol açacaktır.


YANLIŞ EKLEME SONUCU ELDE EDİLECEK TABLO

• Eğer yapay kodlama yapmadan kategorik değişkeni modelimize direk olarak eklersek yandaki sonuçları elde ederiz.


YANLIŞ ve DOĞRU SONUÇLARIN KARŞILAŞTIRILMASI

• DOĞRU SONUÇ YANLIŞ SONUÇ


Çoklu Regresyon Metotları

• Araştırmacı birçok bağımsız değişkene sahip ise ve kompleks bir model kuracaksa hangi değişkenleri modele ekleyeceğine üç metot vasıtasıyla karar verebilir. Bu üç yöntem:

• Hiyerarşik, Forced entry ve Stepwise (adımsal) regresyon metotlarıdır.

• Genelde hangi değişkenlerin modele eklenmesi gerektiği literatüre ya da araştırmacının önceki araştırmalarına göre belirlenmelidir. Bazen istatsitiksel yöntemler de bu konuda yardımcı olabilmektedir.


SPSS’te Regresyon Metotları


Regresyon Metotları: Forced Entry

• Forced entry: Eldeki tüm değişkenlerin zorla modele eklendiği regresyon analizidir. Bunu yapmada da dayanak noktamız iyi bir alanyazın bilgisi olmalıdır.

• Buraya kadar olan analizlerde eldeki tüm değişkenleri regresyon modeline eklediğimiz için forced entry (SPSS’te Enter şeklinde geçiyor) metodu kullanılmıştı. Takip eden slaytlarda önce adımsal (stepwise) regresyon daha sonra da hiyerarşik regresyon metodunun nasıl yapıldığı gösterilecektir.


Regresyon Metotları: Adımsal

• Adımsal (Stepwise) regresyon: Hangi değişkenlerin hangi sırayla modele gireceğine matematiksel bir kritere bakarak karar verilir. Ya bir değişken eklenip sonra 2. ve 3. eklenerek ileri (forward) doğru yapılır ya da önce tüm değişkenler modele atılır ve birer birer eksiltilerek geriye doğru (backward) yapılır. Eklenen ya da çıkarılan bağımsız değişkenlerin bağımlı değişken üzerinde anlamlılığına göre son modele karar verilir. Backward yöntemi forward yöntemine göre daha çok önerilen bir yöntemdir. Stepwise regresyon modeli aynı zamanda multicollinearity problemini çözmemize de yardım eder. Bunu yaparken 2 tane birbirleriyle çok bağlantılı 2 değişkenden birini modelde tutar.


Adımsal (Stepwise) Regresyon



• Stepwise regresyon sonucunda 5 adet tablo elde ediyoruz. Bu tablolar takip eden slaytlarda açıklanmaktadır.



Bu tablo stepwise metdounu gösterir. SPSS sıfır değişkenle başlar ve sonra en güçlü bağımsız değişkeni (DERSSAATİ) modele girer ve regresyon eğimi (b) anlamlı bulunursa modelde tutar. Sonra en güçlü ikinci bağımsız değişkeni modele ekler (o da anlamlı b değerine sahipse modelde tutar değilse çıkarır.). Bu yeni eklenen değişken önceki eklenen değişkenleri anlamlı iken anlamsız hale getirebilir bu durumda SPSS anlamsız hale gelenleri çıkarı. Bu işlemler hiçbir değişkenin modele anlamlı bir şekilde katkı edemeyeceği duruma (modele eklenecek anlamlı değişken kalmayana kadar) kadar devam eder. Aşağıdaki tabloda 3 değişken modele girmeye hak kazanmış. SPSS bize 3 çeşit model sunacaktır. Takip eden slaytlarda bu modelleri görebilirsiniz.



Aşağıda 3 modele ait ANOVA tablolarını görüyoruz. Birinci modelde sadece DERSSAATİ değişkeni var. İkinci modelde DERSSAATİ ve DEVAMSIZLIK değişkenleri. Üçüncü modelde de DERSSAATİ, DEVAMSIZLIK ve VİZE değişkenleri bulunmaktadır. Bunlar istatistiksel olarak en iyi modellerimizdir. Üç modelde anlamlı çıkmıştır.



Aşağıdaki tabloda 3 modelimize ait R-kare değerlerini görebilirsiniz.


