SPSS ile Çok Değişkenli Regresyon Analizi

[@OfisLab]

Bu videoda anlattıklarımı beğendiysen, *SPSS Dersleri* isimli video serimi de izlemeni tavsiye ederim kzbin.info/aero/PL9dwBqqedrdzg5Ord9MA7kiR0B7eyhecp Gelecekteki videolarımı kaçırmamak için kanalıma abone olmayı unutma 😊kzbin.info Ayrıca, bu videoyu beğendiysen BEĞEN tuşuna da basarsan daha fazla kişinin bu videoyu görmesini sağlayıp onların da faydalanmasını sağlayabilirsin!

[@feyzacabuk517]

Regresyon analizi ile ilgi tüm önemli noktaları detaylı bir şekilde açıklamışsınız. Bu fayda videonuz için teşekkür ederim. Emeğinize sağlık. İyi çalışmalar dilerim.

[@OfisLab]

Amacım buydu, umarım faydalı olmuştur. Size de iyi çalışmalar dilerim.

[@akademiart100]

Üstad Allah senden razı olsun. Tam aradığım video. Allah tuttuğunu altın etsin, hiç dara düşmeyesin, hiç sıkıntı çekmeyesin, ailenle huzurlu ve mutlu yaşa.

[@OfisLab]

eyvallah hocam çok teşekkürler

[@akademiart100]

@@OfisLab Hocam sizinle bir proje için görüşmek istiyoruz. Mail de attım ama ulaştı mı bilmiyorum.

[@OfisLab]

Hocam bu aralar çok yoğunum o nedenle maalesef yardımcı olamayacağım.

[@akademiart100]

@@OfisLab Teşekkürle cevap için hocam

[@OfisLab]

Rica ederim hocam

[@enginuces7140]

30 dk tamamı dolu dolu ilaç gibi olmuş. hocama çok teşekkür ederim. videodaki ses kalitesi biraz iyileştirilebilir. emeğinize sağlık

[@OfisLab]

Ben teşekkür ederim yorumunuz için hocam. Ses için aslında mikrofon kullanıyorum ancak daha kaliteli hale getirmek için daha iyi bir mikrofon alacağım.

[@elifdemirbas8506]

emeğinize sağlı, o kadar yardımcı oldunuz ki

[@OfisLab]

Teşekkürler ☺️

[@elishacioglu9538]

Videolar hayatimi kurtardi ! Emeginize saglik....

[@OfisLab]

süper :)

[@Physicist999]

Teşekkürler. Dolu dolu 30 dk. Süper.

[@OfisLab]

rica ederim ;)

[@gokayklcer5706]

çok güzel anlatım , teşekkürler emeğinize sağlık.

[@OfisLab]

çok teşekkürler

[@alisonkur457]

Çok teşekkürler değerli hocam

[@OfisLab]

Rica ederim hocam

[@sahraakn1051]

Allah razı olsun ne diyeyim.

[@OfisLab]

Eyvallah

[@Justice1616]

Çok emek verilmiş....Çok teşekkürler.....Çok faydalı....

[@OfisLab]

Teşekkürler Norveçli ;)

[@OfisLab]

Ah vaktim olsa 🙁

[@ekinberaneguz7337]

Çok faydalandım, teşekkür ederim

[@OfisLab]

rica ederim

[@ebubekirerdogan9504]

Erzurum şivesi ile yazıyorum hocam senin canın yiyim var olasın.

[@OfisLab]

eyvallah hocam Erzurum'a selamlar :)

[@YaseminDuyguEsen]

Hocam yorumlamalarınız çok güzel. Karşılaştırmalı artı neden sonuçlu artı olmama durumunda nasıl yorumlanacağı... Cidden bu analizin mantığı oturdu. Emeğinize sağlık. Teşekkür ederiz.

[@OfisLab]

Hocam ben de yomunuz için teşekkür ederim. Elimden geldiğince her yeni videoda kendimi geliştirmeye çalışıyorum. Kolaylıklar dilerim.

[@ibrahimhakk67]

Merhabalar, videonuz ve emeğiniz için teşekkür ediyorum. Regresyon analizi ile ilgili temel anlamda bazı sorular vardı, bir kaçının cevabını bu videolarda buldum. Bazı sorularım olacak.: 1- Bağımlı değişken sürekli değilde kategorik olursa, regresyon analizi yapabilirmiyiz, bunun için video hazırlayabilirmisiniz. 2-Hem bağımlı hende bağımsız değişken kategorik olursa regresyon analizi yapılabilir mi?

[@OfisLab]

Merhaba. Birinci sorunuzun cevabı evet yapabilirsinz ancak Lojistik regresyon denilen bir analiz yöntemini kullanmanız gerekiyor. Bu aralar çok yoğun çalıştığım için bunun videosunu çekmeye vaktim yok maalesef ama ileride çekeceğim. İkinci sorunuzun cevabı ie ki kare analizi. Kanalımda bu linke tıklayarak bu konudaki videoma ulaşabilrirsiniz: kzbin.info/www/bejne/q6aUnJ2dprujh7M

[@Byfeyzos]

ben birşey sormak istiyorum bağımlım sürekli bagımsızım katagorik değişkenle yaptığım çoklu regresyon analizinde doğrusallık sağlanmaz onu nasıl yapacağım

[@gizemoktay2842]

Merhaba Hocam. Emeğinize sağlık anlatımınız çok iyi. Bir sorum olacaktı. En son denklem oluşturulurken Coefficient tablosundaki sig değeri 0.05 ten büyük olan tutuculuk değişkenini de denkleme kattınız. Neden öyle yaptık. Sadece sig değeri 0.05 ten küçük olan değişkenleri denkleme eklememiz gerekmiyor muydu? Cevaplarsanız çok sevinirim.

[@OfisLab]

Merhaba hocam. Bu analizde eklediğim bütün değişkenleri denkleme koymam gerekiyor. Sig. değeri .05'den küçük olsa bile modele anlamsız da olsa bir etkisi var ve bunu denkleme koymakta bence sakınca yok. Ancak burada alansal farklar olabilir. Sizin alanınızda anlamlı olmayan değişkenler denkleme eklenmiyor olabilir. Onu bilemiyorum ama normalde koyulması gerekir.

[@gizemoktay2842]

@@OfisLab Merhabalar hocam biz tez yazma aşamasındayız. Endüstri mühendisliği bölümümüz. Arge Harcamalarının/GSYH, eğitim harcamalarının/GSYH, kadın istihdamının toplam istihdam edilen kişi sayısına oranı ve birkaç tane daha türkiyenin inovasyon çıktısına etki edecek şekilde değişkenlerimiz 2000-2019 yılları içerisinde OECD, WORLDBANK, TÜİK gibi kaynaklardan elde ettiğimiz veri setimiz mevcut. Bunlar üzerinden bir çoklu doğrusal regresyon analizi yapmaya çalışıyoruz SPSS üzerinden. Diğer incelediğimiz videolarda coefficients tablosunda sadece sig değeri 0,05 ten küçük olan değişkenleri denkleme aldıkları için böyle bir soru işareti kafamızda oluştu. Ama çoğunlukla yapılan analizler anket verisi üzerinden yapılmış durumda. Acaba biz de sizin gibi sig değeri 0,05 ten büyük olan değişkenlerimizi denkleme alabilir miyiz ? Çünkü belirlediğimiz değişkenlerin inovasyon çıktısını az da olsa etkilediğini biliyoruz. Acaba bu konu hakkında önerebileceğiniz bir kaynak veya kaynakçanız var mıdır? Çok teşekkür ederim şimdiden hocam.

[@OfisLab]

Konunuz güzelmiş gerçekten. Aslında bu cümle ne yapmanız gerektiğini özetliyor: "Çünkü belirlediğimiz değişkenlerin inovasyon çıktısını az da olsa etkilediğini biliyoruz" yani o değişkenleri modele ve hipotezlere ekleyebilecek kadar literatürde bilgi mevcut olmalı ya da mantık olarak eklenebileceği etkileyebileceği öngörülüyor anladığım kadarıyla. Bu da o değişkenler .05'den büyük anlamlılık değerine sahip olsalar da modelde ve denklemde kalmaları gerektiğini gösteriyor.

[@gizemoktay2842]

@@OfisLab çok teşekkür ederim hocam. Vakit ayırıp cevap verdiğiniz, bize yol gösterdiğiniz için çok çok teşekkür ederim.

[@elifakdag4039]

@@OfisLab Çok teşekkür ederiz hocam. İyi çalışmalar..

[@KERVAN2021]

Öncelikle çok teşekkür ederim. Çooook iyi anlatmışsınız. Benzer bir analiz yaptım. Tablodaki Adjusted r2 değeri ile en sonda oluşturduğumuz görsel grafikteki adjusted r2 farklı çıktığını fark ettim. Sizinkine baktım sizinkinde farklı çıkmış. .218 ve .134 sizde. Neden böyle? Aynı şey değilmi bunlar? Makalede sorun olmaz mı?

[@OfisLab]

Merhaba. Güzel bir soru ben de bunu fark etmemiştim. Gerçekten grafikte ve tablodaki Rsquare değerleri farklı çıkıyor. Aslında çıkmaması lazım çünkü değişkenler görünürde aynı. Bunu araştırdım hatta ama bir sonuca ulaşamadım henüz. Eğer bunun nedenini öğrenirsem yine sizin bu yorumunuza cevap olarak yazacağım.

[@bilgebable]

Merhaba, aşamalı çoklu regresyon analizi yapıcam. üç kategorik bir sürekli olmak üzere dört bağımsız değişkenim var. Ben bu kategorik değişkenlerde dummy değişken atayarak, sürekli değişkenimle aynı anda regresyon eşitliğine soksam sorun olur mu? Dummy değişken atadığımda, analizde bu kategorik değişkenler de sürekli değişken olarak mı kabul ediliyor?

[@OfisLab]

Merhaba hocam. evet bu değişkenlerin hepsinin degerleriyle dummy değişkenler oluşturup ayni anda analize sokabilirsiniz. bunlar dichotomous (ikili) değişken olarak kabul edilir ancak fark etmiyor çünkü sadece 2 deger olduğu icin continues değişkenle ayni özellikleri var. dummy değişken adli videomu izlerseniz orada anlatiroum

[@dr.alimuti5979]

çok teşekkür ederim. istifade ettim.

