Samhällsvetare använder SPSS ( Statistical Package för samhällsvetenskap ) för att analysera data . De använder en hierarkisk regression när de vill testa effekten av specifika förklarande variabler samtidigt kontrollera påverkan av andra. Den hierarkiska regressionsanalys tillåter forskaren att specificera ordningen i vilken variablerna matas in i förfarandet. Analysen berättar forskaren hur viktig en viss variabel är att förutsäga ett resultat . Saker du behöver
SPSS Review, Data
Visa fler instruktioner
analysera data
1
Gå till " Data View " på SPSS . Klicka på " Analysera " i verktygsfältet längst upp på sidan . Välj " Regression " från rullgardinsmenyn och klicka på " Linear . "
2
När dialogrutan visas , flytta din beroende variabel ( t.ex. test poäng ) till " Beroende " rutan . Addera 3
Ange prediktorvariabler , exempelvis kön, ras och SES ( socioekonomisk status ) i " Independent " rutan . Dessa är de variabler du vill styra .
4
Klicka på " Next " , som gör att du kan ange en annan variabel eller variabler . Infoga variabeln ( er ) där ni är primärt intresserade , säger " utbildningsnivå " i " Independent " rutan . Klicka på " OK . " Addera Läs Output
5
Titta på den första tabellen " Variabler Inlagt /Removed " , som listar de variabler du angav i steg 3 och 4 i Analysera data. Modell 1 förtecknas de variabler du kontrollerade ( kön, ras och SES) . Model 2 är din variabeln av intresse ( utbildningsnivå ) .
6
Titta på nästa tabell , den " Model Summary " som berättar R Square för modell 1 med de variabler du kontrollerade ( kön , ras , SES ) och modell 2 , din variabeln av intresse ( utbildningsnivå ) .
7
viktig information är förändringen i R Square från modell 1 till modell 2 . Subtrahera R Square i modell 1 (säg 0,152 eller 15,2 % ) från R Square i Model 2 (säg 0,303 eller 30,3 % ) talar om hur mycket prognosförmåga din variabel av intresse finns . I detta fall , 30,3 % - 15,2 % = 15,1 % , vilket innebär att din variabel förutspår 15,1 % av skillnaden
.