Adımsal (Stepwise) Regresyon Regresyon katsayılarının sunulduğu aşağıdaki tabloda her modeldeki değişkenlerin anlamlılığını görebilirsiniz. Burada en iyi model olarak 3. model gözükmektedir. Modele giren tüm değişkenlerimiz anlamlı bulunmuştur. Final modelimizi şu şekilde yazabiliriz: FINAL = 48.262+2.959 DERSSAATI - 3.707 DEVAMSIZLIK + 0.252 VIZE



• Daha önce bahsettiğimiz gibi Stepwise regresyon ileri (forward) ya da geri (backward) şeklinde en güçlü modellere karar vermektedir. Biz SPSS’te Stepwise metodunu seçtiğimizde otomatik olarak forward yani ileri doğru olanı uyguladı. Hangi yönü seçeceğinize SPSS değil de ben karar vermek istiyorum derseniz SPSSte forward ya da backward metotlarından birini seçme şansınız var (Bkz. Sonraki slayt).


Forward Metodu


Backward Metodu


Backward Metodu

• Daha önce Stepwise seçeneğini seçtiğimizde SPSS forwarda dayalı (yani ileri doğru) model seçimini yaptığı için forward yönteminin sonuçlarını tekrar sunmayacağız.

• Backward seçeneğini seçerek yapılan analizlerin sonuçları takip eden slaytlarda verilmektedir.


Backward Metodu


Backward Metodu

• Backward yöntemi daha önce bahsettiğimiz gibi bağımsız değişkenlerin hepsini modele ekleyerek bağımlı değişkenle en güçsüz ilişkiye sahip değişkenleri verdiğimiz p değeri kriterine göre çıkararak geriye doğru gider. Burada amaç en az (anlamlı) değişkenle bağımlı değişkeni en çok açıklayan modele karar vermektir. Backward metodu ile elde ettiğimiz anlamlı 3 tane bağımsız değişkeni içeren son modelimiz forward metdou ile elde ettiğimiz bu 3 değişkeni içeren son modelimizle aynı çıkmıştır:)


Regresyon Metotları: Hiyerarşik

• Hiyerarşik regresyon: Hangi değişkenlerin modele hangi sırayla eklenmesi gerektiğine araştırmacının (literatüre ya da önceki araştırmalarına göre) belirlediği analiz türüdür.

• Burada ilk olarak eklemek istediğimiz öncelikli değişkenlerimizin peşine diğer değişkenleri adım adım ekliyoruz. Bu hiyerarşiden dolayı hiyerarşik regresyon olarak adlandırılır.

• Her bir değişkenin eklendiğinde R-kare değerini ne kadar artırdığına bakarak final modele karar veriyoruz.

• Modelin ilk adımında eklediğimiz değişkenler etkisini kontrol etmek istediğimiz değişkenlerdir (Yaş, sosyo-ekonomik statü gibi). Daha sonra her eklediğimiz değişken modeli ne kadar değiştirmiştir görme şansına sahip oluyoruz.


Hiyerarşik Regresyon

• SPSS’te Hiyerarşik Regresyon bloklar halinde uygulanır.

• Genelde ilk adımda katılımcıların üzerinde kontrolü olmadığı demografik türden değişkenler eklenir.

• Her bir blokta bir yada daha fazla değişken modele eklenerek devam edilir.

• R-kare değerindeki değişim hesaplanır. • R-kare değişiminin sıfırdan farklı olup olmadığı

test edilir.


• Model 1: FINAL= Sabit+ YAŞ+ CINSIYET

• Model 2: FINAL= Sabit+ YAŞ+ CINSIYET + DERSSAATİ

• Model 3: FINAL= Sabit+ YAŞ+ CINSIYET + DERSSAATİ + DEVAMSIZLIK



• Model 1: FINAL= Sabit+ YAŞ+ CINSIYET(R2 = .053)

• Model 2: FINAL= Sabit+ YAŞ+ CINSIYET + DERSSAATİ (R2 = .660)

• Model 3: FINAL= Sabit+ YAŞ+ CINSIYET + DERSSAATİ + DEVAMSIZLIK (R2= .703)


ANALİZ TÜRLERİ

Outcome Explanatory Analysis

Continuous Dichotomous t-test, Wilcoxon test

Continuous Categorical ANOVA, linear regression

Continuous Continuous Correlation, linear regression

Dichotomous Continuous Logistic regression

Dichotomous Dichotomous Chi-square test, logistic regression


regresyon - bir akademisyenin websitesi•lojistik regresyon yönteminin spsste nasıl...

Documents