info@zaferhoca.com.tr Pazartesi–Cumartesi (10.00–18.00)
SPSS & İstatistik İleri Yüksek lisansDoktora

Regresyon Varsayımları SPSS'te Nasıl Kontrol Edilir? Adım Adım Kontrol ve APA Raporu

Çoklu regresyonun doğrusallık, artıkların normalliği, çoklu doğrusallık, hataların bağımsızlığı ve eşit varyans varsayımlarının SPSS'te hangi seçeneklerle kontrol edildiği, grafiklerin nasıl okunduğu, ihlalde yapılacaklar ve APA'ya uygun raporlama.

Güncellendi: 7 dk okuma 128 görüntülenme Zafer Hoca
İçindekiler 12 başlık · 7 dk
  1. Regresyon varsayımları nelerdir, neden kontrol edilir?
  2. SPSS'te varsayım kontrolü adım adım
  3. Artık grafiği nasıl okunur? Doğrusallık ve eşit varyans
  4. Doğrusallık
  5. Homoskedastisite (eşit varyans)
  6. Artıkların normalliği nasıl kontrol edilir?
  7. Çoklu doğrusallık: VIF ve Tolerance nasıl yorumlanır?
  8. Hataların bağımsızlığı ve Durbin-Watson testi
  9. Uç ve etkili değerler: Cook's distance ve kaldıraç
  10. Varsayım kontrolü nasıl raporlanır? APA örneği
  11. Sık yapılan hatalar
  12. Kaynaklar ve resmî bağlantılar

Kısaca: Çoklu regresyonda kontrol edilen başlıca varsayımlar doğrusallık, artıkların normalliği, çoklu doğrusallığın olmaması, hataların bağımsızlığı ve eşit varyanstır (homoskedastisite); bunlara uç ve etkili değer kontrolü eklenir. SPSS'te Linear Regression penceresinde Collinearity diagnostics ve Durbin-Watson işaretlenir, Plots'ta *ZRESID ile *ZPRED grafiği, histogram ve P-P grafiği istenir, Save'de Cook's distance kaydedilir. Pratik ölçütler: VIF 10'un altında (tercihen 5), Durbin-Watson 1.5–2.5 arasında, Cook's D 1'in altında.

Bu madde yalnız varsayım kontrolüne odaklanır: hangi varsayımın SPSS'te hangi seçenekle sınandığını, grafiklerin nasıl okunduğunu ve ihlal durumunda ne yapılacağını anlatır. Regresyonun ne olduğu ve sonuçların nasıl yorumlandığı için çoklu regresyon analizi rehberine, analizin SPSS'te baştan sona yürütülmesi için SPSS'te çoklu regresyon maddesine bakın.

Regresyon varsayımları nelerdir, neden kontrol edilir?

Varsayımlar ihlal edildiğinde regresyon katsayıları yanlı olabilir, standart hatalar yanlış hesaplanır ve p değerleri güvenilmez hâle gelir. Model "anlamlı" çıksa bile bu sonuca dayanarak yorum yapmak riskli olur. Hakemler ve tez jürileri bu yüzden "varsayımları kontrol ettiniz mi?" diye sorar; kontrolü yapıp kısaca raporlamak artık standart uygulamadır.

Regresyon varsayımları ve SPSS'te kontrol yolları
VarsayımNe anlama gelir?SPSS'te nasıl bakılır?Pratik ölçüt
DoğrusallıkYordayıcılarla bağımlı değişken arasındaki ilişki doğrusalSaçılım grafiği, *ZRESID–*ZPRED grafiği, kısmi grafiklerBelirgin eğri ya da desen olmamalı
Artıkların normalliğiHata terimleri normal dağılıyorArtık histogramı, Normal P-P grafiği, kaydedilen artıklarda Shapiro-WilkNoktalar köşegene yakın
Çoklu doğrusallık yokYordayıcılar birbiriyle aşırı ilişkili değilCollinearity diagnostics: VIF ve ToleranceVIF < 10 (tercihen < 5); Tolerance > .10 (tercihen > .20)
Hataların bağımsızlığıBir gözlemin hatası ötekini etkilemiyorDurbin-Watson1.5–2.5 arası
HomoskedastisiteArtıkların varyansı her tahmin düzeyinde eşit*ZRESID–*ZPRED grafiğiHuni biçimi olmamalı
Uç ve etkili değerTek tek gözlemler modeli belirlemiyorCasewise diagnostics, Cook's distance, LeverageCook's D < 1

