پیش فرض های تحلیل رگرسیون

تحلیل رگرسیون یکی از پرکاربردترین روش های آماری است و کاربردهای زیادی در زمینه های مختلف دارد اما باید توجه داشته باشید که همواره قبل از استفاده از این روش، باید اطمینان حاصل کنید که پیش فرض های آن برقرار است. پیش فرض های تحلیل رگرسیون سختگیرانه نیستند و با کمی دقت خواهید دید که به راحتی برقرار خواهند شد.

بیشتر بخوانید: تفاوت همبستگی اسپیرمن و پیرسون

در ابتدا قبل از این که به معرفی پیش فرض های تحلیل رگرسیون بپردازیم، ابتدا تعریف ساده ای از رگرسیون ارائه می کنیم تا بیشتر با این مفهوم آشنا شوید و سپس چهار پیش فرض مهم را برای تحلیل رگرسیون به شما معرفی خواهیم کرد.

تحلیل رگرسیون چیست؟

تحلیل رگرسیون (Regression Analysis) مجموعه ای روش های آماری برای برآورد (تخمین) روابط میان متغیرها را شامل می شود. هدف اصلی از استفاده از روش های رگرسیونی، تعیین نوع، جهت و میزان رابطه میان متغیر وابسته و متغیر(های) مستقل می باشد.

پیش فرض های تحلیل رگرسیون کدامند؟

1- پیش فرض خطی بودن

برای اطمینان از برقرار بودن پیش فرض خطی بودن در تحلیل رگرسیون، ابتدا یک نمودار پراکنش را به گونه ای رسم می کنیم که متغیر مستقل بر روی محور افقی و متغیر وابسته بر روی محور عمودی قرار داشته باشد. اگر الگوی این نمودار خطی باشد، آن گاه می توان گفت که پیش فرض خطی بودن برقرار است.

2- پیش فرض استقلال مانده ها

دو نوع داده داریم. داده های مقطعی که در یک زمان مشخص جمع آوری شده اند و داده های طولی که در طول زمان جمع آوری می شوند. برای داده های مقطعی فرض استقلال برقرار است اما در مورد داده های طولی به این دلیل که زمان میان آن ها ارتباط ایجاد کرده، ابتدا باید از مستقل بودن مانده ها مطمئن شوید تا بتوان گفت که مدل رگرسیونی برای داده های شما مناسب است.

3- پیش فرض نرمال بودن مانده ها

بعد از این که رگرسیون را به داده ها برازش می دهید، ساده ترین کار این است که با هر نرم افزاری کار در دست دارید، یک نمودار هیستوگرام را برای مانده ها رسم نمایید و نرمال بودن مانده را در آن بررسی کنید. اگر این نمودار شکل نرمال داشته باشد، به معنای برقرار بودن پیش فرض نرمال بودن می باشد.

4- پیش فرض همسانی واریانس مانده ها

برای بررسی همسانی واریانس ها یا برابری واریانس ها ابتدا یک نمودار پراکنش رسم می کنیم که محور عمودی آن متغیر وابسته و محور افقی همان مانده های استاندارد شده هستند. اگر شکل این نمودار پراکنش مثلثی نباشد این به این معناست که فرضیه برابری واریانس ها برقرار است.

برای بررسی پیش فرض های تحلیل رگرسیون با استفاده از نرم افزار آماری SPSS به سربرگ Analyze رفته و گزینه Regression و سپس Linear Regression را انتخاب کنید و با بررسی پیش فرض های بالا مطمئن شوید که مدل رگرسیونی شما برای داده های مورد نظر، پیش فرض ها را دارد. آن گاه می توانید ادعا کنید که مدل رگرسیونی مناسبی را انتخاب کرده اید.

بیشتر بخوانید: روش های محاسبه حجم نمونه

0 پاسخ

دیدگاه خود را ثبت کنید

Want to join the discussion?
Feel free to contribute!

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *