Η ιεραρχική παλινδρόμηση στο SPSS χρησιμοποιείται όταν οι προβλεπτικοί παράγοντες εισάγονται στο μοντέλο με προκαθορισμένη σειρά. Ο ερευνητής δημιουργεί διαδοχικές ομάδες μεταβλητών. Κάθε νέο μοντέλο διατηρεί τις προηγούμενες μεταβλητές και προσθέτει τις επόμενες. Έτσι μπορεί να εξετάσει αν μια νέα ομάδα εξηγεί επιπλέον μεταβλητότητα. Το βασικό αποτέλεσμα είναι η μεταβολή του R². Η σειρά εισαγωγής πρέπει να προκύπτει από τη θεωρία και όχι από τα αποτελέσματα του δείγματος.
Περιεχόμενα άρθρου
1. Τι είναι η ιεραρχική παλινδρόμηση στο SPSS;
Η ιεραρχική παλινδρόμηση αποτελεί μορφή πολλαπλής γραμμικής παλινδρόμησης. Η εξαρτημένη μεταβλητή παραμένει ποσοτική.
Η βασική διαφορά βρίσκεται στον τρόπο εισαγωγής των ανεξάρτητων μεταβλητών. Δεν εισάγονται όλες ταυτόχρονα από την αρχή.
Ο ερευνητής δημιουργεί δύο ή περισσότερα διαδοχικά μοντέλα. Κάθε επόμενο μοντέλο περιλαμβάνει όλες τις μεταβλητές του προηγούμενου.
Για παράδειγμα, το πρώτο μοντέλο μπορεί να περιλαμβάνει ηλικία. Το δεύτερο μπορεί να προσθέτει έναν ψυχολογικό παράγοντα.
Έτσι εξετάζεις αν ο νέος παράγοντας εξηγεί πρόσθετη μεταβλητότητα αφού έχεις ήδη λάβει υπόψη την ηλικία.
Αυτός είναι ο βασικός λόγος χρήσης της μεθόδου. Δεν ενδιαφέρεσαι μόνο για το τελικό R².
Θέλεις να γνωρίζεις πόσο αυξάνεται η εξηγούμενη μεταβλητότητα όταν προστίθεται μια θεωρητικά σημαντική ομάδα.
Η μέθοδος είναι ιδιαίτερα χρήσιμη όταν θέλεις πρώτα να ελέγξεις γνωστούς παράγοντες. Μετά εξετάζεις την πρόσθετη συμβολή νέων μεταβλητών.
Η ιεραρχική παλινδρόμηση δεν είναι πολυεπίπεδη ανάλυση. Η λέξη «ιεραρχική» εδώ αφορά αποκλειστικά τη σειρά εισαγωγής μεταβλητών.
Δεν πρέπει επίσης να συγχέεται με τη βηματική παλινδρόμηση. Στη βηματική διαδικασία το λογισμικό επιλέγει μεταβλητές βάσει στατιστικών κριτηρίων.
Στην ιεραρχική προσέγγιση ο ερευνητής καθορίζει τη σειρά πριν εξετάσει τα αποτελέσματα.
Για το βασικό στατιστικό υπόβαθρο μπορείς να δεις την πολλαπλή παλινδρόμηση στο SPSS.
2. Πώς αποφασίζουμε τη σειρά των ομάδων μεταβλητών;
Η σειρά αποτελεί ουσιαστικό μέρος της ερευνητικής υπόθεσης. Δεν πρέπει να αλλάζει επειδή κάποια διάταξη παράγει καλύτερη τιμή p.
Το πρώτο μοντέλο περιλαμβάνει συχνά μεταβλητές ελέγχου. Αυτές είναι παράγοντες που προηγούμενη γνώση θεωρεί σημαντικούς.
Σε μια μελέτη επαγγελματικής εξουθένωσης, για παράδειγμα, μπορεί να θέλεις πρώτα να ελέγξεις την προϋπηρεσία.
Στο δεύτερο μοντέλο μπορείς να προσθέσεις έναν εργασιακό παράγοντα που αποτελεί το κύριο ενδιαφέρον της μελέτης.
Τότε εξετάζεις αν ο συγκεκριμένος παράγοντας προσθέτει ερμηνευτική αξία πέρα από την προϋπηρεσία.
Ένα τρίτο μοντέλο μπορεί να εισάγει μια νέα θεωρητική ομάδα. Η λογική πρέπει πάλι να έχει καθοριστεί εκ των προτέρων.
Δεν υπάρχει ένας καθολικός κανόνας ότι τα δημογραφικά στοιχεία πρέπει πάντα να εισάγονται πρώτα.
Η σειρά εξαρτάται από το ερευνητικό ερώτημα και το θεωρητικό πλαίσιο. Πρέπει να μπορείς να αιτιολογήσεις κάθε βήμα.
