Section author: Sebastian Jentschke, Rebecca Vederhus

SPSS முதல் சாமோவி வரை: லாசிச்டிக் பின்னடைவு

இந்த ஒப்பீடு எச்.பி.எச்.எச் மற்றும் சாமோவியில் பைனரி லாசிச்டிக் பின்னடைவு எவ்வாறு நடத்தப்படுகிறது என்பதைக் காட்டுகிறது. SPSS சோதனை `புலம் (2017) <https://edge.sagepub.com/field5e> __, குறிப்பாக படம் 20.7 - 20.10 மற்றும் வெளியீடு 20.1 - 20.5 (பூட்ச்ட்ராப் விலக்கப்பட்டது) இல் அத்தியாயம் 20.5 - 20.6 இல் உள்ள விளக்கத்தை பின்பற்றுகிறது. இது தரவுக் கோப்பை ** eel.sav ** ஐப் பயன்படுத்துகிறது, இது <https://edge.sagepub.com/field5e/student-resources/datasets> ____.

SPSS

jamovi

SPSS இல் நீங்கள் ஒரு பைனரி லாசிச்டிக் பின்னடைவைப் பயன்படுத்தி இயக்கலாம்: `` பகுப்பாய்வு`` `` பின்னடைவு`` `` பைனரி லாசிச்டிக்``.

சாமோவியில் நீங்கள் இதைப் பயன்படுத்தி இதைச் செய்கிறீர்கள்: `` பகுப்பாய்வு` → `` பின்னடைவு`` `` 2 முடிவுகள் பைனோமியல்``.

SPSS_Menu_logReg1

jamovi_Menu_logReg1

SPSS இல், `` குணப்படுத்தப்பட்ட`` `` சார்பு` மாறுபட்ட பெட்டியிலும், `` தலையீடு` கோவாரியட்டுகள்` மாறி பெட்டியிலும் நகர்த்தவும்.

சாமோவியில், `` குணப்படுத்தப்பட்ட `` சார்பு மாறி`` மற்றும் `` கால அளவு` மற்றும் `` தலையீடு` ஆகியவற்றை `` கோவாரியட்டுகள்` க்கு நகர்த்தவும்.

SPSS_Input_logReg1_1

jamovi_Input_logReg1_1

`` அடுத்து`` என்பதைக் சொடுக்கு செய்து, இந்த புதிய தொகுதிக்கு `` கால அளவு` ஐச் சேர்க்கவும்.

`` மாதிரி பில்டர்`` கீழ்தோன்றும் பட்டியலில் + புதிய தொகுதியைச் சேர்` என்பதைக் சொடுக்கு செய்வதன் மூலம் இரண்டு புதிய தொகுதிகளை உருவாக்கவும். `` கால அளவு` `மாறியை` `தொகுதி 2 சேர்த்து,` கால அளவு மற்றும்` தலையீடு` ஆகியவற்றை `` பிளாக் 3`` இல் சேர்த்து, இரண்டையும் குறிப்பதன் மூலமும், கீழ்தோன்றும் `` தொடர்பு`` என்பதைக் சொடுக்கு செய்வதன் மூலம் `` தொகுதி 3`` சேர்க்கவும் -பான் பட்டியல்.

SPSS_Input_logReg1_2

jamovi_Input_logReg1_2

`` அடுத்து`` இன்னும் ஒரு முறை சொடுக்கு செய்வதன் மூலம் மூன்றாவது தொகுதியை உருவாக்கி, `` தலையீடு`` மற்றும் கால அளவு` இரண்டையும் குறிப்பதன் மூலமும், அம்புக்குறியை அழுத்துவதன் மூலம் அவற்றை தொகுதிக்கு நகர்த்துவதன் மூலமும் ஒரு தொடர்புகளை உருவாக்கவும்.

SPSS_Input_logReg1_3

`` வகைப்படுத்தல்`` சாளரத்தை அணுகி, `` மாறுபாடு`` க்கு கீழ்தோன்றும் மெனுவைத் திறக்கவும். இங்கே, `` காட்டி`` என்பதைத் தேர்ந்தெடுத்து `` முதலில் குறிப்பு வகை` என சரிபார்க்கவும். `` மாற்றம்`` என்பதைக் சொடுக்கு செய்க.

சமோவி குறிப்பு வகையை தானாக முதல் வகைக்கு அமைத்தார். நீங்கள் அதை மாற்றினால், கீழ்தோன்றும் மெனுவைத் திறந்து குறிப்பு நிலைகள்` மற்றும் ஒவ்வொரு மாறிக்கும் குறிப்பு அளவை விரும்பிய நிலைக்கு மாற்றவும் (எ.கா.,` குணப்படுத்தப்படவில்லை`).

SPSS_Input_logReg1_4

jamovi_Input_logReg1_3

`` விருப்பங்கள்`` சாளரத்தைத் திறந்து பின்வரும் பெட்டிகளைச் சரிபார்க்கவும்: `` வகைப்பாடு அடுக்கு``, `` ஓச்மர்-லெமேசோ நன்மை-ஃபிட்``, `` எஞ்சியவர்களின் கேச்வைச் பட்டியல்``, `` 2 எச். தேவ்.

