بـرای بررسی فرض نرمـال بودن بـاقی مانـده ها از نمودارهای نرمال باقـی مـانده و هیستوگرام
برای بررسی فرض مستقل بودن باقی مانده ها می توان از طریق نمودار باقی مانده ها در مقابل متغیرهای متوالی استفاده کرد. برای بررسی وجود رابطه بین مشاهدات همجوار می توان از آزمون دوربین- واتسون[۵۰] استفاده نمود.
( اینجا فقط تکه ای از متن فایل پایان نامه درج شده است. برای خرید متن کامل پایان نامه با فرمت ورد می توانید به سایت feko.ir مراجعه نمایید و کلمه کلیدی مورد نظرتان را جستجو نمایید. )
برای بررسی فرض ثابت بودن واریانس باقی مانده ها (فرض ) باید به نمودار باقی مانده ها در مقابل مقادیر پیش بینی شده رجوع کرد.
اگر به جای استفاده از یک متغیر مستقل در پیش بینی متغیر وابسته، از چند متغیر مستقل استفاده شود به، آن رگرسیون چند متغیره گویند که تمام فرض های آن مشابه رگرسیون ساده است. چند روش برای برازش مدل رگرسیون چند متغیره وجود دارند که عبارتند از:
۱– روش همزمان[۵۱] : در این روش، تمام متغیرهای مستقل وارد مدل می شوند.
۲– روش رو به جلو[۵۲] : در این روش، ابتدا متغیری که دارای بیشترین باشد وارد مدل می شود.
۳– روش رو به عقب[۵۳] : در این روش ابتدا کلیه متغیرها وارد مدل شده و سپس هر متغیری که دارای کمترین میزان تغییرات در باشد از مدل حذف می شود.
۴– روش گام به گام[۵۴] : این روش ترکیبی از دو روش قبلی است و همواره به عنوان بهترین روش در تحقیقات مورد استفاده قرار گرفته شده است. فرایند اجرای این روش به این صورت است که ابتدا متغیری به عنوان اولین متغیر، به مدل اضافه می شود که دارای بزرگترین ضریب همبستگی با متغیر پاسخ است و سپس دومین متغیر که دارای بزرگترین ضریب همبستگی است به مدل اضافه می شود (روش رو به جلو). سپس متغیرهای مستقل دیگر به تک تک به مدل اضافه می شوند. در صورتی که، متغیرهایی که قبلا در مدل وارد شده اند، با اضافه شدن متغیر جدید اهمیت خود را از دست بدهند از مدل حذف می شوند (روش رو به عقب).(گری و کینیر،۱۳۸۱)
با بهره گرفتن از نگاره ANOVA و اطلاعات بدست آمده از نرم افزارهای Minitab, SPSS ، وجود یا عدم وجود پیوند خطی بین متغیرهای مستقل و وابسته بررسی می گردد وبرای این بررسی از آماره F استفاده می شود بر اساس نتایج حاصل از نرم افزار SPSS و F محاسبه شده با آماره F جدول مقایسه شده و در صورت بزرگتر بودن F محاسبه شده از F جدول می توان نسبت به معنی دار بودن الگو نتیجه گیری کرد. همچنین می توان برای بررسی این فرض از نیز استفاده نمود. لذا محاسبه شده با مقدار آلفا ( ) مقایسه شده و در صورت بزرگتر بودن این مقدار از مقدار آلفا فرض پذیرفته شده و در غیر اینصورت فرض پذیرفته می شود. بعد از انجام آزمون رگرسیون و نتیجه گیری در مورد فرضیه های فرعی، برای بدست آوردن مدلی که دارای بیشترین همبستگی بین متغیرهای مستقل و وابسته است از روش رگرسیون گام به گام استفاده شده است. در این روش ابتدا متغیری که دارای بزرگترین ضریب همبستگی با ارزش شرکت است به عنوان اولین متغیر به مدل اضافه می شود. سپس متغیرهای بعدی به صورت تک به تک وارد مدل می شوند. در صورتی که ورود متغیر جدید به مدل باعث افزایش ضریب همبستگی گردد، آن متغیر در مدل باقی می ماند در غیر این صورت از مدل حذف می گردد. نرم افزار SPSS تمام فرآیندهای پیشگفته را به صورت خودکار انجام می دهد. خروجی و جداول بدست آمده از این روش کاملا مشابه روش رگرسیون معمولی بوده و همان صورت قابل تفسیر و نتیجه گیری خواهد بود.
۳-۸-۳)همبستگی پیرسون
تحلیل همبستگی ابزاری، آماری است که بوسیله آن می توان درجه ای را اندازه گیری کرد که متغیری به متغیر دیگر، از نظر خطی مرتبط است. ضریب همبستگی پیرسون همواره بین ۱+ و ۱- می باشد. هر چقدر این ضریب به عدد ۱+ نزدیکتر باشد نشان از وجود همبستگی زیاد و مستقیم بین دو متغیر است و چنانچه ضریب همبستگی پیرسون به عدد ۱- نزدیکتر باشد مفهوم آن همبستگی زیاد و معکوس بین آنها است. اگر چه قواعد سهل و سریعی برای تمایز کردن همبستگی زیاد از کم وجود ندارد اما وجود قاعده ای برای تفسیر مقدارهای مختلف ضریب همبستگی می تواند مفید باشد. این چنین قاعده ای ارائه شده ولی باید در استفاده از آن احتیاط رعایت گردد.(خاکی،۱۳۸۲)
مقدارr
درجه همبستگی
۷۵/۰- ≥r ≥ ۱-
بسیار زیاد و معکوس
۵/۰- ≥ r ≥ ۷۴/۰-
زیاد و معکوس
۲۵/۰- ≥ r ≥ ۴۹/۰-
متوسط و معکوس
۰ > r ≥ ۲۴/۰-
کم و معکوس
۰
وجود ندارد
۲۴/۰≥ r > 0
کم و مستقیم
۴۹/۰ ≥ r ≥ ۲۴/۰
متوسط و مستقیم