Analyze -> Regression -> Linear Dependent (sõltuv): PVREAD (muutuja mille muutumist ennustame, sõltuv muutuja) Indipendent (sõltumatu): PVMATH (muutujad, mida kasutatakse ennustamiseks) Arvutamise meetodid: Enter- kõik valitud tunnused pannakse mudelisse Foward- mudelisse lisatakse sammhaaval need tunnused, mis mõjutavad sõltuvat tunnust statistiliselt olulisel määral Backward- kõik tunnused pannakse mudelisse ning hakatakse statistiliselt vähem olulisi välja võtma. Paarisregressiooni puhul pole mingit tähtsust meetodil. Ehk vaikimisi meetod Enter sobib väga hästi. Vajuta OK! Tulemuseks mitu tabelit: Esimeses tabelis tuuakse ära muutujate vaheline korrelatsioon (R) ja determinatsioonikordaja (R square), mis näitab regressioonivõrrandi ennustusvõimet (korruta 100ga). Näiteks: Model summary tabel output aknas: R-ruut ehk determinatsioonikordaja ütleb et 70% lugemise tulemustest on kirjeldatud/ennustatud ära matemaatika tulemuste kaudu
sõltuv muutuja, Independent on prediktor. Statistics alt valida Estimates, Model Fit ning Descriptives. Salvestame ka regressioonijäägid uue muutujana: Save Residuals Unstandardized. Pärast analüüsi läbiviimist tuleb selle uue, salvestatud muutujaga läbi viia normaaljaotuslikku test. Tulemustena kuvatakse mitu tabelit. Leiate, et on (a) kirjeldavat statistikat (nt mõlema muutuja keskmised); (b) muutujatevahelised korrelatsioonid; (c) muutujate lisamine/eemaldamine mudelisse (paarisregressiooni puhul ebaoluline); (d) mudeli kokkuvõte, kus on kirjeldatud mh determinatsioonikordaja R2 korrutades seda väärtust 10 100-ga, saame teada, kui suure osa kogu ennustatava muutuja (siin: testitulemus) variatiivsusest kirjeldab ära prediktor (siin: vanus). (e) ANOVA tulemused mudeli olulisuse hindamiseks (kui Sig. <.05, on mudel statistiliselt
väheneb probleemilahendusoskus 0,345 standardhälbe võrra. p< .001 ehk prediktor on statistiliselt oluline. Vabaliige on 331,58 Saab kirjutada standardiseerimata regressioonivõrrandi: y(probleemilahendusoskus)=-1.02x(vanus)+331,58 Standardiseeritud võrrandis taandatakse vabaliige välja ning tõus märgitakse standardiseeritud kujul. Mitmene regressioon Paarisregressiooni puhul üks sõltumatu muutuja ehk prediktor, mitmese regressiooni puhul mitu prediktorit. Kasutusel endiselt determinatsiooni kordaja, kuid tähistatakse D, mis koosneb prediktorite r2-dest. Tulemused esitatakse standardiseeritud kujul, kuna iga prediktori kohta on eraldi vabaliige ning nende esitamine ei ole mõistlik. Eeldused: Seoste lineaarsus (saab joonena väljendada) Vaatluste sõltumatus
Statistics alt valida Estimates, Model Fit, Descriptives. Regressioonijääkide salvestamiseks: Save Residuals Unstandardized Pärast analüüsi läbiviimist tuleb uue, salvestatud muutujaga läbi viia normaaljaotuslik test Tulemused: (a) kirjeldavat statistikat (nt mõlema muutuja keskmised); (b) muutujatevahelised korrelatsioonid; (c) muutujate lisamine/eemaldamine mudelisse (paarisregressiooni puhul ebaoluline); (d) mudeli kokkuvõte, kus on kirjeldatud mh determinatsioonikordaja R2 korrutades seda väärtust 100-ga, saame teada, kui suure osa kogu ennustatava muutuja (siin: testitulemus) variatiivsusest kirjeldab ära prediktor (siin: vanus). (e) ANOVA tulemused mudeli olulisuse hindamiseks (kui Sig. <.05, on mudel 1 statistiliselt oluline) ning (f) koefitsientide tabeli, mis näitab prediktori väärtust ning olulisust mudelis
annaabi.ee 
