|
Les sociologues utilisent SPSS ( Statistical Package for Social Sciences ) pour analyser les données . Ils utilisent une régression hiérarchique quand ils veulent tester l'impact des variables explicatives spécifiques tout en contrôlant l'influence des autres . L'analyse de régression hiérarchique permet au chercheur de préciser l'ordre dans lequel les variables sont entrées dans la procédure . L'analyse indique le chercheur l'importance d'une variable spécifique est à prévoir en conséquence. Choses que vous devez
SPSS
Données Show More Instructions
analyser les données
1 Allez à "Affichage des données" sur SPSS. Cliquez sur " Analyser" dans la barre d' outils en haut de la page. Sélectionnez «régression» du menu déroulant et cliquez sur " linéaire ".
2 Lorsque la boîte de dialogue qui apparaît , déplacez votre variable dépendante ( par exemple , le score de test) dans la case « à charge» .
3 Entrez variables prédictives , par exemple , le sexe , la race et SES ( statut socio-économique ) dans la case « indépendant». Ce sont les variables que vous souhaitez contrôler .
4 Cliquez sur "Next" qui vous permet de saisir une autre variable ou un ensemble de variables. Insérez la variable ( s) dans lesquelles vous êtes principalement intéressé , dites « niveau d'éducation » dans la case «indépendant» . Cliquez sur « OK ».
Lire la sortie
5 Regardez les premiers « variables entrées /Suppression de " tableau qui répertorie les variables que vous avez inscrits dans les étapes 3 et 4 la section de données à analyser. Modèle 1 répertorie les variables contrôlées ( sexe, la race et SES ) . Modèle 2 est la variable d'intérêt ( niveau d'éducation ) .
6 Regardez le tableau suivant, le " Résumé du modèle " qui vous indique la place de R pour le modèle 1 avec les variables contrôlées ( de sexe, race, SES) et le modèle 2, la variable d'intérêt ( niveau d'éducation ) .
7 l'information importante est le changement de R au carré du modèle 1 et le modèle 2 . Soustrayant la R au carré du modèle 1 ( .152 dire ou 15,2%) de la R au carré du modèle 2 (disons .303 ou 30,3%) vous indique combien de puissance prédictive votre variable d'intérêt a . Dans ce cas, 30,3% - 15,2% = 15,1% , ce qui signifie que votre variable prédit 15,1% de la différence
.
|
