Cara melakukan regresi kuadrat di spss

Jika dua variabel memiliki hubungan linier, Anda sering kali dapat menggunakan regresi linier sederhana untuk mengukur hubungannya.

Namun, regresi linier sederhana tidak akan berfungsi dengan baik bila dua variabel mempunyai hubungan nonlinier. Dalam kasus ini, Anda dapat mencoba menggunakan regresi kuadratik .

Tutorial ini menjelaskan cara melakukan regresi kuadratik di SPSS.

Contoh: Regresi Kuadrat di SPSS

Misalkan kita ingin memahami hubungan antara jumlah jam kerja dan kebahagiaan. Kami memiliki data berikut mengenai jumlah jam kerja per minggu dan tingkat kebahagiaan yang dilaporkan (dalam skala 0 hingga 100) untuk 16 orang berbeda:

Gunakan langkah-langkah berikut untuk melakukan regresi kuadratik di SPSS.

Langkah 1: Visualisasikan datanya.

Sebelum melakukan regresi kuadrat, mari buat diagram sebar untuk memvisualisasikan hubungan antara jam kerja dan kebahagiaan untuk memverifikasi bahwa kedua variabel benar-benar memiliki hubungan kuadrat.

Klik tab Bagan , lalu klik Pembuat Bagan :

Di jendela baru yang muncul, pilih Sebar/Titik dari daftar Pilih dari . Kemudian seret bagan berlabel Simple Scatter ke dalam jendela pengeditan utama. Tarik variabel jam pada sumbu x dan kebahagiaan pada sumbu y. Lalu klik oke .

Akan muncul plot sebar berikut:

Kita dapat melihat dengan jelas bahwa ada hubungan non-linear antara jam kerja dan kebahagiaan. Hal ini memberitahu kita bahwa regresi kuadrat adalah teknik yang tepat untuk digunakan dalam situasi ini.

Langkah 2: Buat variabel baru.

Sebelum kita dapat melakukan regresi kuadrat, kita perlu membuat variabel prediktor untuk jam ² .

Klik tab Transformasi , lalu klik Hitung Variabel :

Di jendela baru yang muncul, beri nama variabel target jam2 dan setel ke jam*jam :

Setelah Anda mengklik OK , variabel jam2 akan muncul di kolom baru:

Langkah 3: Lakukan regresi kuadrat.

Selanjutnya kita akan melakukan regresi kuadrat. Klik tab Analisis , lalu Regresi , lalu Linear :

Di jendela baru yang muncul, seret kebahagiaan ke dalam kotak berlabel Dependent. Seret Jam dan Jam2 ke dalam kotak berlabel Independen. Lalu klik oke .

Langkah 4: Interpretasikan hasilnya.

Setelah Anda mengklik OK , hasil regresi kuadratik akan muncul di jendela baru.

Tabel pertama yang menarik bagi kami disebut Ringkasan Model :

Berikut cara menafsirkan angka paling relevan dalam tabel ini:

• R Square : Merupakan proporsi varians variabel respon yang dapat dijelaskan oleh variabel penjelas. Dalam contoh ini, 90,9% variasi kebahagiaan dapat dijelaskan oleh variabel jam dan jam ² .
• Standar. Kesalahan estimasi: kesalahan standar adalah jarak rata-rata antara nilai yang diamati dan garis regresi. Dalam contoh ini, nilai yang diamati rata-rata menyimpang sebesar 9.519 unit dari garis regresi.

Tabel berikutnya yang menarik bagi kami disebut ANOVA :

Berikut cara menafsirkan angka paling relevan dalam tabel ini:

• F: Ini adalah statistik F keseluruhan untuk model regresi, yang dihitung sebagai Mean Square Regression / Mean Square Residual.
• Sig: Ini adalah nilai p yang terkait dengan statistik F secara keseluruhan. Hal ini memberitahu kita apakah model regresi secara keseluruhan signifikan secara statistik atau tidak. Dalam hal ini, nilai p sama dengan 0,000, menunjukkan bahwa gabungan variabel penjelas jam dan jam ² memiliki hubungan yang signifikan secara statistik dengan hasil ujian.

Tabel berikut yang menarik minat kami berjudul Koefisien :

Kita dapat menggunakan nilai pada kolom Unstandardized B untuk membentuk estimasi persamaan regresi untuk kumpulan data ini:

Perkiraan tingkat kebahagiaan = -30.253 + 7.173*(jam) – 0.107*(jam ² )

Kita dapat menggunakan persamaan ini untuk mengetahui perkiraan tingkat kebahagiaan seseorang berdasarkan jumlah jam kerja per minggu. Misalnya seseorang yang bekerja 60 jam per minggu seharusnya memiliki tingkat kebahagiaan 14,97:

Perkiraan tingkat kebahagiaan = -30.253 + 7.173*(60) – 0.107*(60 ² ) = 14.97 .

Sebaliknya, seseorang yang bekerja 30 jam per minggu seharusnya memiliki tingkat kebahagiaan 88,65:

Perkiraan tingkat kebahagiaan = -30.253 + 7.173*(30) – 0.107*(30 ² ) = 88.65 .

Langkah 5: Laporkan hasilnya.

Terakhir, kami ingin melaporkan hasil regresi kuadrat kami. Berikut ini contoh cara melakukan ini:

Regresi kuadrat dilakukan untuk mengukur hubungan antara jumlah jam kerja seseorang dan tingkat kebahagiaannya (diukur dari 0 hingga 100). Sampel yang digunakan dalam analisis berjumlah 16 orang.

Hasil penelitian menunjukkan bahwa terdapat hubungan yang signifikan secara statistik antara variabel penjelas jam dan jam ² dan variabel respon kebahagiaan (F(2, 13) = 65,095, p <0,000).

Bersama-sama, kedua variabel penjelas ini menyumbang 90,9% variabilitas kebahagiaan.

Persamaan regresinya menjadi:

Perkiraan tingkat kebahagiaan = -30.253 + 7.173 (jam) – 0.107 ( ² jam)