Section author: Rebecca Vederhus, Sebastian Jentschke
SPSS முதல் சாமோவி வரை: நேரியல் பின்னடைவு
இந்த ஒப்பீடு SPSS மற்றும் JAHOVI இல் பல முன்னறிவிப்பாளர்களைக் கொண்ட ஒரு நேரியல் மாதிரி எவ்வாறு நடத்தப்படுகிறது என்பதைக் காட்டுகிறது. `புலத்தில் (2017) <https://edge.sagepub.com/field5e> __, குறிப்பாக படம் 9.15-9.19 மற்றும் 9.22-9.23 மற்றும் வெளியீடு 9.5-9.12 . இது தரவுத் தொகுப்பு ** ஆல்பம் விற்பனையை பயன்படுத்துகிறது.
SPSS |
jamovi |
|---|---|
SPSS இல், பின்வரும் படிகள் ஒரு நேரியல் பின்னடைவை செயல்படுத்துகின்றன: `` பகுப்பாய்வு` `` பின்னடைவு`` நேரியல்`. |
சாமோவியில், இதைப் பயன்படுத்தி இதைச் செய்யலாம்: `` அனலீச்` `` பின்னடைவு`` நேரியல் பின்னடைவு`. |
|
|
மாறி பெட்டியில் `` விற்பனையை`` மற்றும் மாறி `` விளம்பரங்களை`` ஆகியவற்றை மாறி பெட்டியில் `` சுயாதீன (கள்) `` க்கு நகர்த்தவும். |
`` விற்பனை`` `` சார்பு மாறி` பெட்டியிலும், `` விளம்பரங்களையும் `` ஏர்ப்ளே``` மற்றும் `` படம்` ஆகியவற்றிற்கு `` கோவாரியட்டுகள்`` என அழைக்கவும். |
|
|
புதிய தொகுதியை உருவாக்க `` அடுத்த`` ஐ அழுத்தி, `` ஏர்ப்ளே`` மற்றும் படம்` பெட்டியில் `` ஏர்ப்ளே`` மற்றும் படம் ஆகியவற்றைச் சேர்க்கவும். |
`` மாதிரி பில்டர்`` சாளரத்தில், |
|
|
`` புள்ளிவிவரங்கள்` உரையாடல் பெட்டியில், கீழே உள்ள படத்தில் காட்டப்பட்டுள்ள விருப்பங்களைத் தேர்ந்தெடுக்கவும். |
`` அனுமான காசோலைகளின்` கீழ் `` கோலைனரிட்டி புள்ளிவிவரங்கள்` என்பதைக் சொடுக்கு செய்க, `` Q-q எச்சங்களின் சதி``, `` எச்சங்கள் அடுக்குகள்`` மற்றும் `` குக்கின் தூரம்``. |
|
|
முதன்மையான மெனுவிலிருந்து, `` அடுக்கு` சாளரத்தைத் திறந்து, `` y`` மற்றும் `` *zpred`` என பெயரிடப்பட்ட பெட்டிக்கு `` *ZRESID`` ஐ ஒதுக்கவும் `` x` x` x` . கூடுதலாக, `` இச்டோகிராம்``, `` சாதாரண நிகழ்தகவு சதி`` மற்றும் `` என்ற விருப்பங்களைத் தேர்ந்தெடுத்து அனைத்து பகுதி அடுக்குகளையும் உருவாக்கவும். |
`` மாதிரி ஃபிட்`` சாளரத்தைத் திறந்து `` r``, `` r²`` மற்றும் `` சரிசெய்யப்பட்ட r²`. |
|
|
முதன்மையான மெனுவிலிருந்து சேமி` சாளரத்தைத் திறந்து, கீழே உள்ள படத்தில் காணப்பட்ட அதே விருப்பங்களைத் தேர்ந்தெடுக்கவும். |
`` மாதிரி குணகங்கள்`` சாளரத்தில், `` அனோவா சோதனை``, `` நம்பிக்கை இடைவெளி`` மற்றும் `` தரப்படுத்தப்பட்ட மதிப்பீடு` என்பதைக் சொடுக்கு செய்க. |
|
|
கடைசியாக, `` விருப்பங்கள்`` க்கான உரையாடல் பெட்டியைச் செயல்படுத்தி, `` நிகழ்தகவைப் பயன்படுத்தவும் f``, `` சமன்பாட்டில் மாறாமல் சேர்க்கவும்` `` `வழக்குகளை பட்டியலிடவும். |
|
|
|
முடிவுகள் அடிப்படையில் எச்.பி.எச்.எச் மற்றும் சாமோவியில் ஒரே மாதிரியானவை, இருப்பினும் அவை சற்று வித்தியாசமான இடங்களில் காணப்படுகின்றன. மேலும், SPSS வெளியீட்டில் காணக்கூடிய அனைத்து தகவல்களையும் சாமோவி வழங்கவில்லை. |
|
|
|