[@OfisLab]

Rica ederim hocam, işine yaramasına sevindim ;)

[@dr.alimuti5979]

@@OfisLab hocam tekrar teşekkür ederek bir soru soracağım videonun sonunda çoklu regresyon tablolarını oluşturmak için iki tablo öneriyorsunuz. Bunlar coefficents tablosunda var, tekrar bunu niçin oluşturuyoruz.

[@sosyalmedya9147]

Merhaba, Video için teşekkür ederim çok faydalı bir video emeğinize sağlık. Bir sorum olacaktı; Hangi çoklu regresyon analizinde kullanılan yöntemi kullandınız? (istatistiksel çoklu regresyon, standart çoklu regresyon vb gibi?

[@OfisLab]

Merhaba. Rica ederim, video işlinize yaradıysa ne mutlu. Ordinary Least Squares yöntemiyle bu regresyon analizi yapıldı. Türkçesi galiba en küçük kareler yöntemi.

[@crazystatistician]

Hocam merhabalar, bu videoda tutuculuk değişkeninin çoklu doğrusallığa neden olduğunu nasıl anladık? Uç değerleri hesaplarken centered leverage value değerinin üstünde olmasından dolayı descending yaptıktan sonra centered leverage value değerinin üstünde olmasından mı anladık ?

[@OfisLab]

Merhaba hocam. Çoklu doğrusallığı 2 yöntemle ölçüyoruz: korelasyon tablosunda korelasyon değerlerinin .80'in altında olup olmadığını kontrol ederek ve Coefficients tablosunda Collinearity statistics bölümündeki VIF değerinin 3, 5 veya 10 olup olmadığını kontrol ederk.

[@crazystatistician]

@@OfisLab çok teşekkür ederim hocam.

[@OfisLab]

rica ederim hocam

[@gulsumkubrabahadr8360]

Son derece faydalı ders için teşekkürler. Makalelerde multiple lojistik regresyon analizi yapılmadan önce univariate analiz yapıldığını, bu analiz sonucunda da OR, 95%CI değerlerinin elde edildiğini görüyorum. Univariatede anlamlı çıkan bağımsız değişkenler ise daha sonrasında multivarite analize alınıyor. Burada bahsi geçen univarite analiz; SPSS'te analzye>>> general linear model>>> univariate sekmesindeki analiz mi? Yoksa bağımsız değişkenlere uygulanan t test gibi temel istatistiksel testler mi?

[@OfisLab]

Rica ederim. Lojistik derken çoklu regresyon mı demek istediniz? Büyük ihtimal bu videoda gösterdiğim analizi yapıyorlar ya da korelasyon böylece anlamlı ilişkisi olanları önce buluyorlar be sonrasında sadede onları modele ekliyorlar.

[@onurpehlivan6970]

Video için teşekkürler öncelikle. Videoda anlatılanlar aşamalı ve hiyerarşik regresyon analizleri için de geçerli midir? Herhangi bir farkı var mı hocam?

[@OfisLab]

Merhaba. Bahsettiğiniz analizlerde bir de modeller arasındaki Rsquare farkını gösteren bir değer var. O değer modellerin birbirinden daha iyi olup olmadığını gösteriyor. Onun haricinde beta'lar aynı şekilde yorumlanıyor ya da açıklanan varyans vs.

[@alikaanates8126]

Hocam değerli bilgileriniz için çok teşekkür ederim, benim sorum şu şekilde kategorik değişkenleri kukla değişkene çevirdikten sonra kategori sayılarına göre mi çoklu doğrusal regresyona sokabiliyoruz? Örneğin iki kukla değişkenim 3 kategori, üç tanesi 4 kategorili bunları bir arada regresyona sokmak mı doğru olur yoksa ayrı ayrı regresyon analizi mi yapmalıyım? Cevabınız için şimdiden tşk ederim 💐

[@OfisLab]

Merhaba hocam. Bu hipotezlerinizle alakalı. Eğer hipotezlerinize göre grupların beraber etkisine bakacaksanız o zaman hepsini ekleyin. Hepsini eklemekte bir sakınca yok. Kolaylıklar.

[@BüşraUçarer]

Hocam size bir soru daha sorabilir miyim ? çok zor durumda kaldım. şimdi regrsyon analizi yapıyorum varsayımlar sağlanıyor. Anova tablosunda sig değeri anlamsız çıkıyor ama coefficient tablosunda bazı değişkenlerin değeri anlamlı çıkıyor. ya da tam tersi anova tablosu anlamlı çıkıyor ama coefficients tablosundaki tüm değerler için sig değeri anlamsız oluyor.Burada sorun nedir anlamadım.yardımcı olabilir misiniz?

[@OfisLab]

Bu tür durumlar bazen kafa karıştırıcı olabilir. İşte bazı çözüm önerileri: ANOVA ve coefficients tablolarındaki anlamlılık değerleri arasında tutarsızlık yaşamanızın birkaç nedeni olabilir: Modelin Genel Uyumunun Değerlendirilmesi: ANOVA Tablosu: Bu tablo, modelin genel olarak anlamlı olup olmadığını test eder. Yani, tüm bağımsız değişkenlerin birlikte bağımlı değişken üzerinde anlamlı bir etkisi olup olmadığını gösterir. Coefficients Tablosu: Bu tablo ise her bir bağımsız değişkenin, bağımlı değişken üzerinde tek başına anlamlı bir etkisi olup olmadığını test eder. Bağımsız Değişkenler Arası İlişkiler (Çoklu Bağlantı): Eğer bağımsız değişkenler arasında çoklu bağlantı (multicollinearity) varsa, bu durum ANOVA ve coefficients tablolarındaki anlamlılık değerlerinde tutarsızlıklara neden olabilir. VIF (Variance Inflation Factor) değerlerini kontrol ederek çoklu bağlantı olup olmadığını değerlendirin. Yüksek VIF değerleri, çoklu bağlantıya işaret eder. Modelin Gücü ve Örneklem Büyüklüğü: Modelin gücü ve örneklem büyüklüğü de bu tür tutarsızlıklara neden olabilir. Küçük bir örneklem büyüklüğü, bazı değişkenlerin anlamlı çıkmamasına neden olabilir. Değişkenlerin Etkisi: Bazı bağımsız değişkenlerin etkisi, diğer değişkenlerin varlığıyla maskelenebilir veya değişkenler arasında etkileşimler olabilir. Bu durumda, etkileşim terimleri eklemeyi veya modelinizi yeniden düzenlemeyi düşünebilirsiniz. Çözüm Önerileri: Çoklu Bağlantıyı Kontrol Etmek: VIF değerlerini kontrol edin ve çok yüksek olan değişkenleri modele dahil edip etmeme konusunda karar verin. Örneklem Büyüklüğünü Artırmak: Eğer mümkünse, örneklem büyüklüğünü artırarak modelin gücünü artırabilirsiniz. Etkileşim Terimleri Eklemek: Bağımsız değişkenler arasında etkileşimler olup olmadığını değerlendirin ve gerektiğinde etkileşim terimleri ekleyin. Modeli Yeniden İncelemek: Modelinizin kurulumunu ve bağımsız değişkenlerin seçimini yeniden gözden geçirin. Umarım bu bilgiler yardımcı olur.

[@seyda2017]

Merhabalar, yardımınıza ihtiyacım var :) Ben dünya değerler anketinden 3 ülkeyi çekip aralarında karşılaştırma analizi yapacağım. Mesela Türkiye, Azerbaycan, Suriye diyelim. Bunlarin tek tek spsse girilmiş verileri sitede var. Onlari indirdim ancak karşılaştırma yapacağım sorular üzerinden hepsini tek bir spss'de nasıl birleştirip, analiz yapabilirim? Video çekmeniz mümkün mü? Zira youtube'da bu konuda eksiklik de var. Şimdiden çok teşekkür ederim...

[@OfisLab]

Merhaba! Yardımcı olmaya çalışayım. Dünya Değerler Anketi'nden seçtiğin üç ülkenin verilerini SPSS'de karşılaştırmak için, öncelikle bu verileri tek bir SPSS dosyasında birleştirmen gerekecek. Bu işlem için, her ülkenin veri setini SPSS'e ayrı ayrı yükledikten sonra, 'Data' menüsünden 'Merge Files' seçeneğini kullanabilirsin. 'Add Cases' seçeneğini seçerek, her bir ülkenin verilerini tek bir dosyada birleştirebilirsin. Önemli olan, birleştirdiğin verilerin aynı değişkenlere (sorulara) sahip olmasıdır. Eğer bazı değişkenler sadece belirli ülkelerde varsa, bu durumda eksik veri yönetimi yapman gerekebilir. Karşılaştırma analizini yapmak için, önce gruplandırma değişkeni olarak ülke adını kullanarak verileri gruplandırabilirsin. Sonra, istediğin analizleri (örneğin, ANOVA, Chi-Square vb.) bu gruplandırılmış veri üzerinde uygulayabilirsin. Maalesef video çekme imkanım yok ama bu konuda pek çok online kaynak var. KZbin'da bu tür birleştirme işlemlerini gösteren videolar da bulunabilir. Umarım bu bilgiler işine yarar. Başka bir sorun olursa, sormaktan çekinme!

[@mervecan1238]

Hocam merhaba. Bir sey sormak istiyordum size. Hocam tezim icin 3 olcek kullanacagim. 2 si bagimsiz 1 i bagimli degisken icin. Hocam 2 olcegin toplam puanlarinin bagimli degisken toplam puanlarini yordamasi uzerine 1 coklu regresyon yapacagim. Sonra yordayici degiskenlerden birinin alt boyutlarinin bagimli degisken toplam puanini yordamak icin ayri bir coklu regresyon mu yapmaliyim

[@OfisLab]

Merhaba hocam. Hipotezlerinize göre yapacağınız analiz değişir. O yüzden benim bir şey demem biraz zor. Ancak ayrı regresyon yapmakta bir sorun yok her hipotezlerin sonu söylüyorsa böyle yapabilirsiniz

[@ikizligezginler3020]

hocam merhaba benim 6 farklı ölçeğim ve toplamda alt sorularıyla beraber 34 sorum var yanı hemen her ölçege ait 4 er ifade var altlarında , burdaki 1 ölçek bagımlı diğer 5 ölçek bağımsız değişken olarak sizin gösterdiğiniz modelin aynısı, sorum şu her ölçeğin altında ifadeler olduğu için coklu regresyon yaparken ortalamalarını mı almalıyım?? nasıl yapmalıyım?

