SPSS'te Binary Lojistik Regresyon ? Kategorik Bağımlı Değişken Analizi

Ne Zaman Kullanılır?

Bağımlı değişken 2 kategorili (evet/hayır, başarılı/başarısız, terk/devam) olduğunda. Çoklu doğrusal regresyon KULLANILAMAZ çünkü bağımlı değişken sürekli değil. Lojistik regresyon bir olayın OLMA OLASILIGINI modeller.

SPSS Adımları

1. Analyze ? Regression ? Binary Logistic.

2. Dependent: bağımlı değişken (0/1 kodlu ? başarısız=0, başarılı=1).

3. Covariates: yordayıcılar (sürekli veya kategorik).

4. Categorical: kategorik yordayıcıları işaretleyin.

5. Options ? Classification plots + Hosmer-Lemeshow + CI for exp(B).

6. Method: Enter (tüm değişkenler) veya Forward/Backward (adımsal).

Çıktıyı Okuma

Omnibus Tests of Model Coefficients: Model anlamlı mı? p < .05 ? model anlamlı.

Hosmer-Lemeshow Test: Model uyumu. p > .05 ? model veriye uyuyor (iyi). p < .05 ? uyumsuzluk.

Nagelkerke R²: Modelin açıkladığı varyans oranı (R² benzeri). .20-.40 arası kabul edilebilir.

Classification Table: Modelin doğru sınıflandırma yüzdesi. %70+ iyi.

Variables in the Equation: Her yordayıcının B katsayısı, Wald istatistiği, p değeri ve Exp(B).

Exp(B) ? Odds Ratio Yorumlama

Exp(B) > 1: Yordayıcı arttıkça olayın olma olasılığı ARTIYOR. Exp(B) = 1.50 ? "her 1 birim artışta olasılık %50 artıyor."

Exp(B) < 1: Yordayıcı arttıkça olasılık AZALIYOR. Exp(B) = 0.60 ? "her 1 birim artışta olasılık %40 azalıyor."

Exp(B) = 1: Yordayıcının etkisi yok.

APA Raporlama

"Akademik başarıyı yordayan faktörler binary lojistik regresyon ile incelenmiştir. Model istatistiksel olarak anlamlıdır, ?²(3) = 34.56, p < .001. Model başarıyı %74.5 oranında doğru sınıflandırmıştır (Nagelkerke R² = .28). Motivasyon (B = 0.82, Wald = 12.34, p < .001, Exp(B) = 2.27) ve ders çalışma süresi (B = 0.15, Wald = 5.67, p = .017, Exp(B) = 1.16) başarıyı anlamlı düzeyde yordamaktadır."