جهت تاثیر:
یک جهت رابطه/تاثیر (منفی یا مثبت ) این موضوع را می­رساند که تغییر در مقدار یک متغیر وابسته به تغییر در مقدار متغیر وابسته می­باشد.جهت مثبت نشان ­دهنده این می­باشد که افزایش در متغیر مستقل باعث افزایش در متغیر وابسته می­باشد و برعکس برای جهت منفی.در ادامه این موضوع نشان داده شده که تفسیر جهت برای ضرایب اصلی و نمایی شده تفاوت دارد.

( 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. )

تفسیر جهت ضرایب اصلی :
علامت ضرایب (مثبت یا منفی ) اصلی نشان دهنده جهت رابطه(تاثیر) می­باشد.یک ضریب مثبت احتمالات را افزایش می­دهد در صورتی که یک ضریب منفی احتمالات پیش بینی شده را کاهش می­دهد.
تفسیر جهت ضرایب نمایی شده:
چون ضرایب نمایی شده به صورت آنتی لگاریتم ضرایب اصلی معرفی می­شوند و به صورت odds می­باشند .بنابراین هیچ وقت مقادیرمنفی را دراختیار نمی­گیرند وبه صورت متفاوتی نسبت به ضرایب اصلی تفسیر می­شوند.بنابراین ضرایب نمایی شده بیش­تر از ۱ نشان دهنده ارتباط با جهت مثبت می­باشد و ضرایب کمتر از ۱ نشان دهنده ارتباط با جهت منفی می­باشد.
بنابراین با توجه به مطالب ذکر شده می­توان این نتیجه گیری کلی را گرفت که؛
ضرایب اصلی لجستیک:
برای تعیین بزرگی رابطه خیلی مفید نیستند زیرا بیش­تر تغییر در ارزش لجیتی را نشان می­ دهند .
و در مقابل
ضرایب نمایی شده لجستیک:
این ضرایب به طور مستقیم تغییر در مقدار oddsرا نشان می­ دهند^[۲۰۴].اثر این ضرایب به صورت ضرب در هر واحد تغییر متغیر مستقل می­باشد.
تعیین نیکویی برازش مدل پیش بینی شده:
آزمون نسبت درست نمایی^[۲۰۵]
در تحلیل رگرسیون لجستیک برای ارزیابی میزان برازش کل مدل از آزمون نسبت درست نمایی LR استفاده می شود که آماره آن (در نتایج آزمون ام نی بوس^[۲۰۶]) می باشد.بنابراین در اینجا آماره معادل آماره F در تحلیل رگرسیون خطی است.هدف آزمون نسبت درست نمایی این است که تفاوت بین احتمال پیش بینی شده حضور یک پاسخ گو در یک طبقه واقعی او را به حداقل کاهش دهد.برای این منظور این آزمون ضرایب لجستیک تولید میکند که قادرند پاسخ گویان را با دقت هر چه بیشتری در طبقه واقعی خود قرار دهند.
نسبت درست نمایی بر اساس تفاوت در مقدار انحراف ها محاسبه می شود.یعنی انحراف بدون وجود متغیر پیش بین در مدل منهای انحراف با وجود متغیر پیش بین در مدل.به عبارتی روشن تر در آزمون نسبت درست نمایی مقدار آماره یک بار فقط برای عدد ثابت در معادله بدون هیچ متغیر پیش بین و بار دیگر پس از وجود هر متغیر پیش بین به معادله محاسبه میشود.
مقدار انحراف از طریق فرمول زیر محاسبه می­ شود.
بنابراین مقدار تفاضل دو انحراف از یکدیگر D که نسبت درست نمایی بر اساس آن محاسبه میشود برابر است با.
(مدل با متغیر)- (مدل بدون متغیر) G= = D
نکته ۱: در تفسیر مقدار مثبت درست نمایی با بهره گرفتن از معنی داری مقدار آماره در سطح خطای کوچکتر از ۰٫۰۵ می­توانیم پی ببریم که آیا مدل رگرسیونی به خوبی داده ­ها را برازش می­دهد یا خیر.
البته باید توجه داشت که برخلاف آماره پیرسون در جدول توافقی و همچنین سایر آزمون های مشابه که از آماره استفاده میکنند و در آنها مقدار بالاتر نشان دهنده میزان بیشتر رابطه یا تفاوت است.در آزمون نسبت درست نمایی برعکس است یعنی در اینجا هر چه مقدار آماره کوچکتر باشد برازش مدل بهتر است.
آماره والد^[۲۰۷]:
در رگرسیون لجستیک آماره والد معنا دار بودن حضور هر متغیر مستقل در معادله را نشان میدهد.در نتیجه آماره والدمعادل آماره t در رگرسیون خطی است. آزمون والد از رابطه زیر محاسبه می­ شود که در آن _iβ به معنای بتا و ضریب متغیر _iX و E. S خطای استاندارد است.
در واقع آماره والد این فرض را به آزمون میگذارد که مقدار تمامیβ ها برابر است با صفر.یعنی میزان تاثیر تمامی متغیرهای مستقل بر متغیر وابسته برابربا صفر است.پس اگر قرار است فرض صفر را رد کنیم حداقل یکی ازβ ها نباید صفر باشد. حال اینکه از مقدارsig بدست آمده برای بررسی این موضوع استفاده می کنیم که درآن چنانچه مقدارsig کمتر از ۰٫۰۵ باشد فرض اینکه حداقل یکی ازβ ها برابر صفر نیست(فرضH1) پذیرفته می­ شود.
نکته۱: زمانی که مقدار β بزرگ باشد مقدار والد اریب پیدا میکند.
نکته ۲: موقعی که درجه آزادی یک متغیر برابر با یک باشد مقدار آماره والد از جذر نسبت ضریب رگرسیونی β آن متغیر به خطای استاندارد S.E آن به دست می ­آید اما برای متغیرهای ترتیبی که درجه آزادی آنها همیشه از عدد ۱ بیشتر است درجه آزادی آماره والد یک متغیر برابر است با تعدادطبقات آن متغیر منهای یک N-1
*.در رگرسیون لجستیگ در رابطه با آزمون والد یک بار بر مبنای انیکه فقط عدد ثابت در مدل وجود دارد(STEP 0) و یک بار بر مبنای انیکه تمامی متغیرها در مدل وجود دارند^[۲۰۸](STEP 1) نشان داده می­ شود.
نکته ۲: بر اساس توضیحات بالا مطالب ارائه شده پیشین در رابطه با ضرایب لجستیک نمایی میتوان چنین نوشت که:
۱- برای پی بردن به ارزش کل مدل رگرسیون لجستیک ازآمارهاستفاده میکنیم.
۲- برای پی بردن به معنا داری اثر هر متغیر بر متغیر وابسته از آماره والد استفاده میکنیم.
برای پی بردن به میزان تاثیر هر متغیر بر متغیر وابسته از آمارهEXP(B) استفاده میکنیم.که همان نسبت بخت هاست.بنابراین آماره Wald مقدم بر آماره EXP(B) است.
صحت پیش بینی کنندگی^[۲۰۹]
این برارزش مدل شامل مراحل زیر می­ شود؛