[@OfisLab]

Merhaba hocam. Ortalamasını da alabilirsiniz ya da toplam puanını alabilirsiniz sonuç fark etmez. Genelde ortalamasını alarak yapılıyor

[@ISILARIKAN-ye4be]

Emeğinize sağlık, çok detaylı bir anlatım olmuş. Yalnız coefficients tablosundaki t değeri ne anlama geliyor onu da yazar mısınız? Tşkler

[@OfisLab]

Çok teşekkürler, beğendiğine sevindim! Coefficients tablosundaki 't değeri', bir bağımsız değişkenin modeldeki anlamlılığını test etmek için kullanılır. Basitçe, bu değer, bağımsız değişkenin katsayısının istatistiksel olarak anlamlı olup olmadığını gösterir. Bir 't değeri', o değişkenin katsayısının standart hatasına bölünmüş halidir. Yani, katsayının sıfırdan ne kadar farklı olduğunun bir ölçüsüdür. Eğer 't değeri' yüksekse, bu, o değişkenin katsayısının sıfırdan anlamlı bir şekilde farklı olduğunu ve modelde önemli bir rol oynadığını gösterir. Düşük bir 't değeri', ise katsayının sıfıra yakın olduğunu ve bağımsız değişkenin modelde önemli olmadığını gösterir. Bu değer, genellikle p-değeri ile birlikte değerlendirilir. P-değeri, t değerinin elde edilmesi için gerekli olan olasılığı gösterir. P-değeri düşükse (genellikle 0.05 veya daha az olarak kabul edilir), bu bağımsız değişkenin modelde istatistiksel olarak anlamlı olduğunu gösterir. Umarım bu açıklama yardımcı olur. Başka soruların olursa, cevaplamaktan memnuniyet duyarım!😊

[@ISILARIKAN-ye4be]

@@OfisLab çok teşekkürler hocam. Çok detaylı açıkladınız 🙏

[@OfisLab]

@@ISILARIKAN-ye4be rica ederim hocam, kolaylıklar dilerim ;)

[@berikaaslan6458]

Hocam merhaba. Emeğinize sağlık öncelikle. Analizi yaparken benim değişkenlerimin toplam puanını mı yoksa toplam puanın ortalamasını mı kullanmam gerekiyor? Toplam puanın ortalamasını kullanarak yaptığım analizde adj. r square .080 çıktı maalesef çok düşük değil mi? Toplam puan kullanmadığım için mi hata yaptım acaba?

[@berikaaslan6458]

Hocam bu arada benim hiçbir ölçeğimde alt boyut bulunmamakta

[@OfisLab]

Merhaba! İlginiz ve sorularınız için teşekkür ederim. Analizde kullanılacak değişkenlerin toplam puanı mı yoksa ortalaması mı kullanılmalı sorusuna gelince, bu genellikle araştırmanın bağlamına ve değişkenlerin özelliklerine bağlıdır. Eğer değişkenleriniz belli bir ölçeğin toplam puanını temsil ediyorsa ve her bir ölçek maddesi eşit ağırlığa sahipse, toplam puan kullanmak uygun olabilir. Toplam puan, tüm ölçek maddelerinin toplamını temsil eder ve genellikle daha geniş bir aralıkta değişkenlik gösterir. Ortalama puan kullanımı, özellikle farklı sayıda ölçek maddesi olan değişkenleri karşılaştırırken uygun olabilir. Ortalama puan, ölçeğin genel eğilimini yansıtır ve farklı uzunluktaki ölçekleri karşılaştırmak için daha standart bir yöntemdir. Ayarlanmış R-karenizin .080 olarak çıkması, modelin bağımlı değişkenin varyansını yalnızca küçük bir oranda açıkladığını gösterir. Bu, seçtiğiniz bağımsız değişkenlerin bağımlı değişkenle güçlü bir ilişkisi olmadığını işaret edebilir. Bu durum, toplam puan veya ortalama puan kullanımından kaynaklanmıyor olabilir; daha çok bağımsız değişkenlerin bağımlı değişkenle olan ilişkisinin doğasıyla ilgili olabilir. Modelinizdeki düşük ayarlanmış R-kare değeri, model seçiminizi gözden geçirmeniz gerektiğini gösterebilir. Başka hangi değişkenlerin modele dahil edilebileceğini, değişkenler arasındaki etkileşimlerin olup olmadığını ve modelinizi nasıl geliştirebileceğinizi düşünün. Araştırmanızda alt boyutların olmaması, her ölçeğin kendi içinde homojen olduğunu ve tek bir boyutu ölçtüğünü gösteriyor olabilir. Bu durumda, her ölçeğin toplam puanını veya ortalama puanını kullanmak, araştırmanızın bağlamına ve ölçeklerin yapısına bağlı olarak uygun olabilir. Eğer bu konuda daha fazla yardıma ihtiyacınız olursa veya başka sorularınız varsa, lütfen sormaktan çekinmeyin ;)

[@irfankaplan5917]

Merhabalar hocam, araştırmam da çoklu dogrusallik sorunu var (Condition İndex kısmında). Bu sorunu ortadan kaldırmak için veri silmem gerekiyor. Bunu nasıl yapabilirim.

[@OfisLab]

Merhaba hocam. Veri silmek derken bazı değişkenleri modelden çıkarmaktan bahsediyoruz değil mi? Bunun için yapmanız gereken çoklu doğrusallık gösteren değişkenlerden birini kaldırın ya da bu değişkenleri birleştirin.

[@admadm9714]

Hocam iyi günler. SPSS/lojistik regresyon uygulamasında, araç fiyatlarını tahmin için 100 adetlik bağımsız değişken kullandığımızı varsayalım. bağımsız değişkenlerin bir kısmını (%80) eğitim için, bir kısmını test (%10), bir kısmını ise holdout (%10) ayırmak için nasıl bir yol izleriz. eğitim verisinden elde edilen fonksiyon test ve holdout setinden nasıl çalıştırılacak. şimdiden teşekkür ederim.

[@OfisLab]

Merhaba! İlginç bir soru bu. SPSS'de lojistik regresyon uygulamasında kullanmna için veri setini eğitim, test ve holdout olarak ayırmak için detaylı bir yol izlemek gerekiyor. İlk adım olarak, veri setini %80 eğitim, %10 test ve %10 holdout olarak ayırmak istiyorsan, veri setini rastgele bölmen gerekecek. SPSS'de bu işlem için ‘Data Partition’ özelliğini kullanabilirsin. Bu özellik, veri setini belirttiğin oranlarda bölerek her bir parçaya bir etiket atar. Öncelikle, ‘Data’ menüsünden ‘Select Cases’ seçeneğine tıkla ve ‘Random sample of cases’ seçeneğini işaretle. Buradan, istediğin oranları belirleyebilirsin. Eğitim seti üzerinde modelini oluşturduktan sonra, bu modeli test ve holdout setleri üzerinde çalıştırmak için modelin fonksiyonunu bu veri setlerine uygulaman gerekiyor. Modelini eğitim seti üzerinde kurduktan sonra, ‘Analyze’ menüsünden ‘Regression’ ve ardından ‘Binary Logistic’ seçeneklerini izleyerek modelini oluştur. Modelin kurulumunu tamamladıktan sonra, ‘Save’ sekmesinden ‘Predicted probabilities’ ve ‘Residuals’ seçeneklerini işaretleyerek modelin tahmin değerlerini ve artıklarını kaydet. Şimdi, bu modeli test ve holdout veri setlerinde değerlendirmen gerekecek. Bunu yapmak için, modelin tahmin değerlerini içeren yeni değişkenleri test ve holdout setlerine uygula. Bu, genellikle ‘Score’ işlemiyle yapılır. ‘Utilities’ menüsü altında bulunan ‘Score’ seçeneğini kullanarak, eğitim setinde oluşturduğun modeli test ve holdout setlerine uygulayabilirsin. Bu süreç, modelin test ve holdout setleri üzerinde nasıl performans gösterdiğini anlamanı sağlayacak. Her adımda veri setinin rastgele bölünmesinin önemli olduğunu unutma; bu, modelin genelleştirilebilirliğini daha iyi test etmene yardımcı olur. Eğer bu süreçle ilgili daha fazla yardıma ihtiyacın olursa, lütfen sormaktan çekinme. İyi çalışmalar dilerim!

[@gulsahkilic9077]

Confidence interval i %95 alıp, mahal distance da neden ki kare tablosunda 0,001 değerine baktınız merak ettim cevap verirseniz sevinirim teşekkürler. Yararlı bir videoydu emeğinize sağlık

[@OfisLab]

Merhaba. Mahalanobis distance için .001 alpha değerine göre karar vermek en çok yapılan uygulama olduğu için öyle yaptım. Confidence interval için de aynı şekilde aslında. Genelde ya %95 ya da %99 CI değerlerine göre karar verilir. Siz daha katı bir sınır olan %99'u CI için de kullanıp ikisini aynı seviyelerde test edebilirsiniz tabi.

[@gulsahkilic9077]

Teşekkürler 😊

[@OfisLab]

rica ederim ;)

[@OnurWasHere1]

1)Merhaba, öncelikle anlatımınız için teşekkür ederim. Spss ve istatistik bilgim zayıf, ödev yapacagım için öğrenmek zorundayım. Çoklu regresyon analizi yaptım, Coefficients tablosunda (constant)'ın ve 1 tane bağımsız değişkenimin sig değeri

[@OfisLab]

Merhaba. ANOVA tablosunda Regression satırı anlamlıysa yani .05'den küçükse ve ondan sonra Coefficients da anlamlıysa modelimiz anlamlı ve modelimizde bağımlı değişkeni anlamlı bir şekilde yordayan bağımsız değişken(ler) vardır diye yorumlayabiliriz.

