تحقیق مقاله مقدمه ای بر رگرسیون چند متغیری

مشخص نشده
مشخص نشده
12
مشخص نشده
53 KB
24517
قیمت قدیم:۶,۰۰۰ تومان
قیمت: ۵,۰۰۰ تومان
دانلود مقاله
  • خلاصه
  • فهرست و منابع
  • خلاصه تحقیق مقاله مقدمه ای بر رگرسیون چند متغیری

    رگرسیون چند متغیری چیست ؟

    رگرسیون چند متغیری ( multiple regression ) روشی آماری است که اجازه می دهد نمره یک فرد در یک متغیر را بر اساس نمره های او در چندین متغیر دیگر پیش بینی کنیم . ارائه مثالی در این زمینه می تواند سودمند باشد . فرض کنید می خواهیم پیش بینی کنیم یک فرد از شغلش چقدر لذت می برد . متغیرهایی مانند درآمد ، میزان تحصیلات ، سن ، جنسیت ، سابقه خدمت و وضعیت اقتصادی – اجتماعی ، همه می تواند به رضایت شغلی کمک کند . اگر داده های مربوط به این متغیرها را فرضاً به وسیله نظر سنجی از چند صد عضو از اعضاء جامعه جمع آوری کنیم ، خواهیم دید که از میان متغیرهای ذکر شده کدامیک رضایت از شغل را می تواند پیش بینی کند و کدامیک این کار را دقیق تر می تواند انجام دهد . شاید بتوانیم نشان دهیم که نوع حرفه ، حقوق و سابقه خدمت رضایت شغلی را می توانند دقیق تر پیش بینی کنند ، در حالی که سایر متغیرها در پیش بینی رضایت از شغل کمکی به ما نمی کنند .

    هنگام استفاده از رگرسیون چند متغیری در روانشناسی بسیاری از محققین اصطلاح « متغیر مستقل » را برای شناسایی متغیرهایی که می پندارد بر تعدادی از « متغیر های وابسته » اثر می گذارد به کار می برند . ما ترجیح می دهیم که از اصطلاح متغیرهای پیش بین برای متغیرهایی که امکان دارد در پیش بینی نمره های سایر متغیرها که ما به آنها متغیر ملاک می گوییم به ما کمک کنند استفاده کنیم . بنابراین در مثال ذکر شده قبلی نوع شغل ، حقوق و سابقه خدمت متغیرهای پیش بین معنی دار هستند و به ما اجازه می دهند تا متغیر ملاک یعنی میزان رضایت شخص از شغل  خود را تخمین بزنیم . همان طور که قبلاً اشاره کردیم رفتار انسان به طور ذاتی پیچیده است و بنابراین پیش بینی دقیق آن ممکن است اما رگرسیون چند متغیری این امکان را می دهد که مجموعه ای از متغیرهای پیش بینی را شناسای کنیم که با هم برآورد مفیدی را از نمره احتمالی فرد در متغیر ملاک ارائه می دهند .

     

    ارتباط رگرسیون چند متغیری و تحلیل واریانس

    در یکی از بخش های قبلی همبستگی و رگرسیون را برایتان توضیح دادیم . اگر دو متغیر همبسته باشند دانستن نمره یک متغیر به شما اجازه پیش بینی نمره متغیر دیگر را می دهد . هر چه میزان همبستگی بیشتر باشد نمرات به خط رگرسیون نزدیک تر و بنابراین پیش بینی دقیق تر خواهد بود . رگرسیون چند متغیری گسترش این اصل است که یک متغیر را بر اساس چندین متغیر دیگر پیش بینی کنیم . هنگام پیش بینی رفتار آدمی داشتن بیش از یک متغیر پیش بین سودمند است زیرا اعمال افکار و هیجان ها همه احتمالاً به وسیله ترکیبی از عوامل مختلف تحت تاثیر قرار می گیرند . با استفاده از رگرسیون چند متغیری می توانیم به آزمون نظریه ها ( یا مدل ها ) بپردازیم تا ببینیم کدام دسته از متغیرها به طور تقریباً دقیق رفتار ما را تحت تاثیر قرار می دهند. همان طور که در بخش 1 فصل 6 در تحلیل واریانس گفته شد رفتار انسان متغیر است و بنابراین به سختی می تواند مورد پیش بینی قرار گیرد . آنچه در تحلیل واریانس و رگرسیون چند متغیری انجام می دهیم جستجو برای یافتن عوامل تاثیر گذار بر واریانس نمرات مشاهده شده است در مثال قبل افراد در میزان رضایت از شغل خود ممکن است با یکدیگر تفاوت زیادی داشته باشند تعدادی از این تفاوت ها به دلیل متغیرهایی است که ما شناسایی کردیم . به عنوان مثال شاید بتوانیم بگوییم که میزان حقوق سهم عمده ای از واریانس رضایت شغلی را تشکیل می دهد ، بنابراین برای پیش بینی رضایت شغلی افراد دانستن میزان حقوق آنان بسیار سودمند است . حال می توانیم درک کنیم که نکات گفته شده در اینجا تا حدودی مشابه با اهداف تحلیل واریانس است در تحلیل وایانس سعی می کنیم تعیین کنیم چه مقدار از واریانس ناشی از دستکاری ما در متغیر مستقل است ( به نسبت درصدی از واریانس که نمی توانیم به حساب آوریم . )

    در رگرسیون چند متغیری متغیرهای مستقل را مستقیماً دستکاری نمی کنیم . به جای آن سطوح طبیعی رخ دادن متغیرها اندازه گیری می شوند تا ببینیم آیا این موضوع در پیش بینی نمره متغیر وابسته ( یا متغیر ملاک ) به ما کمک می کند یا خیر . بنابراین تحلیل واریانس مثال محدود و خاصی از روش های عمومی به کار گرفته شده است در رگرسیون چند متغیره است .

