Sozialwissenschaftler verwenden SPSS ( Statistical Package für Sozialwissenschaften ), um Daten zu analysieren. Sie verwenden eine hierarchische Regression , wenn sie die Auswirkungen spezifischer Prädiktor Variablen testen, während die Steuerung der Einfluss der anderen wollen . Die hierarchische Regressionsanalyse erlaubt dem Forscher , die Reihenfolge, in der Variablen in das Verfahren übergeführt werden sollen. Die Analyse sagt der Forscher , wie wichtig eine bestimmte Variable bei der Vorhersage eines Ergebnisses ist . Things You
SPSS
Daten
brauchen anzeigen Weitere Anweisungen
Analysieren von Daten
1

zu " Data View " auf SPSS gehen . Klicken Sie auf " Analysieren " in der Symbolleiste am oberen Rand der Seite. Wählen Sie " Regression " aus dem Dropdown-Menü aus und klicken Sie auf "Linear ".
2

Wenn das Dialogfeld angezeigt wird , bewegen Sie die abhängige Variable (zum Beispiel Test-Ergebnis ) in der "Abhängige "-Box.
3

Geben Einflussvariablen , zum Beispiel , Geschlecht, Rasse und SES ( sozioökonomischer Status ) in die "Independent "-Box. Dies sind die Variablen, die Sie steuern möchten.
4

Klicken Sie auf "Weiter" , die Sie auf eine andere Variable oder eine Reihe von Variablen eingeben können. Legen Sie die Variable (n) , in dem Sie sind in erster Linie interessiert, sagen: " Bildungsniveau " in der "Independent "-Box. Klicken Sie auf " OK".
Lesen Sie den Ausgang
5

Blick auf die erste Tabelle "Variablen eingegeben /Entfernt ", die die von Ihnen eingegebenen Variablen listet in die Schritte 3 und 4 in das Analysieren von Daten Abschnitt . Modell 1 listet die Variablen gesteuert (Geschlecht, Rasse und ses) . Modell 2 ist die Variable von Interesse ( Bildungsniveau ) .
6

Schauen Sie sich die folgende Tabelle , die "Model Summary" , die Ihnen sagt, die R -Platz für Modell 1 mit den Variablen gesteuert (Geschlecht, Rennen , ses ) und Modell 2 , Ihre Variable von Interesse ( Bildungsniveau ) .
7

Die wichtigste Information ist die Änderung in R-Quadrat von Modell 1 zu Modell 2 . Zieht man die R -Platz von Modell 1 ( sagen .152 bzw. 15,2 %) aus der R -Platz von Modell 2 ( sagen .303 oder 30,3%) gibt an, wie viel Vorhersagekraft Ihre Variable von Interesse ist . In diesem Fall 30,3% - 15,2% = 15,1% , die Ihre Variable prognostiziert 15,1 % der Differenz

bedeutet .