[@Horozcu_world]

Hocam video için teşekkürler, bu tarz bağımlı değişkene etki eden bağımsız değişkenleri belirleyebileceğimiz başka test var mı? bir de görsel olarak bu farkındalığı grafik vb. ile göstererek arttırabileceğimiz bir imkan var mı, iyi çalışmalar

[@OfisLab]

T-test ile de dikotomus değişkenlerin bağımlı değişken üzerindeki etkisine bakılabilir.

[@OfisLab]

Hangi farkındalığı hocam?

[@Horozcu_world]

@@OfisLab Merhabalar, benim merak ettiğim elimde bir adet bağımlı değişken var (adı X olsun) X i etkileyen A,B C bağımsız değişkenleri, regresyon analizi dışında farklı görsel özelliği ve farkındalığı olan, başka hangi test ile inceleyebilirim sorum buydu. Tekrardan emekleriniz için teşekkürler.

[@sonnurkucukkilic793]

Öncelikle emeğinize sağlık. Video için teşekkürler. Bağımsız değişken ile bağımlı değişken arasında pozitif ilişki olup, bağımsız değişken bağımlı değişkenin negatif yordayıcısı olabilir mi? Teşekkür ederim.

[@OfisLab]

Merhaba. Eğer çoklu regresyon analiziyse olma ihtimali var ancak aynı analizde değil de farklı analizlerde.

[@sonnurkucukkilic793]

@@OfisLab Çoklu regresyon analizi ve aynı analiz içinde. Korelasyon değeri pozitif ancak beta değeri negatif.

[@psikologesraozbey5408]

Merhaba hocam, çoklu regresyon analizinde bazı değişkenlerin insig. bazılarının sig. etkisi olduğunu gördüğümüzde nasıl rapor ederiz? Bir de bu gibi bir durumda r2 adjusted hesaplarken ( bağımlı değişkendeki varyansın % XX’inin (R2adjusted = .XX) bağımsız değişkenler tarafından açıklandığı bulunmuştur.) bağımlı değişkenle anlamlı ilişki göstermeyen değişkenlerin katkısının çıkarılması gerekir mi? İyi çalışmalar (muhteşem video)

[@psikologesraozbey5408]

Hocam, bir diğer soru: Yordayıcılardan yola çıkarak fonksiyonu yazdığımız aşamada etkisi anlamsız değişkenden bahsetmemeli, eğriyi çizdiğimiz aşamada bu değişkeni çıkarıp tekrar eğriyi çizmeliyiz doğru mu? İyi çalışmalar :-)

[@OfisLab]

Merhaba hocam. Videoyu beğendiğiniz için teşekkürler. Anlamsız çıkan o değişkenler eğer bağımlı değişkenle korelasyon ilişkisine sahiptiyseler o zaman onları modelde tutun. Yani bu demek oluyor ki diğer değişkenlerin etkisi o anlamsıza dönüşen değişkenlerin etkisini elimine etmiş. Bunu da bu modelle göstermek iyi olur.

[@OfisLab]

denklemi yazarken de anlamsız değişkeni tutun çünkü o artık modelin parçası :)

[@seymaatc4547]

mahal distance için p=0.05 için analizde uç değerler olduğu anlaşılıyor düzeltmek için select case i kullanıp analyze yaptığımda bağımsız değişkenlerimden sadece sürekli olanları analize katıyor iki tane de kategorik var ve bu kategorikleri kukla değişken olarak düzenlemiştim. Mahal. distanceden dolayı select case yapmadan önce kukla değişkenleri de regresyon analizinde veriyordu ama şimdi vermiyor. Mahal dist. max değeri çok yüksekken cook's distance değeri 1'in altında çıkabiliyor o da garip geldi. Mahal yerine cook's alsam oluyor mu acaba. Mahal dist, cook's distance ve centered leverage value birbirinin yerine kullanılıyor mu? 🤕🤕

[@OfisLab]

Merhaba. Sadece tek bir uç değer bulma yöntemini kullanarak bir girdinin üç değer olup olmadığına karar vermeyin. En az bu 3 uç değer bulma yönteminden iki tanesi bir girdiğinizin uç değer olduğunu gösteriyor olması lazım. Bu uç değerleri bulma yöntemleri birbirinden farklı şekilde bütün değerlerinizi değerlendiriyor yani birbirlerinin yerine kullanılamazlar.

[@eminesisko]

Hocam merhaba, stepwise metodu için varsayımlar aynı mı? Bağımlı değişkenim normal dağılmıyor fakat gösterdiğiniz tablolar normal gözüküyor. Bir de kategorik ve sürekli bağımsız değişkenler stepwise ta birlikte kullanılabilir mi?

[@OfisLab]

Merhaba hocam. Varsayımlar tamamen aynı. Kategorik değişkeni bağımsız değişken olarak koyabilirsiniz ama kukla değişkene dönüştürmeniz gerekiyor. Bu konuda kanalımda bir video mevcut.

[@eminesisko]

@@OfisLab iki kategorilileri normal yapıyoruz üç ve üzerinde kukla yöntemine başvuruyoruz değil mi

[@OfisLab]

aynen iki kategorilileri ya olduğu gibi bırakın ya da 1 ve 0 olarak yeniden kodlayın. Bunun yani 1 ve 0 olarak yeniden kodlamanın avantajlarını da kukla değişken adlı videomda anlatıyorum. 2den fazla grupluysa zaten direk kukla değişkene dönüştürmek gerekiyor.

[@tugbaozel8263]

Enter methodu yerine farkli bir metod kullanarak aracilik etkisini anlatabilir misiniz? Teşekkürler

[@OfisLab]

Merhabalar. Anlatmaya planladım, her hafta bir video yayınlıyorum o nedenle 2024 yılı icinde bu konuyu da anlatacağım umarım :)

[@tugbaozel8263]

@@OfisLab coeff. Tablosundaki zero-order, partial ve part kisimlarini da aracilik icin hazirlayacaginiz videoda yorumlar mısınız. Teşekkürler.

[@OfisLab]

@@tugbaozel8263 neden olmasın

[@recepcevhan9054]

emeğiniz için teşekkürler hocam. Çoklu regresyon varsayımlarından uç değerlerin olması ve hataların normal dağılmaması gibi varsayımları sağlayamıyor ve veri setimiz veri çıkarmak için de yeterli sayıya sahip değilse çoklu regresyona alternatif non parametrik bir test var mıdır? Ayrıca çoklu regresyon için veri grubumuzun sahip olması gereken minimum örneklem sayısından bahsediliyor. sizin bu durum için yorumunuz nedir? Bu konuda geniş kapsamlı bilgiye ulaşmak için soruyorum sorularımı.

[@OfisLab]

Yorumun için çok teşekkürler! Çoklu regresyonun varsayımları tam oturmadığında ya da veri setin yeterince büyük değilse, işler biraz karışabilir. Bu durumlarda, hataların normal dağılımını gerektirmeyen bootstrapping ya da permütasyon testleri gibi non-parametrik yöntemleri deneyebilirsin. Ayrıca, dışsal değerlere daha az hassas robust regresyon analizini de kullanabilirsin. Bunun için bildiğim kadarıyla SPSS'te bir menü yok ama R veya Python ile yapılabilir. Çoklu regresyon için minimum örneklem büyüklüğüne gelince, genelde her bağımsız değişken için en az 10-15 gözlem olmasını öneriyorlar. Ayni zamanda modelin ne kadar karmaşık olursa, o kadar fazla örneklem gerekiyor. Bu konuda daha detaylı bilgi almak istersen, robust istatistiksel yöntemler ve regresyona non-parametrik alternatifler üzerine yazılmış kaynaklara bakman iyi olabilir. Bu kaynaklar, çoklu regresyonun geleneksel varsayımlarını karşılamayan verilerle nasıl başa çıkabileceğini anlamanda yardımcı olacak.

[@recepcevhan9054]

Bootstraping ya da diğer yöntemler amos programında yapılabiliyor mu acaba? Ya da bu konuda önerebileceğiniz kitap var mıdır?

[@OfisLab]

Merhaba, çoklu regresyon analizi için alternatif yöntemler arasında bahsettiğiniz bootstraping ve diğer non-parametrik yöntemler konusunda, AMOS programının bu tür analizleri doğrudan desteklemediğini belirtmek önemli. AMOS, özellikle yapısal eşitlik modellemesi için tasarlanmıştır ve daha çok bu alanda kullanılır. Ancak, bootstrap yöntemlerini uygulamak için R veya Python gibi programlama dillerini kullanabilirsiniz. Bootstraping ve non-parametrik testler hakkında daha fazla bilgi almak isterseniz, aşağıdaki kitapları önerebilirim: "An Introduction to the Bootstrap" - Bradley Efron ve Robert Tibshirani: Bootstrap yöntemlerine genel bir giriş sağlar ve istatistiksel analizde bu yöntemlerin nasıl kullanılabileceğini açıklar. "Bootstrap Methods and their Application" - A. C. Davison ve D. V. Hinkley: Bu kitap, bootstrap yöntemlerini daha derinlemesine anlatır ve çeşitli uygulama örnekleri sunar. "Nonparametric Statistical Methods" - Myles Hollander ve Douglas A. Wolfe: Non-parametrik istatistiksel yöntemler hakkında genel bir bakış sunar ve pratik uygulamalara odaklanır.

[@recepcevhan9054]

​@@OfisLabcevaplarınız için çok teşekkür ederim. Maalesef yabancı dilim zayıf, dediğiniz kitaplar da İngilizce olarak basılan kitaplar sanırım. Başka yöntemler keşfetmeye devam edeceğim. İyi çalışmalar diliyorum.

[@OfisLab]

@@recepcevhan9054 Anladım hocam, kolaylıklar dilerim.

[@nergizcihangul6302]

Hocam regresyonun matematiksel gösteriminde anlamlı olmayan yordayıcıları yazıyor muyuz? Bazı kaynaklada yazılırken bazılarında yazılmadığını gördüm. Bir de yordayıcıların önem sırasını belirtirken de anlamlı olmayan yordayıcıları yazıyor muyuz raporlarken

[@OfisLab]

Merhaba hocam. Bu soru çok soruluyor açıkçası. Bence yazılması gerekiyor. Olaya şu mantıkla bakalım. Anlamlı olmasa bile o değişkenin bir etkisi mevcut olabilir. İkinci durum ise bir değişkeni modele eklerken literatüre göre ya da mantığa göre hareket ediyoruz. Bu nedenle bu değişken literatürle ya da mantıkla destekleniyorsa ve modele eklenmişse, artık denklemde de kalması gerekir.