கீழ்தோன்றும் மெனுவைத் திறந்து கணிப்பு` ஐத் திறந்து` வகைப்பாடு அட்டவணை` ஐத் தேர்வுசெய்க.

jamovi_Input_logReg1_4

கீழ்தோன்றும் பட்டியலில் `` மாதிரி குணகங்கள்``, `` முரண்பாடுகள் விகிதம்`` மற்றும் `` நம்பிக்கை இடைவெளி`` முரண்பாடான விகிதத்திற்கு டிக் செய்யுங்கள்.

jamovi_Input_logReg1_5

`` மாதிரி ஃபிட்`` சாளரத்தில், `` விலகல்``, aic`,` ஒட்டுமொத்த மாதிரி சோதனை,` காக்ச் & ச்னெல்லின் r²` மற்றும்` நாகல்கெக்கின் r²` க்கான பெட்டிகளை சரிபார்க்கவும்.

SPSS_Input_logReg1_6

jamovi_Input_logReg1_6

`` `` சாளரத்தைத் திறந்து `` நிகழ்தகவுகள்``, `` குழு உறுப்பினர்``, `` குக்'ச்``, `` அந்நியச் செலாவணி மதிப்புகள்``, `` dfbeta (கள்) , `` தரப்படுத்தப்பட்ட (எச்சங்கள்), மற்றும் `` கோவாரன்ச் மேட்ரிக்சை உள்ளடக்கியது`.

இந்த மதிப்புகளில் சிலவற்றையும் சேமிக்க சமோவி உங்களை அனுமதிக்கிறார். அவ்வாறு செய்ய, கீழ்தோன்றும் மெனுவைத் திறந்து சேமிக்கவும்` கணிக்கப்பட்ட மதிப்புகள்`,` எச்சங்கள்`, மற்றும்` சமையல்காரர்களின் தூரம்`.

SPSS_Input_logReg1_5

jamovi_Input_logReg1_7

SPSS மற்றும் JAHOVI இலிருந்து வெளியீட்டை நீங்கள் ஒப்பிட்டுப் பார்த்தால், முடிவுகள் அடிப்படையில் ஒரே மாதிரியானவை. இருப்பினும், சாமோவியின் முடிவுகள் குறுகிய மற்றும் சிறந்த கட்டமைக்கப்பட்டவை, அதேசமயம் எச்.பி.எச்.எச் முடிவுகள் மிகவும் விரிவானவை (ஃபீல்ட், 2017 இன் படி, விருப்பங்களின் விரிவான தேர்வுக்கு). சாமோவி, மேலும், முதலில் மாதிரிகள் மற்றும் அவற்றின் ஒப்பீடு ஆகியவற்றைப் பற்றிய ஒரு கண்ணோட்டத்தைக் கொண்டுள்ளது, அதே நேரத்தில் SPSS ஒவ்வொரு மாதிரியிலும் அந்த மாதிரி குறியீடுகளை வழங்குகிறது.

jamovi_Output_logReg1_1

SPSS_Output_logReg1_1

jamovi_Output_logReg1_2

SPSS_Output_logReg1_2

jamovi_Output_logReg1_3

SPSS_Output_logReg1_3

jamovi_Output_logReg1_4

SPSS இலிருந்து வெளியீட்டில், `` மாதிரி சுருக்கம்``, `` சமன்பாட்டில் உள்ள மாறிகள்` மற்றும் `` மாதிரி குணகங்களின் ஆம்னிபச் சோதனைகள் மாதிரியில் உள்ள ஒவ்வொரு முன்கணிப்பாளர்களுக்கும் அட்டவணையைக் காணலாம். `` மாதிரி சுருக்கம்`` அட்டவணைகள் மாதிரிக்கான -2ll மதிப்பைக் காட்டுகின்றன, அதே போல் காக்ச் & ச்னெல் R² மற்றும் நாகெல்கெர்கே r². மாதிரி குணகங்களின் `` ஆம்னிபச் சோதனைகளில்`` அட்டவணைகள், χ²-மதிப்புகள், விடுதலை மற்றும் முக்கியத்துவ மதிப்புகள் காணப்படுகின்றன. கடைசியாக, நீங்கள் *b *-மதிப்புகள், *se *-மதிப்புகள், விடுதலை மற்றும் முக்கியத்துவ மதிப்புகளை சமன்பாடு` `அட்டவணையில் உள்ள மாறுபாடுகளில் காணலாம். இந்த அட்டவணை முரண்பாடுகள் விகிதத்தையும் காட்டுகிறது.