1. 1. ماتریس طبقه بندی

1. 1. آزمون هاسمر و لِمی شو

ماتریس طبقه ­بندی^[۲۱۰]:این ماتریس در واقع بررسی میکند که عضویت در گروه ها درست صورت گرفته است یا خیر و به همین صورت احتمالات را اندازه ­گیری می کند.
همچنین نتایج بدست آمده از این ماتریس میزان ارزیابی از خطای نوع اول و خطای نوع دوم مدل را نیز نشان می­دهد به این نحو که به عنوان مثال در این جدول زیر (۸۳٫۳%-۱) نشان دهنده میزان خطای نوع اول و (۸۴٫۶%-۱) میزان خطای نوع دوم را نشان میدهدو در کل صحت کلی طبقه بندی که توسط این مدل پیشنهاد می­ شود معادل ۸۴% است.
آزمون هاسمر و لِمی شو^[۲۱۱]
در این آزمون میزان برازش کلی مدل^[۲۱۲] مبنی برمقدارکای دو را نشان میدهد البته به این مفهوم که این آزمون میزان پیش بینی تغییرات متغیر وابسته را با توجه به تمامی متغیرهای سمت راست(اعم ازمستقل، مصنوعی^[۲۱۳]، کنترل و..) نشان می­دهد و به نوعی برای بررسی تطابق داده ها با مدل یا ( توافق بین نتایج مشاهده و نتایج پیش بینی شده) استفاده می شود معنادار نبودن این آزمون به معنای عدم تفاوت داده ها با مدل یعنی برازش داده با مدل است به نحوی که چنانچه مقدار sig بیشتر از ۵% باشد مطلوبیت برازش کلی مدل مبنی بر پیش بینی صحیح پذیرفته می­ شود.
همچنین آماره این تست به این صورت می باشد:
البته در رابطه با تعیین میزان درصد تغییرات متغیر وابسته توسط متغیرهای مستقل رگرسیون لجستیک از اطلاعات درج شده از Negelkerk R Square استفاده می­ شود که این مقدار معادل R² در رگسیون خطی^[۲۱۴] است البته با این تعدیل که این ضریب همبستگی مختص به داده هایی است که متغیر وابسته مدل بین صفر و یک اختیار می­ شود.
فصل چهارم:
تجزیه و تحلیل
نتایج تحقیق
۴-۱. مقدّمه
همانطور که در فصل سوم روش تحقیق بیان شد این فصل اختصاص به تجزیه و تحلیل نتایج تحقیق دارد که در آن با بهره گیری از روش های مناسب و مشخص آماری به بررسی و تجزیه وتحلیل این داده ها خواهیم پرداخت تا نهایتاً با تأیید یا رد فرضیه های مطرح شده بتوانیم پاسخی مناسب برای پرسش های این تحقیق بیابیم. پیرامون این فصل آمار توصیفی از متغیرهای مستقل و وابسته تحقیق بیان شده است و به دنبال آن هریک از فرضیه های تحقیق مطرح و با بهره گرفتن از آزمون های آماری مورد تجزیه و تحلیل قرار گرفته شده اند.
۴-۲. آمار توصیفی تحقیق
قبل از تجزیه و تحلیل داده ها باید قدم های مقدماتی مشخصی برداشته شود. یک محقق هنگامی که با توده ای از اطلاعات گردآوری شده برای تحقیق روبرو می شود، ابتدا باید آنها را به طریقی سازمان دهی و خلاصه کند تا نکات پنهان داده ها آشکار شده و در نگاه اول ویژگی های مقدماتی آنها بر ملاء شود وقبل از اینکه مستقیما به سراغ آزمون های آماری برود، بتواند با اطلاع از نحوه توزیع داده ها و سایر خصوصیات آنها که با محاسبه بعضی شاخص های آماری آشکار می شود، مسیر روشنی را برای رسیدن به نتایج دنبال کند. تهیه جدول فراوانی، محاسبه شاخص های آماری و رسم نمودار در اغلب موارد برای توصیف داده ها امری ضروری است. از این رو ما قبل از انجام هرگونه آزمون های آماری، به توصیف داده ها به شرح ذیل خواهیم پرداخت.
جدول ۴-۲-۱