[@semanurakay4729]

Hocam biz bir ödev hazırladık ve ödevimizde 2 bağımsız değişkenimiz var ve 1 bağımlı değişkenimiz var.. Değişkenlerimize korelasyon analizi ve çoklu regrasyonu uygulayacağımızı belirttik ama sanırım burda bir hatamız var.. Biz hipotezleri sadece ilişki ve yönüne göre kurduk, yordamayı ele almadık iki analizi de yapabilir miyiz?

[@OfisLab]

Merhaba hocam. İki analizi de yapabilirsiniz. Korelasyon için değişkenleri 1e 1 ilişkilendiriyoru, çoklu regresyonda birden fazla değişkenle 1 değişkeni aynı anda ilişkilendiriyoruz. Çok regresyon hipotezini A ve B bağımsız değişkenleri C bağımlı değişkenini pozitif yönde yordayacaktır diye kurabilirdiniz. Ya da A değişkeni C değişkeninin pozitif yönde B değişkeni ise negatif yönde yordayacaktır diye belirtilebilir. Bilmiyoum soruyu cevaplayabildim mi :)

[@ozgecakcl1263]

Öncelikle çok güzel bir video, elinize sağlık. Nominal olan bağımsız değişkenleri regresyon analizine alabilir miyim?

[@OfisLab]

Teşekkürler. katabi,ilirsiniz, 2 gruplu değişkenleri de. 2den fazla grupluysa kukla değişkene dönüştürün

[@kaankipriye1984]

Hocam emeğinize sağlık. Kullandığınız tabloyu paylaşabilir misiniz? Çalışmalarınızda başarılar

[@OfisLab]

Merhaba hocam. Maalesef videolarda gösterdiğim belgeleri saklamıyorum. Baska bir sorunuz varsa yardimci olmaya calisabilirim ;)

[@gamzeaydin7584]

merhaba hocam. benim analizimde denklemde sabit değerim yani constantım negatif çıkıyor bunu nasıl yorumlamam gerekir? emekleriniz için teşekkürler çok açıklayıcı bir video.

[@OfisLab]

Merhaba ve güzel yorumunuz için teşekkür ederim! Çoklu regresyon analizinde sabit değerin (constant) negatif çıkması, analiz ve yorumlama sürecinde bazen karşılaşılan bir durumdur. İşte bu durumu nasıl yorumlayabileceğinize dair bazı noktalar: Regresyon denkleminde sabit değer, bağımsız değişkenlerin tümü sıfır olduğunda beklenen bağımlı değişkenin değerini temsil eder. Bu değer, modelin y-intercept'ini, yani y ekseninde kesiştiği noktayı gösterir. Sabit değer negatif olduğunda, bu, bağımsız değişkenlerin değerleri sıfırken bağımlı değişkenin negatif bir değere sahip olacağını gösterir. Önemli olan, bu durumun araştırmanızın bağlamında mantıklı olup olmadığını değerlendirmektir. Sabit değerin negatif çıkmasının araştırmanızın bağlamı içinde ne anlama geldiğini düşünün. Bazı durumlarda, bu durum pratik veya teorik olarak anlamlı olabilirken, bazı durumlarda veri setinizin özelliklerine veya kullanılan ölçüm araçlarına bağlı olabilir. Ayrıca, sabit değerin, modeldeki diğer bağımsız değişkenlerin katsayıları ve bunların yorumlarıyla birlikte değerlendirilmesi önemlidir. Negatif bir sabit değer, bazen veri setinizin doğasına veya analizde kullanılan ölçeklere bağlı olarak normal bir durum olabilir. Önemli olan, bu sonucun araştırmanızın genel bağlamında anlamlı olup olmadığını ve modelin diğer yönlerini nasıl etkilediğini değerlendirmektir. Diyelim ki bir araştırmada insanların spor salonuna gitme sıklıklarını etkileyen faktörleri araştırıyorsunuz. Bağımlı değişkeniniz haftalık spor salonuna gitme sayısı (Spor Salonu Ziyaretleri) ve iki bağımsız değişkeniniz var: 'İşten Gelen Yorgunluk' (ölçek 1-10) ve 'Sağlık Bilinci' (ölçek 1-10). Çoklu regresyon analizi sonucunuz şu şekilde çıkabilir: Sabit (constant): -2 İşten Gelen Yorgunluk: 0.5 Sağlık Bilinci: 0.8 Bu denklem, Spor Salonu Ziyaretlerini tahmin etmek için şu şekilde kullanılır: Spor Salonu Ziyaretleri = -2 + (0.5 * İşten Gelen Yorgunluk) + (0.8 * Sağlık Bilinci) Bu durumda, negatif sabit değer (-2), bağımsız değişkenlerin her ikisinin de 0 olduğu durumda (yani kişi ne yorgun ne de sağlık bilincine sahipse) spor salonuna gitme sayısının negatif bir değere (teorik olarak mümkün olmayan bir durum) ulaşacağını gösterir. Ancak, bu, modelin başlangıç noktasını temsil eder ve gerçekte, bağımsız değişkenlerin her ikisinin de sıfır olması pek olası değildir. Yorumlamak gerekirse, bu modelde 'İşten Gelen Yorgunluk' ve 'Sağlık Bilinci' arttıkça, spor salonuna gitme sayısının arttığını görebiliriz. Negatif sabit değer, modelin belirli bir başlangıç noktasından başladığını, ancak bağımsız değişkenlerin değerleri arttıkça bu başlangıç noktasının üstesinden gelebileceğini gösterir. Bu örnek, negatif sabit değerin pratikte nasıl ele alınabileceğini ve yorumlanabileceğini gösterir. Önemli olan, modelin sonuçlarını araştırmanızın genel bağlamında değerlendirmek ve analizin mantıklı olup olmadığını kontrol etmektir. Eğer bu konuda daha fazla bilgiye ihtiyacınız olursa, lütfen sormaktan çekinmeyin!

[@crazystatistician]

Eğer mean-centering yaparsak bunu makalede bildirmeli miyiz? Çoklu doğrusallık gösteriyor ve bu nedenle araştırmacı mean-centring yapmıştır şeklinde ifade etmeli miyiz makalede?

[@OfisLab]

Merhaba. Evet belirtmelisiniz bu şekilde.

[@psikologodasi9870]

Merhaba, videolarınız çok açıklayıcı, çok teşekkürler. Bir sorum olacak, kategorik değişkenlerle çoklu regresyon nasıl yapılır? Demek istediğim, birden fazla kategorik değişken ile ya da hem kategorik değişken hem de sürekli değişkenlerin olduğu bağımsız değişkenlerle çoklu regresyon yapılabiliyor mu? Evetse nasıl olduğuna ilişkin bilgi almamız mümkün mü? Çok teşekkürler

[@OfisLab]

Merhaba. Kısa cevap evet, bunları gösteren iki tane videom var aslında. Bir tanesinde kategorik değişkenleri kukla değişkenleri çevirmeyi gösteriyorum diğerinde de yine regresyon analizinin nasıl yapabileceğimizi gösteriyorum ancak bu sefer basit regresyon analizi gösteriyorum orada yine kategorik değişken kullanarak regresyon yaptığım için o yöntemi o videodan öğrenebilirsiniz ayrıca.

[@OfisLab]

SPSS Regresyon Analizi | Hem sürekli hem de kategorik bağımsız değişken kullanarak kzbin.info/www/bejne/iXqVnoCMfNCsn9E Kukla değişken (Dummy variable) ile ilgili bilmeniz gereken her şey kzbin.info/www/bejne/qqTSfomVes-abMk

[@psikologodasi9870]

Cevaplar için çok teşekkürler ancak bu videolardaki analizler basit regresyon analizi. Ben çoklu regresyon analizi açısından sormuştum. Birden fazla bağımsız değişkenimiz var ve bunların bir kısmı kategorik bir kısmı sürekli. Yine çoklu regresyon analizi videonuzdaki gibi uygulama yapmamız yeterli midir? Yoksa farklılık var mıdır? Çok teşekkürler ilginize.

[@OfisLab]

Çoklu regresyon analizi videosundaki gibi yapacaksınız ancak kukla değişken videosundaki yöntemleri kullanarak kategorik değişkenler oluşturmanız gerekiyor bunun haricinde bir fark yok

[@psikologodasi9870]

@@OfisLab Çok çok teşekkür ederim.

[@julsezer651]

Hocam iyi günler regresyon denklemimi yazdığımda bağımsız değişkenlerin sig. değerleri 0,05 ten düşük iken constant ın sig.değeri 0.347 sizce bu nedemek sabiti kullanacakmıyım

[@OfisLab]

Merhaba hocam. Sabiti kaldırmanızı önermem. Aslında sabiti (intercept) kaldırarak onu tamamen kaldırmıyorsunuz, sadece 0’a eşitliyorsunuz. Yani normalde verimizde intercept mesela 3 ise onu 0’a eşitleyerek regresyon analizini yapmış oluyoruz. Bu da aslında yapmamamız gereken bir şey. Nedeni de şu; intercept 0 olduğu zaman yani biz onu 0’a zorla getirdiğimiz zaman artık verimizin gösterdiği regresyon denklemi şaşıyor, regreson doğrusu artık verilere daha da uzaklaşıyor genelde. Bunu sadece intercept’in 0’a eşit olduğuna yüzde yüz emin olduğunuzda yapmanız öneriliyor. Bu uzaklaşma demek regresyon denklemimizin verimizi daha kötü tahmin ediyor hale gelmesi demek.

[@gamzekasalak5496]

iyi akşamlar regresyon analizimde bağımsız değişkenlerin sig. değerleri 0,05 ten düşük iken constant ın sig.değeri 0,05 ten büyük. Bu durumda bu model anlamlı mıdır? Değil midir?