Bu eşikler kesin sınır değil, pratik ölçüttür. Sınırdaki bir değeri tek başına "ihlal" saymak yerine grafiklerle birlikte değerlendirin ve kararınızın gerekçesini yazın.

SPSS'te varsayım kontrolü adım adım

Bütün kontrolleri tek seferde alabilmek için regresyonu şu ayarlarla çalıştırın:

  1. Analyze → Regression → Linear. Bağımlı değişkeni Dependent, yordayıcıları Independent(s) kutusuna taşıyın.
  2. Statistics: Estimates ve Model fit yanında Collinearity diagnostics ve Durbin-Watson işaretleyin. Residuals bölümünde Casewise diagnostics seçeneğini açık bırakın (varsayılan olarak 3 standart sapmanın dışındaki gözlemleri listeler).
  3. Plots: Y kutusuna *ZRESID (standartlaştırılmış artık), X kutusuna *ZPRED (standartlaştırılmış tahmin) koyun. Standardized Residual Plots bölümünde Histogram ve Normal probability plot işaretleyin. Doğrusallığı yordayıcı bazında görmek için Produce all partial plots seçeneğini de açın.
  4. Save: Residuals bölümünden Standardized, Distances bölümünden Mahalanobis, Cook's ve Leverage values işaretleyin. SPSS bu değerleri veri dosyasına yeni sütunlar olarak ekler.
  5. OK. Çıktıda Model Summary (Durbin-Watson), Coefficients (VIF ve Tolerance), Casewise Diagnostics, Residuals Statistics tabloları ve grafikler gelir.

Artık grafiği nasıl okunur? Doğrusallık ve eşit varyans

*ZRESID–*ZPRED grafiği, doğrusallık ve homoskedastisite varsayımlarının ikisini birden gösterir. Yatay eksende modelin tahminleri, dikey eksende hatalar vardır.

Doğrusallık

Noktalar sıfır çizgisinin çevresinde belirgin bir desen olmadan, rastgele dağılıyorsa doğrusallık sağlanmış sayılır. U biçimli ya da kavisli bir dağılım, ilişkinin doğrusal olmadığını gösterir. Hangi yordayıcının sorun çıkardığını görmek için kısmi grafiklere ya da her yordayıcı için çizdiğiniz basit saçılım grafiğine (Graphs → Legacy Dialogs → Scatter/Dot → Simple Scatter) bakın; grafik seçenekleri için SPSS'te grafik oluşturma maddesi işinize yarar.

İhlal durumunda: değişkene dönüşüm (logaritma, karekök) uygulayın ya da modele karesel (polinom) terim ekleyin. Dönüşüm yaptıysanız katsayıları dönüştürülmüş ölçek üzerinden yorumlamanız gerektiğini unutmayın.

Homoskedastisite (eşit varyans)

Noktaların dikey yayılımı grafiğin her bölgesinde aşağı yukarı aynıysa varyans eşittir. Noktalar soldan sağa açılan ya da daralan bir huni oluşturuyorsa heteroskedastisite vardır: hata büyüklüğü tahmin düzeyine göre değişiyor demektir. Bu durumda katsayılar yansız kalabilir ama standart hatalar ve p değerleri güvenilmez olur.