Η σειρά έχει σημασία επειδή η μεταβολή του R² αποδίδεται στην ομάδα που εισάγεται στο συγκεκριμένο στάδιο.
Αν αλλάξεις τη σειρά δύο συσχετισμένων ομάδων, μπορεί να αλλάξει και η πρόσθετη μεταβλητότητα που αποδίδεται σε καθεμία.
Για αυτό η ΔR² δεν αποτελεί μια έμφυτη ιδιότητα μιας μεταβλητής. Εξαρτάται από όσα έχουν ήδη εισαχθεί στο μοντέλο.
Πριν ξεκινήσεις την ανάλυση, χρειάζεται επίσης να ελέγξεις τις προϋποθέσεις της γραμμικής παλινδρόμησης.
Ιδιαίτερη σημασία έχει η πολυσυγγραμμικότητα. Πολύ ισχυρές σχέσεις μεταξύ προβλεπτικών παραγόντων δυσκολεύουν την ερμηνεία των επιμέρους συντελεστών.
3. Πώς εκτελείται η ιεραρχική παλινδρόμηση στο SPSS;
Στο SPSS ξεκινάς από «Ανάλυση → Παλινδρόμηση → Γραμμική». Τοποθετείς την ποσοτική έκβαση στο πεδίο εξαρτημένης μεταβλητής.
Στην πρώτη ομάδα εισάγεις τους προβλεπτικούς παράγοντες του αρχικού μοντέλου. Συνήθως χρησιμοποιείς τη μέθοδο ταυτόχρονης εισαγωγής.
Στη συνέχεια επιλέγεις «Επόμενο». Το SPSS δημιουργεί δεύτερη ομάδα χωρίς να αφαιρεί τις μεταβλητές της πρώτης.
Προσθέτεις τώρα τους νέους προβλεπτικούς παράγοντες. Αν χρειάζεται τρίτο στάδιο, επαναλαμβάνεις την ίδια διαδικασία.
Στις στατιστικές επιλογές ζήτησε τη μεταβολή του R². Στην αγγλική έκδοση του SPSS εμφανίζεται ως «R squared change».
Η επίσημη τεκμηρίωση της IBM για ιεραρχική παλινδρόμηση περιγράφει ακριβώς αυτή τη λογική διαδοχικών ομάδων.
Η IBM εξηγεί επίσης ότι κάθε νέα ομάδα εξετάζεται ως πρόσθετη βελτίωση πάνω στο προηγούμενο μοντέλο.
Ζήτησε ακόμη διαστήματα εμπιστοσύνης των συντελεστών. Χρήσιμοι είναι και οι δείκτες πολυσυγγραμμικότητας.
Μπορείς επίσης να αποθηκεύσεις κατάλοιπα για διαγνωστικούς ελέγχους. Οι βασικές προϋποθέσεις παραμένουν εκείνες της πολλαπλής γραμμικής παλινδρόμησης.
Τα διαδοχικά μοντέλα πρέπει να βασίζονται σε συγκρίσιμες παρατηρήσεις. Διαφορετικό δείγμα μεταξύ μοντέλων δυσκολεύει την καθαρή ερμηνεία της ΔR².
Για αυτό έλεγξε τις ελλιπείς τιμές πριν την τελική ανάλυση. Μια μεταβλητή που προστίθεται αργότερα μπορεί να μειώσει τις διαθέσιμες περιπτώσεις.
Αν θέλεις γενικότερη καθοδήγηση για τον σχεδιασμό της ανάλυσης, μπορείς να επισκεφθείς την αρχική σελίδα.
4. Πώς ερμηνεύουμε R², ΔR² και μεταβολή F;
Στη ιεραρχική παλινδρόμηση στο SPSS εξετάζεις πρώτα το R² κάθε μοντέλου.
Το R² δείχνει το ποσοστό μεταβλητότητας της εξαρτημένης μεταβλητής που εξηγεί συνολικά το συγκεκριμένο μοντέλο.
Ας υποθέσουμε ότι το πρώτο μοντέλο έχει R² = 0,24. Αυτό σημαίνει ότι εξηγεί το 24% της μεταβλητότητας.
Στο δεύτερο μοντέλο προσθέτεις δύο νέους παράγοντες. Το νέο R² αυξάνεται στο 0,36.
Η μεταβολή του R² είναι τότε 0,12. Οι νέες μεταβλητές προσθέτουν 12 ποσοστιαίες μονάδες εξηγούμενης μεταβλητότητας.
Δεν αρκεί όμως να κοιτάξεις μόνο το μέγεθος της αύξησης. Πρέπει να εξετάσεις αν αυτή είναι στατιστικά σημαντική.
Το SPSS παρέχει τον έλεγχο μεταβολής F. Η αντίστοιχη τιμή σημαντικότητας εμφανίζεται ως «Sig. F Change».
Αν p = 0,003, η νέα ομάδα βελτιώνει στατιστικά σημαντικά το μοντέλο στο συνηθισμένο επίπεδο 0,05.