[@OfisLab]

Merhaba. Verinizde regresyonun varsayılanlarını test edip hepsi regresyonun gereklerini karşılıyorsa, constant'ın yani intercept'in anlamlı olmaması tek başına kötü bir şey diyemeyiz. Belki bakmanız gereken şey bütün bağımsız değişkenlerin sıfıra geldiği durumda bağımlı değişkenin de sıfır olması mantıksız mı değil mi? Mesela bağımsız değişkeniniz yaş ise onun sıfır olduğu durumda bağımlı değişkeniniz depresyon ise onu da sıfır olması mantıklı mı? Burada yaş sıfırken depresyon ölçümü yapamayız ki sıfır yaş diye bir şey pratikte pek kullanılmaz. Yapmanız gereken constant'ı görmezden gelmek ki zaten sosyal bilim araştırmarlrında örneğin constant hiçbir zaman rapor edilmez.

[@srmasisko5149]

Hocam merhaba, 5 bağımsız değişkenimin bağımlı üzerindeki etkisine bakıyorum. 2 değişken için sig değeri üst tabloda ,000 çıkarken aşağıda 0,300lerde çıkıyor. Neden değişim oluyor? Bu iki değer için vf de 7 civarlarında çıkıyor. Neden kaynaklanıyor olabilir?

[@OfisLab]

Merhaba hocam. Üst tablo alt tablo derken tabloların adlarını ve hangi değerlerin tam olarak significant çıktığını ve hangilerinin significant çıkmadığını yazarmısınız?

[@srmasisko5149]

@@OfisLab Hocam correlations tablosunda sig 0,000 çıkıyor coefficients tablosunda sig 0,300 çıkıyor vf değeri de 7. Yani korelasyon anlamlı çıkarken coefficients kısmı anlamsız. Bu durumda anlamlı mı anlamsız mı? Word tablosunda hangi değeri kullanacağım? Ve neden değişiyor?

[@OfisLab]

Anladım hocam. Bu durumda regresyon analizinde anlamsız çıktı diye sonuca varıyoruz. İkisinin farklı çıkmanedeni şu, korelasyon ilişkisinde değişkenleri 1e 1 ilişkilendiriyor ama çoklu regresyon analizinde değişkenleri 1e 1 değil çok değişkeni aynı anda tek bir değişkenler ilişkilendirdiği için her değişkenin diğerini etkileme durumu oluyor. Bu durumdan dolayı artık bağımlı değişkenle anlamlı ilişki gösterme ihtimalleri azalıyor. Word tablosunda coefficients değerlerini koymanız lazım.

[@baranisk9520]

Hocam öncelikle emeğinize sağlık. Regresyon analizine alacağımız bağımlı ve bağımsız değişkenlerde ölçek toplam puanlarının mı analize dahil edilmesi daha iyi olur yoksa her bir ölçek ve alt ölçeğin ortalamalarının alınıp kullanılması daha iyi olur? Teşekkürler. İyi çalışmalar dilerim

[@OfisLab]

Hocam bunu belirleyen şey hipotezleriniz ve literatürde nasıl yapıldığı. Ama normalde alt ölçeklerin puanları ayrı ayrı hesaplanıp alt ölçekler sanki ayrı bir ölçekmiş gibi analizlerde kullanılması gerekiyor. Bunun da nedeni alt ölçeklerin farklı şeyleri ölçmesi ve onları bir araya getirerek oluşan bir değişkenin artık neyi tam olarka ölçtiğini bilemememiz.

[@baranisk9520]

@@OfisLab cevap için teşekkür ederim hocam.

[@OfisLab]

rica ederim hocam

[@iktisator]

güven aralığı 0,05 iken kikarede neden 0,001 e baktık ?

[@OfisLab]

Merhabalar. Tip1 hatayı düşürmek öneriliyor orada çünkü çok fazla ilişkiye aynı anda bakıp anlamlılık ararken, olmayan birşeyi bulma ihtimali artıyor. Olmayan birşeyi bulma ihtimalimizi düşürmek için anlamlılık sınırını daha da düşüyoruz

[@dr.alimuti5979]

hocam tekrar teşekkür ederek bir soru soracağım videonun sonunda çoklu regresyon tablolarını oluşturmak için iki tablo öneriyorsunuz. Bunlar coefficents tablosunda var, tekrar bunu niçin oluşturuyoruz.

[@OfisLab]

Merhaba hocam. Siz eğer SPSS outputundan direk coefficientsları tablo halinde aldıysanız benim gösterdiğim tabloları yeniden oluşturmanıza gerek yok. Ben aslında o tablo örneklerini SPSS outputundaki değerleri özetlemek için kullanın diye örnek gösteriyorum çünkü makale yayınlarken SPSS outputuundaki tabloyu direk makaleye koyamıyoruz ancak benim örneklerde gösterdiğim gibi tablolar oluşturarak makalemize koyabiliriz. Bu arada aşağıda yine bu yorumu yapmıştınız onu gözden kaçırmışım kusura bakmayın.

[@dr.alimuti5979]

@@OfisLab Doktora tezimde ben SPSS çıktılarını koydum, sıkıntı olur mu bilmiyorum. Yine de sağolun hocam teşekkür ederim. Doktora tezinde kullanılıp kullanılmayacağı yönünde bilginiz varsa verebilirseniz memnun olurum. hoşçakalın

[@OfisLab]

Normalde direk outputtaki tabloları koymamanızı öneririm. Bu videoda gösterdiğim gibi daha özetlediği ve okuması kolay tablolara dönüştürmek daha iyi. Bunun sorun olup olamayacağını yine de danışmanınız belirler. Bir de bölümde eskiden yazışmış tezlere bakın, onlarda da sizin gibi direk ouputtan kopyalayıp koymuşlarsa sorun olmaz diye düşünüyorum. Tabi onların danışmanıyla sizinkinin aynı olması lazım, bu da küçük bir ayrıntı ;)

[@dr.alimuti5979]

@@OfisLab hocam ilginize teşekkür ederim. Anlaşıldı

[@OfisLab]

Rica ederim kolay gelsin

[@tugce3928]

hocam kategorik bagımsız değişkenleri nasıl sokuyoruz analize

[@OfisLab]

hocam onları kukla değişkene öevirmeniz lazım eğer 2'den daha fazla gupluysa, değilse yani 2 grupluysa o şekilde sokabilirsiniz. Kanalımda kukla değişkenle ilgili video var.

[@seymademir8583]

Hocam merhaba, çok keyifli ve bilgilendirici bir anlatım olmuş. Bu nedenle teşekkür ediyorum. Size iki sorum olacak. Birincisi, regresyon analizinde anlamlılık düzeyini .001 düzeyinde anlattınız. Bizler genelde tez ya da makalelerimizde anlamlılık düzeylerini .05 olarak yazıyoruz. Bu sadece regresyon modeline özel olarak .001 düzeyinde mi olmalı yoksa .05 olarak da kullanabilir miyiz? İkincisi, modele alınacak bağımsız değişkenleri literatüre dayalı olarak mı seçmeliyiz? Örneğin, kendi çalışmamda en az 10 tane bağımsız değişkenim var. Bunların hepsini aynı anda modele alıp analizini yapabilir miyim (tabi ki varsayımları karşılamak üzere). Diğer yandan, bugüne kadar aldığım istatistik kurs ya da derslerde modele alınacak değişkenleri belirlerken öncelikle bir korelasyon analizi yapmamız önerildi ve bağımlı değişkenle anlamlı ilişkisi olan değişkenleri modele alabileceğimiz önerildi. Siz nasıl bir öneride bulunursunuz?

[@OfisLab]

Merhaba hocam. p değeri .05'den düşük olduktan sonra ilişkinin anlamlı olduğunu kabul ediyoruz. Bu videoda gösterdiğim örnekte .001 çıkmış p değeri tesadüf olarak o kadar. Yoksa normalde .05'in altı anlamlıdır. Modele değişken seçerken verdiğiniz iki örnek de kullanılıyor. Eğer daha önce regresyon analizi yapılmış dğeişkenleri kullandıysanız, onların korelasyon analizi ne olursa olsun modele ekleyebilirsiniz. Ama exploratory dediğimiz yani literatüre dayanapı pek olmayan değişkenleriniz varsa, onları modele eklemeden önce korelasyon analizi yapmanız gerekir.

[@seymademir8583]

@@OfisLab Çok teşekkür ediyorum hocam, kolaylıklar dilerim.

[@OfisLab]

@@seymademir8583 rica ederim hocam,size de kolaylıklar

[@seymademir8583]

Hocam birsey daha sormak istiyorum. Modele almak istediğim değişkenlere önce korelasyonla ilişki bakmak istediğimde, kategorik değişkenleri yine kukla değişken olarak sayisallastirmamizi mı önerirsiniz yoksa olduğu haliyle bakmamız mi gerekir?

[@OfisLab]

@@seymademir8583 Merhaba hocam. İkiden fazla grubu o9lan kategorik değişkenleri zaten korelasyon analizine sokamazsınız. Onları kukla değişken haline getirip korelasyon analizine sokabilrsiniz, birbirleriyle değil ama sürekli olan değişkenlerle olan korelasyonunu bulabilirsiniz. Bu tip korelasyonlara point-biserial korelasyon deniyor. Ancak uygulamada regresyon öncesi kukla değişkenlerin korelasyon analizine sokulduğunu görmedim o nedenle bence kukla değişkenleri korelasyon analizinden muaf tutun derim.

[@tansuince8989]

Merhaba, benim çalışmam için bağımsız değişkenim 3 değişkenden oluşuyor, 4 tane de descriptive sorum var cinsiyet, eğitim düzeyi gibi. Katılımcı sayımı nasıl belirlerim? siz örnekte 76 kişiyle yapmıssınız bu sayı regresyon analiz için yeterli mi?

[@OfisLab]

Merhaba. Katılımcı sayısını belirlemek için G Power adlı uygulamayı kullanabilirsiniz. Örnektekki 76 kişi biraz restgele oldu ama düşük bir sayı değil. Önemli olan sizin alpha ve beta değerlerinde hangi değerleri uygun gördüğünüz ya da literatürün uygun gördüğü.

[@tansuince8989]

@@OfisLab logistic regresyon normalde uygun olan çünkü kategorik benim iki değişlenimde ancak o zaman odds ratio vs gibi değerler istiyor. Bunu çalışma öncesinde nasıl belirleyeblirim? Sayı büyük çıkıyor bir de. Ancak bazı referanslara göre her bir bağımsız değişken için 15 kişi uygun diyor. Yani g powerdan farklı. Bu durumda ne yapmam gerekir?