    به عبارت دیگر در تحلیل واریانس می توانیم مستقیماً عوامل رادستکاری کرده و تغییرات حاصل در متغیروابسته را اندازه گیری کنیم . در حالی که در رگرسیون چند متغیری روی دادن طبیعی نمرات را در تعدادی از متغیرهای پیش بین اندازه گیری می کنیم . و سعی در تعیین این امر داریم که کدام دسته از متغیرهای مشاهده شده ، در پیش بینی متغیر ملاک موفق ترند .

    روالی که فعلاً بر حیطه آمار حاکم است بر تشابه بین رگرسیون چند متغیری و تحلیل واریانس و نیز تشابه بین همبستگی و آزمون تی تاکید می رورزد . تمام این روش های آماری در اصل سعی دارند یک کار را انجام دهند . توضیح واریانس در سطح یک متغیر بر پایه سطح یک یا چند متغیر دیگر . این متغیرهای دیگر ممکن است طی آزمایش کنترل شده مستقیماً مورد دستکاری و یا طی نظر سنجی ها و یا پژوهش های مشاهده ای مورد مشاهده قرار می گیرد . اما اصول اصل یکی است .

    در چه شرایطی می توان از رگرسیون چند متغیری استفاده کرد ؟

    هنگامیکه می توانید از روش آماری استفاده کنید که بین متغیرهای پیش بین و ملاک رابطه خطی وجود داشته باشد . یعنی ارتباط ، خط مستقیمی را تشکیل می دهد ( برای تعیین ارتباط غیر خطی ، روش های مخصوص مورد استفاده قرار می گیرند . )

    متغیر ملاکی که به دنبال پیش بینی آن هستید باید بر اساس مقیاس پیوسته ( مانند مقیاس فاصلهای و نسبی ) اندازه گیری شده باشد . روشهای متفاوت سنجش رگرسیون که رگرسیون لوجستیک              ( logistic regression ) نامیده می شوند . برای متغیرهای وابسته دو بخشی ( dichotomous ) مورد استفاده قرار می گیرد .

    متغیر پیش بینی انتخاب شده باید براساس مقیاس نسبی ، فاصله ای ، و یا رتبه ای مورد اندازه گیری قرار گرفته باشد . متغیر پیش بین اسمی فقط هنگامی که می تواند مورد استفاده قرار گیرد که به صورت دو بخشی باشد . یعنی بیش از دو طبقه نداشته باشد . مثلاً جنسیت قابل قبول است ( جایی که مذکر رمز 1 و مونث رمز 2 را به خود اختصاص داده است . ) اما هویت جنسی ( زنانه ، مردانه و دو جنسیت ) را نمی توان به عنوان یک متغیر واحد رمز گذاری کرد . به جای آن سه متغیر متفاوت را که هر یک دارای دو سطح باشند می توانید ایجاد کنید .   

    رگرسیون چند متغیری به تعداد زیادی مشاهده نیاز دارد . تعدادموارد باید حتماً بیش از تعداد متغیرهای پیش بینی باشند که در رگرسیون از آن استفاده می کنید . حداقل مطلق این است که شرکت کنندگان باید پنج برابر متغیرهای پیش بین باشند . میزان قابل قبول تر نسبت ده به یک است اما عده ای ادعا می کنند برای بعضی از روش های آماری انتخابی این نسبت باید چهل به یک باشد .

  • فهرست و منابع تحقیق مقاله مقدمه ای بر رگرسیون چند متغیری

    فهرست:

    ندارد
     

    منبع:

    ندارد

کلمات کلیدی:  N/A
تحقیق در مورد تحقیق مقاله مقدمه ای بر رگرسیون چند متغیری , مقاله در مورد تحقیق مقاله مقدمه ای بر رگرسیون چند متغیری , تحقیق دانشجویی در مورد تحقیق مقاله مقدمه ای بر رگرسیون چند متغیری , مقاله دانشجویی در مورد تحقیق مقاله مقدمه ای بر رگرسیون چند متغیری , تحقیق درباره تحقیق مقاله مقدمه ای بر رگرسیون چند متغیری , مقاله درباره تحقیق مقاله مقدمه ای بر رگرسیون چند متغیری , تحقیقات دانش آموزی در مورد تحقیق مقاله مقدمه ای بر رگرسیون چند متغیری , مقالات دانش آموزی در مورد تحقیق مقاله مقدمه ای بر رگرسیون چند متغیری

دریافت لینک دانلود به صورت خودکار بلافاصله پس از پرداخت

امکان پرداخت آنلاین از طریق کلیه کارت های عضو شتاب

ثبت سفارش
تعداد
عنوان محصول