İhlal durumunda: bağımlı değişkene dönüşüm uygulayın, ağırlıklı en küçük kareler (WLS; Linear Regression penceresindeki WLS Weight kutusu) kullanın ya da sağlam (robust) standart hatalarla raporlayın. SPSS'in yeni sürümlerinde General Linear Model → Univariate penceresinin Options bölümünde sağlam standart hata ve heteroskedastisite testi seçenekleri bulunur; sürümünüzde bu seçenekleri kontrol edin.

Artıkların normalliği nasıl kontrol edilir?

Regresyonda normallik varsayımı değişkenlerin kendisi için değil, artıklar (hatalar) için geçerlidir. Bağımlı değişkeniniz çarpık olsa bile artıklar normal dağılabilir; tersine, tek tek değişkenler normal görünse de artıklar normal olmayabilir.

  • Histogram: Artıkların dağılımı, üzerine çizilen normal eğriye kabaca uymalı; belirgin çarpıklık ya da iki tepeli bir görünüm olmamalı.
  • Normal P-P grafiği: Noktalar köşegen çizginin üzerinde ya da çok yakınında durmalı. Uçlarda sistematik bir sapma, çarpıklığa işaret eder.
  • Test: Save ile kaydettiğiniz standartlaştırılmış artıklara (ZRE_1) Analyze → Descriptive Statistics → Explore üzerinden Shapiro-Wilk uygulayabilirsiniz. Büyük örneklemlerde bu test önemsiz sapmalarda bile anlamlı çıkar; grafiklerle birlikte yorumlayın (bkz. SPSS'te normallik testi).

Örneklem büyüdükçe katsayıların örneklem dağılımı normale yaklaştığı için hafif sapmalar sonuçları genellikle ciddi biçimde etkilemez. Belirgin ihlallerde dönüşüm ya da bootstrap güven aralıkları kullanılabilir; adımlar için SPSS'te bootstrap maddesine bakın.

Çoklu doğrusallık: VIF ve Tolerance nasıl yorumlanır?

Yordayıcılar birbiriyle çok yüksek ilişkiliyse (aralarındaki korelasyon .80'in üzerine çıkıyorsa tehlike işaretidir) model hangi değişkenin ne kadar katkı yaptığını ayıramaz. Coefficients tablosunun sağındaki Collinearity Statistics sütunlarına bakın:

VIF ve Tolerance için pratik ölçütler (Tolerance = 1 / VIF)
VIFToleranceYorum
5'in altı.20'nin üstüSorun yok
5 – 10.20 – .10Dikkat; yordayıcılar arası ilişkiyi inceleyin
10'un üstü.10'un altıCiddi sorun

Tolerance VIF'in tersi olduğu için iki ölçüt birbirine bağlıdır: Tolerance .20, VIF 5'e; Tolerance .10, VIF 10'a karşılık gelir. Raporda hangi eşiği kullandığınızı tutarlı biçimde yazın.

İhlal durumunda: yüksek ilişkili yordayıcılardan birini çıkarın, kuramsal olarak aynı yapıyı ölçüyorlarsa birleştirin (toplam ya da ortalama puan) ya da etkileşim terimi kullanıyorsanız değişkenleri merkezleyin. Ayrıntılı anlatım için VIF ve Tolerance maddesine bakın.

Hataların bağımsızlığı ve Durbin-Watson testi

Bu varsayım, bir gözlemin hatasının ötekinin hatasıyla ilişkili olmamasını ister. En çok zaman serisi verilerinde (ardışık aylar, yıllar) ya da aynı sınıftaki öğrenciler gibi kümelenmiş verilerde ihlal edilir.

Durbin-Watson istatistiği Model Summary tablosunun son sütununda yer alır ve 0 ile 4 arasında değer alır. 2'ye yakın değerler ardışık hatalar arasında ilişki olmadığını gösterir; 1.5–2.5 aralığı sorun yok kabul edilir. 0'a yaklaşan değerler pozitif, 4'e yaklaşan değerler negatif otokorelasyona işaret eder.

