.

"ANTARA BLOG TERBAIK DI NATIONAL EDUCATIONAL BLOGGING SUMMIT 2011"


MORE THAN A MILLION HITS !

Statistik

SPSS - STATISTIK PENYELIDIKAN SECARA SANTAI

BENGKEL ANJURAN DR OT:

(1) TULIS TESIS CEPAT & PENGURUSAN ARTIKEL MENDELEY

(2) PENGENALAN ANALISIS DATA KUANTITATIF SPSS

(3) ANALISIS DATA KUALITATIF DGN ATLAS.ti

(4) BENGKEL BINA DAN ANALISIS SOAL SELIDIK

Ingin anjur bengkel ditempat anda? Email ke:

zahinothman@gmail.com



-------------------------------------------------------------------------------------------------------------------------------------------------------

Sila joint dan sign-in. Anda FOLLOWER kehormat drotspss...

Saya klik Follow dan BANGGA menjadi follower drotspss...

Monday, June 6, 2011

TAJUK 143 - AWAS BAGI YANG BUAT ANALISIS MULTIPLE REGRESSION !

Bukan nak bagi amaran, sekadar cadangan jer. Saya ingin memberikan cadangan bagi mereka yang ingin membuat analisis multiple regression (MR). Saya cadangkan anda betul2 mendalami literature review supaya anda boleh menjangka lebih banyak variable peramal (x), katakan 5 atau lebih predictor / peramal (IV) kepada criterion variable (DV) atau y.. Jangan hanya 2 atau 3 sahaja kerana kemungkinan apabila anda run data anda dengan SPSS, anda dapati kesemua peramal tidak signifikan kepada DV, maka anda akan membuang masa sahaja. 


Sebagai contoh:


Ini contoh dummy sahaja. Katakan anda ingin meramalkan faktor yang mempengaruhi motivasi (DV) pelajar sains. Dari bacaan kajian lepas, teori dan literature search, anda dapati ada 6 variables.... seperti dorongan keluarga (x1), kelas tuisyen (x2), faktor rakan sebaya (x3), cita-cita (x4), self-efficacy (x5) dan self-esteem (x6) yang boleh menyumbang kepada peningkatan motivasi pelajar sains. Jadi jangan hanya ambil atau pilih katakan 3 sahaja, x1, x2, x3. 


Kenapa?


Katakan anda pilih 3 variable sahaja, anda kemudian sediakan soalselidik dan run SPSS, menggunakan STEPWISE methode, anda boleh dapat 4 kemungkinan:



  1. x1,x2 dan x3 = semuanya signifikan (anda boleh tersenyum)
  2. x1,x2  =  signifikan (anda boleh tersengeh)
  3. x1 =  signifikan (anda boleh mengeluh)
  4. Tiada satupun signifikan (anda boleh buat kajian lain.... !)
Pulak ?

Jika anda dapat keputusan 1 dan 2 masih dikira OK... itupun jika nilai R kuasadua anda besar. Jika kecil sahaja, katakan 0.10 ataupun 10 %, bermakna kesemua x1, x2 dan x3 hanya menyumbang 10 peratus kepada perubahan y atau DV anda, sedangkan ada 90% lagi peramal yang anda tidak kaji. Apalah makna satu kajian, jika anda hanya dapat mengesan 10% sahaja.... jauh dari untuk membuat ramalan yang mantap! 

Nanti pemeriksa akan tanya, apa lagi agaknya 90% variable yang dijangka menyumbang berdasarkan teori yang ada? Maybe anda salah pilih teori atau anda tidak dapat mencari variable yang dapat jadi peramal yang baik....

Jadi apa masalahnya?

Masalahnya kajian anda kelihatan lemah. Dahlah MR hanyalah berdasarkan korelasi, kemudian anda cuma dapat nilai varians yang kecil. Bimbang anda kena buat data collection semula.... OH TIDAK !!

Bayangkan jika anda dapati hanya x1 sahaja yang signifikan, katakan R kuasadua 0.08. Hanya 8 % sahaja varians yang berjaya anda kesan dalam kajian anda. Ini menunjukkan x1 wpun signifikan tetapi adalah peramal yang sangat lemah.

Jadi?

Saya cadangkan anda sediakan soal selidik yang menguji lebih banyak peramal supaya kajian anda akan lebih mudah mengesan peramal mana yang menyumbang dengan banyak kepada perubahan y atau DV anda.

Jika ada 1 atau 2 yang tidak signifikan... anda masih ada 4 lagi yang akan menyumbang kepada perubahan DV. Jika setiap satu menyumbang 20% (0.02) anda boleh melaporkan bahawa 60% perubahan boleh diramalkan...katakan oleh x1, x3, x4, x6 dan  barulah "mantap" kajian anda. 

Jadi..... saya cadangkan anda buat item lebih sikit utk lebih variable bagi memastikan kejayaan dalam kajian yang bakal anda lakukan anda....

GUD LUCK MAK CIK dan PAK CIK....!!
OT


No comments:

Post a Comment

Related Posts Plugin for WordPress, Blogger...