Αν p = 0,28, δεν υπάρχει επαρκής ένδειξη ότι η ομάδα προσφέρει πρόσθετη εξηγούμενη μεταβλητότητα.
Αυτό δεν σημαίνει ότι όλοι οι νέοι συντελεστές είναι μη σημαντικοί. Ο έλεγχος μεταβολής F εξετάζει την ομάδα συνολικά.
Αντίστροφα, σημαντική μεταβολή R² δεν σημαίνει ότι κάθε νέος προβλεπτικός παράγοντας είναι σημαντικός ξεχωριστά.
Μετά την αξιολόγηση της ομάδας εξετάζεις τον πίνακα συντελεστών. Εκεί διαβάζεις B και τυποποιημένο β.
Εξετάζεις επίσης την τιμή p κάθε προβλεπτικού παράγοντα. Η ερμηνεία γίνεται με τους υπόλοιπους παράγοντες του συγκεκριμένου μοντέλου σταθερούς.
Το προσαρμοσμένο R² μπορεί να βοηθήσει στην αξιολόγηση της συνολικής εξηγούμενης μεταβλητότητας. Δεν αντικαθιστά όμως τον έλεγχο της ΔR².
5. Πώς παρουσιάζεται η ιεραρχική παλινδρόμηση στην πτυχιακή;
Στη μεθοδολογία εξήγησε πρώτα γιατί χρησιμοποίησες ιεραρχική και όχι απλή πολλαπλή παλινδρόμηση.
Πρέπει μετά να περιγράψεις τη σειρά των ομάδων. Δήλωσε ποιες μεταβλητές εισήχθησαν στο πρώτο μοντέλο.
Στη συνέχεια εξήγησε ποιες μεταβλητές προστέθηκαν στο δεύτερο. Το ίδιο ισχύει για κάθε επόμενο στάδιο.
Το σημαντικότερο είναι να αιτιολογήσεις τη σειρά θεωρητικά. Μην γράψεις απλώς ότι «οι μεταβλητές χωρίστηκαν σε ομάδες».
Στα αποτελέσματα παρουσίασε το R² του πρώτου μοντέλου. Μετά παρουσίασε το R² του επόμενου.
Πρόσθεσε τη ΔR² και τον έλεγχο μεταβολής F. Έτσι φαίνεται αν η νέα ομάδα είχε πρόσθετη ερμηνευτική αξία.
Για παράδειγμα, μπορείς να αναφέρεις ότι το πρώτο μοντέλο εξήγησε 24% της μεταβλητότητας.
Η προσθήκη της δεύτερης ομάδας αύξησε το R² στο 36%. Άρα η ΔR² ήταν 0,12.
Αν ο έλεγχος έδωσε p = 0,003, αναφέρεις ότι η βελτίωση του μοντέλου ήταν στατιστικά σημαντική.
Μετά παρουσιάζεις τους συντελεστές του τελικού μοντέλου. Αν χρειάζεται, μπορείς να συζητήσεις και αλλαγές των συντελεστών μεταξύ σταδίων.
Απόφυγε να ερμηνεύεις μια ομάδα σαν να απέδειξε αιτιότητα. Η ιεραρχική σειρά δεν μετατρέπει την παρατηρητική έρευνα σε πείραμα.
Απόφυγε επίσης να αλλάζεις τη σειρά των ομάδων αφού δεις τα αποτελέσματα. Αυτό αλλοιώνει τη θεωρητική λογική της ανάλυσης.
Η ιεραρχική παλινδρόμηση στο SPSS έχει αξία όταν κάθε στάδιο απαντά σε συγκεκριμένο ερευνητικό ερώτημα.
Για ένα ευρύτερο παράδειγμα εφαρμογής μπορείς να δεις τη παλινδρόμηση σε διπλωματική εργασία.
Για εξειδικευμένη υποστήριξη μπορείς επίσης να δεις τη σελίδα για στατιστικές αναλύσεις.
Χρειάζεσαι βοήθεια με τη στατιστική ανάλυση;
Αν χρειάζεσαι βοήθεια με τη στατιστική ανάλυση της πτυχιακής σου, στείλε το αρχείο δεδομένων. Στείλε επίσης τα ερευνητικά ερωτήματα και ό,τι άλλο έχεις στη διάθεσή σου.
Μπορείς να συμβουλευτείς τις ενδεικτικές τιμές για μια πρώτη εικόνα. Η τελική κοστολόγηση εξαρτάται από τα δεδομένα. Εξαρτάται επίσης από την πολυπλοκότητα της απαιτούμενης ανάλυσης.
Για συγκεκριμένη εκτίμηση, συμπλήρωσε τη φόρμα κοστολόγησης και επισύναψε τα διαθέσιμα αρχεία. Αν χρειάζεσαι πρώτα διευκρίνιση, μπορείς να επικοινωνήσεις μαζί μας.