[@OfisLab]

şu an en modern olan yöntem G Power'ı kullanarka power analizi yaparak katılımcı sayısına karar vermek. Bu programı kullanmayla iglili youtubeda videolar da mevcut

[@beraatylmaz1982]

usta tahmin değerlerini MSE analizine göre nasıl bulabilirim.Yarın tezimi teslim edeceğim bulamadım hiçbiyerde

[@OfisLab]

MSE analizini bilmiyorum hocam.

[@erdisagdc9146]

hocam burada iki değişkenin de normal dağılması mı lazım. benim veriler normal dagilmiyor. dolayısıyla nonparametrik analizler yapıyorum regresyon analizi yapamayacak miyim?

[@OfisLab]

Hocam değişkenlerin normal dağılması regresyon analizinin varsayımlarından bir değil. Hataların. Normal dağılması lazım. Normal dağılmıyorsa hatalar, yine yapabilirsiniz ama power ınız düşük olacaktır. Bir de bunu yani hataların normal dağılmadıydınız rapor etmelisiniz.

[@erdisagdc9146]

@@OfisLab teşekkür ederim hocam

[@OfisLab]

Rica ederim hocam

[@prlerdogan5499]

videolrinizi severek takip ediyorum. bir sorum olacakti. bir bagimsiz degisken bagimli degiskeni cok korelate ediyorsa ve diger bagimsiz degiskenlerin anlamliligini etkiliyorsa bu nasil cozulur? normalde o degiskenler anlamli ama o bir tanesini sokunca model sapitiyor. ( coklu dogrusallik yok) sadece bir independent - dependent (0.58) korelate diger independentler birbiriyle zayif korelate (0.200 civari)

[@OfisLab]

Merhabalar. Videoları izlediğiniz için teşekkürler. Budurumda size iki yol önerebilirim. Birincisi ve kolay olanı yüksek korelasyon gösteren değişkenlerden birini modelden çıkarmak. İkinci yöntem de farkjlı bir regresyon modeli uygulayarak bu korelasyonun etkisini azaltmak. Ridge regresyon dediğimiz regresyonla bunu yapabilşirsiniz. Bunun için bu linkteki bilgileri/yönergeleri takip ederek analizini SPSS'te bile yapabilirsiniz: www.ibm.com/docs/en/spss-statistics/24.0.0?topic=catreg-categorical-regression-regularization

[@prlerdogan5499]

@@OfisLab cok sagolun cevap verdiginiz icin🙏🏻 dediginiz yonteme bakacagim. araci/mediator olmaya da cok musait degisken. literaturde destekleyebilsem 'araci'haline getirmeyi dusunuyorum.

[@OfisLab]

rica ederim, kolay gelsin ;)

[@prlerdogan5499]

@@OfisLab hocam bir soru daha sorsamm. mediation illa causal mi olmak zorunda? yani causal olmadan, a: independent var b: dependent var c: mediator a--> b c-->b a-->c olarak hipotez olusturduysam otomatik bir araci iliskisi de arastiriyor olamaz miyim?? cevaplarsaniz cok cok sevinirimm . cok tesekkurler

[@OfisLab]

Merhaba hocam. Tam anlayamadım. Değişkenleriniz birbirini yorduyor olabilir bu onların otomatik olarak Mediation ilişkisine sahip olacağı anlamına gelmez bu sizin kuracağınız bir modeldır sadece

[@rucanpolat3703]

Hocam benim bir bağımlı bir bağımsız değişkenim var. Ama Bağımsız değişkenin 4 alt boyutu var bu durumda basit mi yoksa çoklu regresyonu mu kullanmam gerekir?

[@OfisLab]

Merhaba hocam. Onları aynı anda modele koyup analizi yapacaksanız çoklu regresyon

[@rucanpolat3703]

@@OfisLab çok teşekkür ederim hocam

[@OfisLab]

rica ederim hocam

[@rucanpolat3703]

Üç boyutlu bağımız değişkenin bir bağımlı değişkeni yordama düzeyini belirlemek için çoklu regresyon analizi yaptım. Analizde normalde ters yönlü çıkması gereken bir alt boyut pozitif çıktı. Şöyle ki otoriter liderlik alt boyutu ile örgüt kültürü arasında pozitif ilişki çıktı.Normalde otoriter liderliğin örgüt kültürünü negatif yönde yordaması gerekiyordu. Korelasyon analizinde bu ilişki negatifti ama burada pozitif çıktı. Diğer alt boyutlar beklenildiği gibi ancak otoriter liderlik pozitif çıktı. Alanyazında yapılan benzer çalışmalarda da otoriter liderlik hep negatif. Analizi tekrar tekrar yaptım ama sonuç hep aynı. Yardımcı olabilirseniz çok sevinirim ciddi sıkıntı oluşturdu.

[@OfisLab]

Merhaba. Bu karşılaşılan bir durum. Google a Suppresion in Regression yazarsanız gerekli kaynaklara ulaşabilirsiniz.

[@zeynozeze3342]

Regresyon analizimde ANOVA sonucu p>0,05 çıkmasına rağmen Coefficients tablomda değişkenlerden birisi anlamlı (p

[@OfisLab]

bu gayet olası bir durum. anova analizi bütün değişkenlerin bir arada olduğu modelin anlamlı olup olmadığnıtest ederken, coefficients lar her bir değişkeni tek tek test ediyor (diğer değişkenlerin etkisini de kontrol ederek).

[@user-nz9hh5cd2s]

@@OfisLab Merhaba hocam, aynı sorun bende de var. Nasıl bir yorum yapabiliriz. Modeli yazıp bu model anlamsız çıkmıştır şeklinde mi yorum yapacağız. Çoklu doğrusal regresyon analizinde anovanın p>0,05 çıkması durumunda ne yapabiliriz.

[@rzyb]

Hocam ki kare tablosuna nerden ulaşabiliriz

[@OfisLab]

Google a chi-square table yazarak herhangi bir siteden bulabilirsiniz hocam

[@melikesumeyyecengiz1098]

Merhabalar, 30 kişinin verileri ile regresyon analizi yapılır mı

[@OfisLab]

Merhaba. merkezilimit teoremine göre bir örneklemde 30 ve daha fazla veri noktası bulunduğuda bu örneklemin normal dağılımı elde edebileceği varsayılır. Ancak bu yine de regresyonun versayımlarından değildir. Eğer regresyonun varsayımlarını karşılıyorsanız örneklem sayınız az bile olsa analizi yapabilirsiniz.

[@fatmanur1994]

Hocam Merhaba, tezimizde varsayımların karşılandığını nasıl belirtmeliyiz? Yani eş doğrusallık, linearite, bağımsızlık varsayımları gib. Bunları yazmalı mıyız? Yazacaksak da elinizde bir örnek varsa gerçekten çok memnun olurum.

[@OfisLab]

Merhaba hocam. Varsayımların karşılandığını yazmanız çok iyi olur. Örneğin uç değerleri bulmak için Cooks Mahalanobis vs. bakıldı ve şu şu kriterlere göre uç değer olmadığı görüldü YADA uç değer olduğu bulundu ve o uç değerler silindi diye belirtebilirsiniz.

[@fatmanur1994]

@@OfisLab Peki o değerleri yazmam gerekiyor mu? Modelin mahalanobis, cooks değerlerini veya scatter grafiğini? 2) Bağımsız değişkenler normal dağılıma mı sahip olmalı regresyon modeline katmak için? Yoksa modelin hatasının normal dağılıma sahip olması yeterli olur mu? 3) Ve son olarak En küçük kareler yöntemi ne demek? Bu videoda geçiyor mu? Makalelerde görüyorum ama anlamıyorum. Yardımcı olduğunuz her şey için ayrıca teşekkür ederim. Saygılarımla

[@OfisLab]

1) Modeldeki en yüksek mahalanobis değerlerini değil de mahalanobis değerini şu cut-off ile kullandığım zaman hiç uç değer çıkmadı. gibi bir açıklama lazım. 2) Videonun 10:15 saniyesinde anlatıyorum. 3) En küçük kareler yöntemi regresyonda regresyon çzgisi dediğimiz çizginin hesaplanmasında kullanılan en yaygın yöntem. Burada aslında her bir değerin hatasını en aza indirmek için bütün değerler arasından regresyon çizgimizi oluşturuyoruz. Bunun yaparken de her bir hatanın karesini aldığımız için en küçük kareler deniyor. İnternette bu konuda tonlarca bilgi bulabilirsiniz.

[@fatmanur1994]

@@OfisLab Internette yöntemin ne olduğunu bulmuştum ancak spsste yaptığımız bu yöntem mi onu anlayamamıştım. Cevaplarınız ve ilginiz için çok teşekkür ederim. Saygılarımla

[@OfisLab]

önemli değil hocam kolaylıklar

[@interstrellar6028]

Hocam denklemi yazarken neden standardize betayı kullanmadık

[@OfisLab]

Merhaba hocam. Denklemle gerçek değerleri tahmin etmeye çalışıyoruz o nedenle gerçek değerleri kullanıyoruz yani unstandardize beta (b) değerlerini.

[@meyratel7529]

Hocam anlatımınız için çok teşekkürler benim bir sorum olacaktı. daha önce de sormuştum ama yanıt alamadım umarım bu yorumumu görürsünüz. Kurmuş olduğumuz bir modelde karıştırıcı faktörlerin (ör:yaş,cinsiyet,sigara kullanımı) etkisini analiz etmek istersek nasıl bir yol izlemeliyiz, bu konuda bir anlatım yapabilir misiniz?

[@OfisLab]

Merhaba hocam. Öncelikle eski yorumunuza cevap veemediğim için kusura bakmayın. Bu tarz faktörlerin etkisini istatistiksel olarak kontrol etmek isterseniz, bu videoda gösteridğim analizi uygulayacaksanız, o değişkenleri de model kutusuna atarak analizi yapmalısınız. Böylece o değişkenlerin açıkladığı varsayanstan öte, sizin asıl test etmek istediğiniz değişkenlerin açıkladığı varyansla ilgili bilgi elde etmiş olacaksınız.