சாமோவியில், -2ll மதிப்புகள், காக்ச் & ச்னெல் ஆர்² மற்றும் நாகெல்கெர்கே ஆர்² மதிப்புகள் அனைத்து முன்கணிப்பாளர்களுக்கும் `` மாதிரி பொருத்தம் நடவடிக்கைகள்` என்ற அட்டவணையில் காணப்படுகின்றன. `` மாதிரி ஒப்பீடுகள்`` அட்டவணையில் χ²-மதிப்புகள், விடுதலை மற்றும் முக்கியத்துவ நிலைகள் காணப்படுகின்றன. கூடுதலாக, *பி *-மதிப்புகள், *சே *-மதிப்புகள், முக்கியத்துவம் நிலை முரண்பாடுகள் விகிதம் மற்றும் அதற்கான நம்பிக்கை இடைவெளி மற்றும் வகைப்பாடு அட்டவணை ஆகியவை வெளியீட்டின் தனி பகுதிகளாகக் காட்டப்படுகின்றன (ஒவ்வொரு மாதிரிக்கும் ஒன்று). ஒரு நேரத்தில் ஒரு மாதிரி மட்டுமே காட்டப்படுகிறது, மேலும் `` மாதிரி குறிப்பிட்ட முடிவுகள்`` க்கு அடுத்ததாக கீழ்தோன்றும் மெனுவைப் பயன்படுத்துவதன் மூலம் மாதிரியைத் தேர்ந்தெடுக்க முடியும்.
எச்.பி.எச்.எச் சாமோவியை விட அதிகமான வெளியீட்டு அட்டவணைகளை (சில காட்டப்படவில்லை) விளைவாக்கம் செய்கிறது, புலம் (2017) காரணமாக குறைந்தது அல்ல (2017) சாமோவியில் கிடைக்காத விருப்பங்களைக் கேட்கிறது.
முடிவுகளுக்கான எண் மதிப்புகள் ஒன்றே.
மாதிரி 1: -2ll = 144.158, χ² = 9.926, df = 1, *p *= 0.002, *r² *: துணை: cs = 0.084, *r² *: துணை:` n` = 0.113, கோர். துணை: nc = 66.667, கோர். : துணை:` சி` = 63.077
மாதிரி 2: -2ll = 144.156, χ² = 9.928, df = 2, *p *= 0.007, *r² *: துணை: cs = 0.084, *r² *: துணை:` n` = 0.113, கோர். துணை: nc = 66.667, கோர். : துணை:` சி` = 63.077
மாதிரி 3: -2ll = 144.095, χ² = 9.989, df = 3, *p *= 0.019, *r² *: துணை: cs = 0.085, *r² *: துணை:` n` = 0.114, கோர். துணை: nc = 66.667, கோர். : துணை:` சி` = 63.077
`` தலையீடு`` என்பது மிகவும் தீர்க்கமான முன்கணிப்பு என்பது தெளிவாகிறது, அதேசமயம் `` கால அளவு`` மற்றும் `` தலையீடு × காலம்`` இன் தொடர்பு உண்மையில் சிறந்த கணிப்புக்கு வழிவகுக்காது: சரியாக வகைப்படுத்தப்பட்ட வழக்குகளின் எண்ணிக்கை மாறாது மாடல்களுக்கு இடையில் மாதிரி 1 மிகவும் ஒத்திசைவானது; மேலும், மாதிரி 2 மற்றும் 3 க்கான விலகல் (-2ll) மற்றும் χ² மாதிரி 1 க்கு சமமாகவோ அல்லது குறைவாகவோ உள்ளன (மேலும் டி.எஃப் கள் மாதிரி 2 மற்றும் 3 இல் பயன்படுத்தப்படுவதால், பி-மதிப்புகள் அதிகரிக்கும் (இவை அனைத்தும் அந்த மாதிரியை வலியுறுத்துகின்றன 1 சிறந்த மாதிரி மற்றும் தேர்ந்தெடுக்கப்பட வேண்டும்).

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.

 
LOGISTIC REGRESSION VARIABLES Cured
   /METHOD=ENTER Intervention
   /METHOD=ENTER Duration
   /METHOD=ENTER Duration * Intervention
   /CONTRAST (Intervention)=Indicator(1)
   /SAVE=PRED PGROUP COOK LEVER DFBETA ZRESID
   /CLASSPLOT
   /CASEWISE OUTLIER(2)
   /PRINT=GOODFIT ITER(1) CI(95)
   /CRITERIA=PIN(0.05) POUT(0.10) ITERATE(20) CUT(0.5).

jmv::logRegBin(
    data = data,
    dep = Cured,
    covs = vars(Duration, Intervention),
    blocks = list(list("Intervention"),
                  list("Duration"),
                  list(c("Duration", "Intervention"))),
    refLevels = list(list(var="Cured", ref="Not Cured")),
    pseudoR2 = c("r2mf", "r2cs", "r2n"))

பகுப்பாய்வுகளைக் கொண்ட`SPSS வெளியீட்டு கோப்பு <../_static/output/s2j_Output_SPSS_logReg.spv>`_

பகுப்பாய்வுகளைக் கொண்ட சமோவி கோப்பு
** குறிப்புகள் **
Field, A. (2017). Discovering statistics using IBM SPSS statistics (5th ed.). SAGE Publications. https://edge.sagepub.com/field5e