Durbin-Watson, veri dosyasındaki satırların sırasına göre hesaplanır. Kesitsel anket verisinde satır sırası çoğu zaman rastgele olduğu için bu değer sınırlı bilgi verir. Verileriniz zamana göre sıralıysa ya da toplanma sırasının önemi varsa anlamlıdır. Kümelenmiş verilerde (okul, sınıf, hastane) bağımsızlık sorunu Durbin-Watson ile yakalanmaz; bu durumda çok düzeyli modelleri düşünün.

Uç ve etkili değerler: Cook's distance ve kaldıraç

Bir ya da birkaç gözlem regresyon doğrusunu kendi yönüne çekebilir. Üç ayrı bilgiye bakılır:

  • Standartlaştırılmış artık: Casewise Diagnostics tablosu, artığı ±3 standart sapmanın dışındaki gözlemleri listeler. Bunlar modelin iyi tahmin edemediği gözlemlerdir.
  • Kaldıraç (Leverage): Yordayıcılarda olağan dışı değerleri olan gözlemleri gösterir. Ortalama kaldıraç değerinin iki-üç katını aşan gözlemler incelenmeye değerdir. Mahalanobis uzaklığı da aynı amaca hizmet eder.
  • Cook's distance: Bir gözlem çıkarıldığında bütün tahminlerin ne kadar değiştiğini gösterir. Cook's D 1'in üzerindeyse gözlem etkili bir uç değerdir ve sonuçları çarpıtıyor olabilir; bazı kaynaklar daha duyarlı ölçüt olarak 4/n değerini kullanır.

Etkili bir gözlemi bulduğunuzda önce veri giriş hatası olup olmadığına bakın. Hata değilse gözlemi gerekçesiz silmeyin; analizi o gözlemle ve onsuz çalıştırıp sonuçların değişip değişmediğini raporlamak daha şeffaf bir yoldur. Ayrıntı için uç değer tespiti maddesine bakın.

Varsayım kontrolü nasıl raporlanır? APA örneği

Varsayım kontrolünü bulgular bölümünde, regresyon sonuçlarından hemen önce kısa bir paragrafla verin. Her varsayım için hangi yöntemi kullandığınızı ve sonucu yazmanız yeterlidir; grafikleri genellikle ek bölümüne koyabilirsiniz.

Örnek paragraf (sayılar varsayımsaldır):

Çoklu regresyon varsayımları kontrol edilmiştir. Doğrusallık saçılım grafikleriyle, artıkların normalliği histogram ve Normal P-P grafiğiyle incelenmiş ve varsayımların karşılandığı görülmüştür. Çoklu doğrusallık sorunu bulunmamıştır (VIF değerleri 1.24–2.87 arasında). Durbin-Watson değeri 1.92 olarak hesaplanmış ve hatalar arasında otokorelasyon olmadığı belirlenmiştir. Standartlaştırılmış artıkların tahmin değerlerine göre grafiği incelendiğinde homoskedastisite varsayımının sağlandığı görülmüştür. Cook's distance değerlerinin hiçbiri 1'i aşmamıştır.

Regresyon tablosunu hazırlamak için SPSS çıktısını APA tablosuna dönüştürme maddesindeki şablonu kullanabilirsiniz.

Sık yapılan hatalar

  • Normalliği artıklar yerine bağımlı ya da bağımsız değişkenlerin kendisinde sınamak.
  • Büyük örneklemde anlamlı çıkan Shapiro-Wilk sonucuna bakıp grafikleri incelemeden "varsayım sağlanmadı" demek.
  • VIF < 10 ile Tolerance > .20 gibi birbirine denk olmayan eşikleri aynı cümlede kullanmak.
  • Kesitsel anket verisinde Durbin-Watson'ı tek bağımsızlık kanıtı saymak.
  • Etkili gözlemleri gerekçe göstermeden silmek ya da silindiklerini raporlamamak.
  • Varsayımları yalnız "kontrol edilmiştir" diye geçip hangi yöntemle kontrol edildiğini yazmamak.