மாதிரி சுருக்கத்தில், மாதிரி 1 க்கான சுருக்க புள்ளிவிவரங்களை நீங்கள் காணலாம், அங்கு ஒரே முன்கணிப்பு விளம்பர பட்செட், அதே போல் மாதிரி 2 க்கும், இதில் மூன்று முன்னறிவிப்பாளர்களும் பயன்படுத்தப்படுகின்றன. மாதிரி 2 இல் 0.66 இன் r² *-மதிப்பு, விளம்பர வரவு செலவுத் திட்டங்கள், படம் மற்றும் ஏர்ப்ளே ஆகியவை ஆல்பம் விற்பனையில் 66.5% மாறுபாட்டைக் கொண்டுள்ளன என்று நமக்குக் கூறுகிறது. தரப்படுத்தப்பட்ட பீட்டா மதிப்புகள் (*β) ஒரு முன்கணிப்பு ஒரு நிலையான விலகலால் மாறினால் விளைவுக்கு என்ன நடக்கும் என்பதைக் குறிக்கிறது. அனைத்து மாறிகளுக்கான பீட்டா மதிப்புகள் எளிதில் ஒப்பிடத்தக்கவை (* β* = 0.51,* β* = 0.51 மற்றும்* β* = 0.19) அவை கிட்டத்தட்ட ஒரே மாதிரியானவை. முடிவுகளின்படி, வெளியீட்டு தேதிக்கு முந்தைய வாரத்திற்கு முன்னர் ரேடியோவின் எண்ணிக்கை 1 நிலையான விலகல் (12.27) அதிகரித்தால் ஒட்டுமொத்த விற்பனை 0.512 நிலையான விலகல்களால் அதிகரிக்கும். அனைத்து பீட்டா மதிப்புகளுக்கான முக்கியத்துவ நிலைகளும் கவனிக்க வேண்டியது தேவை. |
சாமோவியில், *r² *-மதிப்பு மாதிரி பொருத்தம் அளவீட்டு அட்டவணையில் காணப்படுகிறது மற்றும் பீட்டா மதிப்புகள் மாதிரி குணகங்கள்-விற்பனை அட்டவணையில் காணப்படுகின்றன. மாதிரி 1 மற்றும் 2 க்கான ANOVA மற்றும் குணக அட்டவணைகள் தனி அட்டவணையில் காணப்படுகின்றன, அதேசமயம் SPSS இல் இரண்டு மாதிரிகள் ஒரே அட்டவணையில் வழங்கப்படுகின்றன. மேலும், மாதிரி சுருக்கம் சாமோவியில் இரண்டு வெவ்வேறு அட்டவணைகளாக பிரிக்கப்பட்டுள்ளது - மாதிரி பொருத்தம் நடவடிக்கைகள் மற்றும் மாதிரி ஒப்பீடுகள். |
ஒரு நேரியல் பின்னடைவு பகுப்பாய்வைச் செய்யும்போது, SPSS சாமோவியில் விளைவாக்கம் செய்யப்படாத பல வெளியீட்டு அட்டவணைகளை உருவாக்குகிறது. உதாரணமாக, விளக்க புள்ளிவிவரங்கள், தொடர்புகள், கேச்வைச் நோயறிதல் மற்றும் எச்சங்கள் புள்ளிவிவரங்களுக்கான அட்டவணைகளை சாமோவி வழங்கவில்லை. இருப்பினும், சாமோவி மாதிரி சுருக்கம், ANOVA மற்றும் குணகங்களுக்கான அட்டவணைகளை வழங்குகிறார், இது பின்னடைவிலிருந்து மிக முக்கியமான கண்டுபிடிப்புகளைக் காட்டுகிறது. மேலும், சாமோவி மாதிரி 2 அல்லது ஒரு எச்.டி.டி-க்கு எஃப் *-ச்டாடிச்டிக் தயாரிக்கவில்லை. மதிப்பீட்டின் பிழை. முந்தைய பக்கத்தில் உள்ள பகுப்பாய்வைப் போலவே, தற்போதைய பகுப்பாய்விற்கான எண் வெளியீடுகள் ஒரே மாதிரியானவை: * r * = 0.82, * r² * = 0.66; * β = 0.51,* ப* <.001; * β* = 0.51,* ப* <.001; * β* = 0.19,* ப* <.001. |
|
தொடரியல் பயன்படுத்தி அந்த பகுப்பாய்வுகளை நீங்கள் பிரதிபலிக்க விரும்பினால், நீங்கள் கீழே உள்ள கட்டளைகளைப் பயன்படுத்தலாம் (சாமோவியில், கீழே உள்ள குறியீட்டிற்கு நகலெடுக்கவும் Rj). மாற்றாக, நீங்கள் SPSS வெளியீட்டு கோப்புகள் மற்றும் சாமோவி கோப்புகளை தொடரியல் கீழே இருந்து பகுப்பாய்வுகளுடன் பதிவிறக்கம் செய்யலாம். |
|
REGRESSION
/DESCRIPTIVES MEAN STDDEV CORR SIG N
/MISSING LISTWISE
/STATISTICS COEFF OUTS CI(95) R ANOVA COLLIN TOL CHANGE ZPP
/CRITERIA=PIN(.05) POUT(.10)
/NOORIGIN
/DEPENDENT Sales
/METHOD=ENTER Adverts
/METHOD=ENTER Airplay Image
/PARTIALPLOT ALL
/SCATTERPLOT=(\*ZRESID ,\*ZPRED)
/RESIDUALS HISTOGRAM(ZRESID) NORMPROB(ZRESID)
/CASEWISE PLOT(ZRESID) OUTLIERS(2)
/SAVE PRED ZPRED ADJPRED MAHAL COOK LEVER ZRESID DRESID SDRESID SDBETA
SD FIT COVRATIO.
|
jmv::linReg(
data = data,
dep = Sales,
covs = vars(Adverts, Airplay, Image),
blocks = list(
list("Adverts"),
list("Airplay", "Image")),
refLevels = list(),
r2Adj = TRUE,
anova = TRUE,
ci = TRUE,
stdEst = TRUE,
qqPlot = TRUE,
resPlots = TRUE,
collin = TRUE,
cooks = TRUE)
|