[@meyratel7529]

@@OfisLab estağfurullah hocam geri dönüşünüz için çok teşekkür ederim🌸 yine bir sorum daha olacak, durbin-watson katsayısına değinmediniz. O varsayıma alternatif başka bir şeye mi baktınız yoksa atlanabilir bir varsayım mı

[@meyratel7529]

@@OfisLab son olarak hocam tablo gösteriminde incelediğim makalelerde (sağlık alanı) sadece bağımsız değişkenin katsayısı anlamlılığı ve güven aralığı sunulmuş hem de Q1 indeksli dergilerde de yayınlananları var. Yine de sizin örnekte sunduğunuz gibi sunmak mı en doğrusu olur yoksa geneli böyle olduğu için bu şekilde mi sunmam gerekir

[@OfisLab]

Durbin-Watson otokorelasyona bakıyor ancak bu genelde time-series dediğimiz farklı zamanlarda yapılmış ölçümler için bakılması gereken bir varsayım. Bu örneklemde öyle olmadığı için bakmadım ancak sizinkisi öyleyse bakmanız lazım.

[@OfisLab]

Eğer bu makaleler yeniyse onların sunuş biççimini takip edin çünkü bu konu biraz subjektif ve sırf bu yüzden makalenizini revizyon anlamasını istemem.

[@yaseminalpnar238]

veri setine nasıl ulaşabiliriz teşekkürler

[@OfisLab]

Merhabalar. Veri setlerini saklamıyorum ancak çeşitli nedenlerle veri setlerine ihtiyacınız varsa, SPSS'in Program Files'daki klasöründe bulunan Samples klasöründe onlarca veri setine ulaşabilirsiniz. Ayrıca artık birçok arastirmaci verilerini açık olarak paylaşıyor internette. Bunları da kullanabilirsiniz. Size tavsiye edebileceğim siteler Zenodo ve Mendeley Data. Bu sitelerin arama kutucuklarinda dilediğiniz terimlerle arama yaparak da birçok gercek veri setine ulaşabilirsiniz.

[@feritferit6614]

Merhaba regresyon denklemine anlamlı olarak yordamayan değişkenleri katacak mıyız? Teşekkürler.

[@OfisLab]

Merhaba. Bence katmalısınız çünkü bulunan sonuç o anlamsız da olsa orada olan bütün bağımsız değişkenlerin etkisiyle oluşuyor.

[@feritferit6614]

@@OfisLab Teşekkürler hocam.

[@OfisLab]

rica ederim hocam

[@atisalanli87]

İyi günler normal dağılım regresyonda etki yapıyor mu

[@OfisLab]

Merhaba. Eğer örneklem küçükse biraz etki yapabilir ancak regresyonun varsayılanlarından biri olmadığı için normallik sağlanmasa bile regresyon yapabilirsiniz.

[@yelizakkus]

Merhabalar çoklu regresyon analizinde bağımsız değişkenler kategorik olabilir mi

[@OfisLab]

Merhaba. Olabilir. Kukla değişken adlı videomu izlerseniz nasıl yapılacağını görebilirsiniz.

[@yelizakkus]

@@OfisLab Çok teşekkür ederim

[@yelizakkus]

@@OfisLab Merhabalar video izledim hem kategorik hem de sürekli değişken aynı anda bakılabiliyor mu aynı değişken için

[@OfisLab]

Merhaba. Bakılabilir.

[@ess9938]

merhabalar bi sorum olacaktı umarım cevaplarsınız.. benim regresyon analizimde beta katsayıları şu şekilde çıkıyor (Constant) 6025,212 gsyh 6,228E-8 dsborc ,000 dvizkuru ,183 ihracat -,189 ithalat ,672 paraarz 8,655E-8 bu Eli olanları düzeltme şansı var mı yada nasıl yorumlayabilirim ??

[@OfisLab]

Merhaba E İçeren değer negatif olduğu için Çok küçük bir değere tekabül ediyor çünkü sekiz basamak içeri girmeniz gerekiyor, den sonra. Şu web sitesinden de kendiniz hesaplayabilirsiniz: www.calculatorsoup.com/calculators/math/scientific-notation-converter.php

[@OfisLab]

Hatta ben sizin gsyh sayınız için hesapladım şu değer çıkıyor = 0.00006228

[@ess9938]

@@OfisLab teşekkür ederim çok çok teşekkürler. yani burda yanlış yaptığım birşey yok değil mi? yorumlama yaparken bu şekilde yapabilirim yani allah razı olsun

[@OfisLab]

Rica ederim. Yok yanlış bir şey yaptığınız yok sadece o değişkenin etkisi çok düşük çıkmış

[@ess9938]

@@OfisLab bide şey spsse excelden direk veri almamda sorun olurmu noktalı yada virgüllü olması mesela excelde verim 13.449.124.93 şeklinde bunu virgülsüz mü yapmalıyım yada spss bu şekilde alabilir mi

[@BüşraUçarer]

video için çok teşekkür ederim çok faydalı oldu. size sorum olacaktı elimde 14 bağımsız değişkenim var hepsi de kategorikdeğişken. dummye dönüştürdüğümde 51 tane dummy değişkenim oldu. hepsini aynı anda çoklu regresyona sokabilir miyim. Yoksa her dummy grubunu kendi arasında mı regresyona sokmalıyım.

[@OfisLab]

Merhabalar. Sorunuzun cevabı hipotezlerinize göre değişir. Eğer hipotezlerde bütün değişkenlerin hepsi birden bağımlı değişkeni etkileyecek mi ve birbirlerine göre açıkladıkları varyans nasıl olacak diye bakacaksanız o zaman hepsini koyup yapın. ancak 51 tane bağımsız dummy değişkenle yapacağınız analizin sonuçları hem yorumlama açısından hem de açıklanan varyansların değişken sayısı bolluğundan dolayı çok küçülüp anlamlarını kaybedeceklerinden dolayı bence birbirine benzeyen ya da teorik olarak alakası olanları beraber analize sokun derim.

[@BüşraUçarer]

çok teşekkür ederim cevabınız için @@OfisLab

[@OfisLab]

@@BüşraUçarer rica ederim ☺️

[@BüşraUçarer]

bir soru daha sorabilir miyim ?😌 çoklu regresyonda herhangi bir bağımsız değişkenin bağımlı değişkenin % kaç yordadığını correlations partial değerinin karesini bulup mu % şu kadar yorduyor diyoruz

[@OfisLab]

@@BüşraUçarer tabiki 😊 bir bağımsız değişkenin bağımlı değişkeni yüzde kaç oranında açıkladığını değerlendirmek için genellikle R² değeri kullanılır. Kısmi korelasyon katsayıları ise bir bağımsız değişkenin bağımlı değişkenle olan ilişkisini ölçmek ve diğer değişkenlerin etkilerini kontrol etmek için kullanılır. Umarım açıklayıcı olmuştur 😉

[@zlmdmrci]

Hocam SPSS eğitimleri veriyor musunuz?

[@OfisLab]

KZbin haricinde bir yerde eğitim vermiyorum ancak vakit bulursam bire bir danışmanlı kyapıyorum.

[@mufidecrak4055]

Merhaba çoklu doğrusallık için bağımsız değişkenler arası ilişki .80 den düşük olmalı bilgisinin kaynağı nedir hocam?

[@OfisLab]

Merhaba hocam Soru için teşekkürler. Şimdi ben de baktım ve kaynağı buldum: Berry, W. D., Feldman, S., & Stanley Feldman, D. (1985). Multiple regression in practice (No. 50). Sage.

[@mufidecrak4055]

@@OfisLab çok teşekkür ederim hocam. Anlatımınız harika her şeyi tane tane anlatıyorsunuz. Emeğinize sağlık.

[@OfisLab]

Rica ederim beğenmenize sevindim

[@mufidecrak4055]

@@OfisLab peki hocam bir sorum daha olacak, analiz yaparken alt gruptaki katılımcı sayısı az olduğunda / gruplardaki dağılım aşırı dengesiz olduğunda (10-30- 70- 100 gibi) birleştime yapıyoruz. Bu birleştirme kısmı ile ilgili alt grup N>25 olmalı gibi bir kural gördüm. Bunu referans göstereyim istedim. Ama bu bilginin kaynağını bulamadım. Bu bilgi doğru ise kaynağı nedir? Yanlış ise doğrusu nedir?

[@OfisLab]

Böyle bir kural regresyonda yok, siz ki kare için mi soruyorsunuz yoksa?

[@mustafayesilrmak3]

hocam yordamak ne anlama geliyor

[@OfisLab]

Tahmin etmek demek hocam

[@nurireis128]

veri seti gerçek veri seti mi gerçekse linkini bırakabilir misin

[@OfisLab]

Merhabalar. Evet veri seti gercek ancak değişken isimleri uydurma :) bu nedenle videoyu çektikten sonra orijinal veri setiyle karismamasi icin bilgisayarımdan siliyorum. Eğer veri setlerine ihiyaciniz varsa, SPSS'in Program Files'daki klasöründe bulunan Samples klasöründe onlarca veri setine ulaşabilirsiniz.

[@nurireis128]

@@OfisLab teşekkürler hocam benim çoklu regresyon uygulayacak gerçek veriye ihtiyacım var yardımcı olursanız çok sevinirim hocam hangi veriyi alıcam bilmiyorum şimdiden çok ama çok teşekkür ederimm

[@OfisLab]

@@nurireis128 Hocam söyle de yapabilirsiniz, artık birçok arastirmaci verilerini açık olarak paylaşıyor internette. Bunları kullanabilirsiniz. Size tavsiye edebileceğim siteler Zenodo ve Mendeley Data. Bu sitelerin arama kutucuklarinda regression data gibi terimlerle arama yaparak da birçok gercek veri setine ulaşabilirsiniz.

[@nurireis128]

@@OfisLab çok teşekkürler hocam hemen bakıyorum

[@OfisLab]

@@nurireis128 rica ederim hocam, baska sorularınız olursa sormaktan çekinmeyin, kolaylıklar

[@tutkuns]

Güzel bir anlatım; ama "yordam/amak" muhtemelen Türkçe bir kelime olmasına rağmen ne kadar da Türkçe olmayan bir kelime gibi duruyor. Resmen kulaklarımı tırmalıyor: işkence gibi. Keşke TDK işini yapıyor olsaydı...

[@OfisLab]

evet biraz ilginç bir kelime