Kaynaklar ve resmî bağlantılar

Paylaş:

Sık sorulanlar

Regresyonda normallik varsayımı neye bakılarak kontrol edilir?

Regresyonda normallik varsayımı değişkenler için değil, artıklar yani hatalar için geçerlidir. SPSS'te Linear Regression penceresinin Plots bölümünde standartlaştırılmış artık histogramı ve Normal P-P grafiği istenir. Noktalar köşegene yakınsa varsayım sağlanmış sayılır. İsterseniz artıkları Save ile kaydedip Shapiro-Wilk uygulayabilirsiniz, ancak büyük örneklemlerde bu test küçük sapmalarda bile anlamlı çıkar.

Durbin-Watson değeri kaç olmalı?

Durbin-Watson istatistiği 0 ile 4 arasında değer alır. 2'ye yakın değerler hatalar arasında otokorelasyon olmadığını gösterir ve pratikte 1.5 ile 2.5 arası sorun yok kabul edilir. 0'a yakın değerler pozitif, 4'e yakın değerler negatif otokorelasyona işaret eder. Bu değer satır sırasına göre hesaplandığı için en çok zamana göre sıralanmış verilerde anlamlıdır.

VIF değeri kaç olursa çoklu doğrusallık vardır?

Yaygın pratik ölçüte göre VIF 5'in altındaysa sorun yoktur, 5 ile 10 arasında dikkat gerekir, 10'un üzerindeyse ciddi çoklu doğrusallık vardır. Tolerance VIF'in tersidir; .20 değeri VIF 5'e, .10 değeri VIF 10'a karşılık gelir. Raporda hangi eşiği kullandığınızı belirtin ve VIF ile Tolerance eşiklerini birbiriyle tutarlı seçin.

Cook's distance kaç olursa uç değer sayılır?

Yaygın ölçüte göre Cook's distance değeri 1'in üzerinde olan gözlem, regresyon sonuçlarını belirgin biçimde etkileyen etkili bir uç değerdir. Bazı kaynaklar daha duyarlı bir ölçüt olarak 4/n değerini kullanır. Böyle bir gözlem bulduğunuzda önce veri giriş hatası olup olmadığına bakın; hata değilse gözlemi gerekçesiz silmeyin, analizi o gözlemle ve onsuz çalıştırıp farkı raporlayın.

Homoskedastisite varsayımı sağlanmazsa ne yapılır?

Standartlaştırılmış artıkların tahmin değerlerine göre grafiğinde huni biçimi görüyorsanız heteroskedastisite vardır. Bu durumda bağımlı değişkene logaritma ya da karekök dönüşümü uygulayabilir, ağırlıklı en küçük kareler yöntemini kullanabilir ya da sağlam (robust) standart hatalarla raporlayabilirsiniz. Katsayılar genellikle yansız kalır; sorun standart hataların ve p değerlerinin güvenilmezliğidir.

Bunları da okuyun

SPSS & İstatistik

SPSS'te Tekrarlı Ölçümler ANOVA: Mauchly, Greenhouse-Geisser ve APA Raporu

Aynı grubun üç ya da daha fazla ölçümünü karşılaştıran tekrarlı ölçümler ANOVA'nın varsayımları, SPSS menü ve sözdizimi adımları, Mauchly testine göre doğru satırın seçimi, Bonferroni ikili karşılaştırmaları, kısmi eta kare ve APA 7 raporlaması.

İleri·129

Yabancı Dil Barajı Akademik Kariyerinizi Engelliyor mu?

Doçentlik, yüksek lisans ve doktora için gereken YDS/YÖKDİL puanına Zafer Hoca ile ulaşın.

YDS/YÖKDİL Kurslarını İncele