Regresyon analizi, bir bağımlı değişkendeki değişimin bağımsız değişkenler tarafından ne kadar açıklandığını ölçer. Korelasyondan farkı, yalnızca ilişkinin varlığını değil, yordama gücünü ve her değişkenin bağımsız katkısını ortaya koymasıdır.
Basit ve çoklu regresyon
- Basit doğrusal regresyon: Tek bağımsız değişken. “İş yükü, tükenmişliği yordamakta mıdır?”
- Çoklu regresyon: Birden fazla bağımsız değişken. “İş yükü, yönetici desteği ve çalışma süresi birlikte tükenmişliği ne kadar açıklamaktadır?”
Tezlerde neredeyse her zaman çoklu regresyon kullanılır; çünkü sosyal olgular tek bir değişkenle açıklanmaz.
Varsayımlar ve nasıl kontrol edilir
| Varsayım | Nasıl kontrol edilir | Kabul ölçütü |
|---|
| Doğrusallık | Saçılım grafiği (scatterplot) | Noktalar eğri değil doğrusal örüntü göstermeli |
| Normallik (artıklar) | Histogram ve Normal P-P Plot | Noktalar köşegen çizgi etrafında toplanmalı |
| Eşit varyans | Artıklar vs. tahmin grafiği | Huni şekli olmamalı |
| Bağımsızlık | Durbin-Watson | 1,5 – 2,5 arası |
| Çoklu bağlantı yok | VIF ve Tolerance | VIF < 10, Tolerance > 0,10 |
| Uç değer yok | Cook’s Distance | < 1 |
SPSS uygulaması
- Analyze > Regression > Linear
- Dependent: bağımlı değişken
- Independent(s): bağımsız değişkenler
- Method:
Enter (teori temelli modellerde standart)
- Statistics → Estimates, Model fit, R squared change, Descriptives, Collinearity diagnostics, Durbin-Watson, Casewise diagnostics
- Plots → Y:
ZRESID, X: ZPRED; Histogram ve Normal probability plot işaretleyin.
- OK.
Yöntem seçimi: Enter mi Stepwise mi?
Enter yöntemi tüm değişkenleri aynı anda modele sokar ve teori temelli çalışmalarda tercih edilir. Stepwise yöntemi değişkenleri istatistiksel ölçütlere göre otomatik seçer; keşifsel çalışmalar dışında eleştirilir çünkü örnekleme özgü tesadüfi sonuçlar üretebilir. Tezinizde teorik bir modeliniz varsa Enter kullanın.
Çıktıyı yorumlama
Model Summary
- R: Çoklu korelasyon katsayısı.
- R Square: Bağımlı değişkendeki varyansın açıklanan oranı. 0,32 ise “model, iş tatminindeki değişimin %32’sini açıklamaktadır”.
- Adjusted R Square: Değişken sayısına göre düzeltilmiş değer. Çoklu regresyonda bunu raporlayın.
- Durbin-Watson: Artıkların bağımsızlığı.
ANOVA tablosu
Modelin bütün olarak anlamlı olup olmadığını gösterir. p < 0,05 ise model anlamlıdır; yani en az bir bağımsız değişken bağımlı değişkeni yordamaktadır.
Coefficients tablosu — asıl yorum burada
- B (standartlaştırılmamış): Bağımsız değişken 1 birim arttığında bağımlı değişkenin kaç birim değiştiği. Ölçek birimine bağlıdır.
- Beta (β, standartlaştırılmış): Farklı birimlerdeki değişkenlerin göreli etkisini karşılaştırmayı sağlar. En büyük mutlak β, en güçlü yordayıcıdır.
- t ve Sig.: Her katsayının anlamlılığı.
- VIF: Çoklu bağlantı kontrolü.
APA formatında raporlama
“İş yükü, yönetici desteği ve haftalık çalışma süresinin tükenmişliği yordama gücü çoklu doğrusal regresyon ile incelenmiştir. Model istatistiksel olarak anlamlıdır, F(3, 296) = 42,17, p < ,001 ve tükenmişlikteki varyansın %30’unu açıklamaktadır (düzeltilmiş R² = ,30). Değişkenler arasında çoklu bağlantı sorununa rastlanmamıştır (VIF < 2,10). İş yükü (β = ,41, p < ,001) ve yönetici desteği (β = −,28, p < ,001) tükenmişliğin anlamlı yordayıcılarıyken, haftalık çalışma süresi anlamlı bir katkı sağlamamıştır (β = ,06, p = ,241).”
Kategorik değişkenleri modele sokmak
Cinsiyet, medeni durum gibi kategorik değişkenler doğrudan modele giremez; kukla (dummy) değişkene dönüştürülmelidir. k kategorili bir değişken için k−1 kukla değişken oluşturulur. Örneğin üç kategorili eğitim düzeyi için iki kukla değişken yeterlidir ve dışarıda bırakılan kategori referans grubu olur.
Sık yapılan hatalar
- Varsayım kontrolü yapmadan sonuca geçmek. Jürinin ilk soracağı şey budur.
- Nedensellik iddia etmek. Kesitsel veriyle “etkilemektedir” yerine “yordamaktadır” yazın.
- Düşük R²’yi başarısızlık saymak. Sosyal bilimlerde 0,25 gayet iyidir.
- Anlamsız değişkeni modelden atıp yeniden çalıştırmak. Teori temelli modellerde anlamsız sonuç da bir bulgudur; raporlayın.
- Yeterli örneklem olmadan çok değişken eklemek. Model aşırı uyum (overfitting) yapar.
Sonuç
Regresyon, tezinizin en güçlü bulgularını üretebilecek analizdir — yeter ki varsayımları kontrol edilmiş ve yorumu doğru kurulmuş olsun. Katsayıları raporlarken hem istatistiksel anlamlılığı hem de pratik büyüklüğü tartışın.
Modelinizde aracı veya düzenleyici değişken varsa analiz hizmetimiz kapsamında yol analizi ve SEM desteği sunuyoruz. Önce veri toplamanız gerekiyorsa katılımcı paketlerimize bakabilirsiniz.