وبلاگ

نتیجه آزمون نشان می دهد که ۰٫۰۵ sig < است. این بدین معنی است که فرضیه مبتنی بر این امر که بین فراوانی های مورد انتظار و مشاهده شده تفاوت معناداری وجود ندارد (یعنی مشاهدات نرمالند) تائید می شود.

 

 

 

۴-۴-۶- مدل رگرسیونی برای تبیین میزان تاثیر گذاری متغیرهای مستقل بر متغیر وابسته

رگرسیون چندگانه روشی برای مطالعه یک یا چند متغییر مستقل در پیشبینی متغییر وابسته می باشد. بطوریکه اگر پژوهشگر بخواهد متغییر وایسته را با بهره گرفتن از یک یا چند متغییر مستقل پیش بینی کند، از یک مدل خطی استفاده می کند که این مدل بصورت زیر می باشد:
Y= B₀+B_1X1+B_2X2+………+B_nX_n+e²
در این معادله B ضریب رگرسیون و e خطای پیش بینی شده می باشد، بطوریکه در این رابطه مقادیر
B_0,B₁,B₂…B_n طوری محاسبه می گردند که مجموعه خطا حداقل گردد(سرم وهمکاران، ۱۳۸۷: ۲۲۷).
در تحلیل مدل های رگرسیونی و مخصوصا مدل رگرسیونی که در این تحقیق استفاده شده، آماره R² نقش مهمی را در تحلیل ایفا می نماید، بطوریکه این آماره مشخص کنده ادامه بررسی یا مناسب نبودن آن می باشد. اگر آماره R² معنادار نباشد آنگاه تفسر مدل رگرسیونی بی معنی خواهد بود و تحلیل خاتمه می یابد. در تحلیل رگرسیونی، آماره های زیادی کاربرد دارند که در اینجا به مهمترین آنها که در تحلیل مدلهای رگرسیون کاربرد بیشتری دارند، پرداخته می شود.
R: ضریب همبستگی بین متغییر های وابسته و مستقل
R²: نشان دهنده ی درصدی از واریانس متغییر وابسته است که توسط متغییر مستقل تبیین می شود.
R² تعدیل شده: همان ضریب R² می باشد که بر مبنای تعداد متغییر های پیش بین تعدیل شده است.
F: اگر این آماره بصورت دستی یا نرم افزاری حساب گردد و مقدار آن از آماره F جدولی بزرگتر گردد آنگاه می توان گفت که متغییر های مستقل توانسته اند، متغییرهای وابسته را توضیح دهند.
B: ضریب رگرسیونی (شیب) یا تاثیری که متغیر های مستقل بر متغیر وابسته دارد، بطوریکه در یک بازه منفی و مثبت متغیر است.
t : آماره ای است که برای تائید یا رد فرضیه تحقیق می باشد که اغلب در سطح ۹۵% اطمینان و خطای ۵% برابر با ۹۶/۱ می باشد. آماره حساب شده چنان چه بیش از ۹۶/۱ باشد، فرض H₀ رد می گردد و فرض H₁ پذیرفته می شود (سرمد و همکاران، ۱۳۸۷، ورما^[۴۰]، ۲۰۱۳: ۱۴۰).
جدول ANOVA: نشان می دهدکه آیا رابطه ای خطی بین متغیرهای مستقل ووابسته وجودداردیاخیر، که درسطح معناداری خطای کمتراز۵% به معنای برازش مدل رگرسیونی ومناسب بودن آن برای تحلیل می باشد.

 

 

Model Summary
جدول ۴- ۱۱- تاثیر عوامل چهارگانه بر ریزش

 

 

 

Model

 

R

 

R Square

 

Adjusted R Square

 

Std. Error of the Estimate

 

Durbin-Watson

 

 

 

۱

 

.۹۶۸

 

.۹۳۶

 

.۹۳۵

 

۱٫۳۰۷۳۴

 

۲٫۱۴۸

 

 

 

 

 

 

ANOVA

 

 

 

Model

 

Sum of Squares

 

df