مدل خطی خودکار یا AUTOMATIC LINEAR MODELING

سلام بر خوانندگان دیدگاه نوین

فرارسیدن سال نوی جدید را به همه دوستان تبریک میگم و امیدوارم در سال جدید توفیق بیشتری کسب کنید.

به همین مناسب (عیدی به خوانندگان) می خواهم مدل خطی خودکار یا مدل خطی خودکار یا AUTOMATIC LINEAR MODELING همراه با تفسیر را توضیح دهم .

در وبلاگ ها و وبسایت های فارسی جایی ندیدم که مدل خطی خودکار یا مدل خطی خودکار یا AUTOMATIC LINEAR MODELING را توضیح داده باشند. همچنین کتاب های مربوطه که در دسترس من بود . البته تا این لحظه (زمستان 95 ، اسفند ) . بنابراین لازم است جهت توسعه نت فارسی این آزمون توضیح داده شود .

مدل خطی خودکار چیست ؟

مدل خطی خودکار زمانی که ما قصد انجام رگرسیون گام به گام را داریم مطرح می شود. یکی از نقص های رگرسیون گام به گام این است که متغیرهای وارد شده در تحلیل در هر مدل ، تا انتها باقی می مانند ، حتی اگر سودمندی آنها در صورت وارد کردن متغیرهای دیگر یا مشارکت متغیرهای دیگر از بین رود یا بی اثر شود.

مثال : برای فهم رگرسیون خودکار ابتدا از رگرسیون استاندارد یا INTER و رگرسیون گام به گام شروع و به مدل خطی عمومی می رسیم.

فرض کنید یک متغیر وابسته به نام exe و پنج متغیر پیش بین به نام های diet ، social ، selfes ، body داریم که می خواهیم رگرسیون وابسته را بر این پنج مستقل بررسی کنیم .

فرض کنید رگرسیون را با SPSS محاسبه کردیم و مقدار همبستگی 0.591 و مقدار واریانس تبیین شده اصلاح شده 0.342 شد و تنها مقدار Sig متغیر های diet و body معنادار شدند و سه مستقل دیگر معنادار نشدند.

میخواهیم همین مدل بالا را به روش گام به گام بررسی کنیم تا متغیرهای زائد را حذف کنیم. نکته ی مهم این است که به هیچ وجه تا حد امکان از روش گام به گام نباید استفاده کنیم مگر اینکه یک تئوری یا نظریه پشت موضوع تحقیق ما باشد .

مدل گام به گام را اجرا کردیم و به ما 2 مدل داد . در مدل اول تنها متغیر diet بود و در مدل دول diet همراه با body بود.

همانطوری که قبلاً گفتیم مدل گام به گام متغیرهایی که بیشترین همبستگی دارند را ابتدا وارد معادله می کند و اگر ما دیگر متغیر ها را مشارکت بدهیم ، بدون توجه به اینکه شاید با وارد دیگر متغیر ها اثر متغیر مربوطه کاهش پیدا کند ، از معادله خارج نمی کند .

اما مدل خطی خودکار چه کمکی به ما می کند؟

مدل خطی خودکار تمام زیر مجموعه های موجود را با توجه به تعداد مستقل مورد بررسی قرار میدهد و بنا به درخواست ما در SPSS بهترین زیر مجموعه و یا تمام زیر مجموعه را به ما می دهد .

بهترین زیر مجموعه همان Best Subsets و تمام زیر مجموعه ها همان All Subsets Regression است که ما در اینجا به بهترین زیر مجموعه می پردازیم . عیب بزرگ تمام زیر مجموعه ها این است که صرف نظر از اینکه وقت گیر است ، شانس در آن بسیار دخیل است .

نحوه انجام مدل خطی خودکار در SPSS و توضیحات و تفسیر

Analyze -> regression -> automatic linear …

در تب fields گزینه use a custu… و سپس متغیر وابسته را وارد target و متغیرهای مستقل را وارد predictors

در تب build options قسمت objectives گزینه ی automatically را تیک می زنیم و در قسمت basics گزینه ی automatically

در تب model selecti… در نوار کشویی Best Subsets را انتخاب و در پایین گزینه Information Criterion (AICC) را انتخاب می کنید و سپس Run و برونداد .

نکته : ممکن است یک خطا یا علامت هشدار در ابتدای برونداد باشد مبنی بر اینکه متغیر طبقه ای انتخاب نشده که توجه نکنید. اگر متغیر طبقه ای دارید که تفسیر ان متفاوت است در اولین تب متغیر طبقه ای را وارد analysis weight می کنیم .

تفسیر برونداد :

یک پنجره در برونداد وجود دارد که اگر دو بار کلیک کنید چند نمودار و جدول مختلف ظاهر خواهد شد .

اول پنجره Model Summary است . مقدار Information Criterion برای مثال ما 285.742- است که هم منفی و هم بالاست که نشان دهنده ی معیار اطلاعات مناسب است. بهترین مدل شامل دو متغیر مستقل diet و body است . از کجا متوجه شویم ؟ در پنجره ی پایین تر یک نمودار ستونی وجود دارد که شامل دو ستون به همین نام ها هست. اگر روی هر ستون کلیک کنید مقدار اهمیت آنها نمایش داده می شود.

دوباره برگردیم به پنجره Model Summary که مقدار واریانس اصلاح شده یا مجذور همبستگی اصلاح شده برابر با 34.4 درصد است . این دقیقاً همان واریانس مدل دومی است که ما با روش گام به گام بدست آورده بودیم.

در پنجره ی دیگر شما دیاگرام Effects و Coefficients مشاهده میکنید . که دقیقا دو محور به سمت متغیر وابسته (برای مثال ما ) وجود دارد. پنجره نرمال بودن خطا ها که یکی از پیش فرض های رگرسیون هست نیز وجود دارد. متغیرهایی که داده های پرت داشته باشند جایگزین می شود و در جدول Automatic Data Preparation شما نام متغیرهایی که داده پرت داشتن را میبینین .

فلسفه ی آزمون :

ما گفتیم که سعی خواهیم کرد از روش گام به گام استفاده نکنیم . اما در صورت استفاده ، مدل خطی خودکار به ما کمک خواهد کرد تا مطمئن شویم که اشتباه نکرده ایم.

عیدتان مبارک

برچسبها: spss, آمار