İçindekiler 5 başlık · 1 dk
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 OLASILIĞINI 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: Sözde (pseudo) R² — açıklanan varyansa benzer biçimde yorumlanır ama doğrusal regresyondaki R² gibi gerçek bir varyans oranı değildir. .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 odds'u (olma/olmama oranı), dolayısıyla olasılığı ARTIYOR. Exp(B) = 1.50 → "her 1 birim artışta odds %50 artıyor" (olasılık %50 artmaz; olasılıktaki değişim başlangıç düzeyine bağlıdır).
Exp(B) < 1: Yordayıcı arttıkça odds (ve olasılık) AZALIYOR. Exp(B) = 0.60 → "her 1 birim artışta odds %40 azalıyor."
Exp(B) = 1: Yordayıcının etkisi yok.
APA Raporlama
"Akademik başarıyı yordayan faktörler binary lojistik regresyon ile incelenmiştir. Model istatistiksel olarak anlamlıdır, χ²(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."
