.

"ANTARA BLOG TERBAIK DI NATIONAL EDUCATIONAL BLOGGING SUMMIT 2011"


MORE THAN 3 MILLION HITS !

Statistik

SPSS - STATISTIK PENYELIDIKAN SECARA SANTAI

Pertanyaan: zahinothman@gmail.com



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

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

Saya klik Follow dan BANGGA menjadi follower drotspss...

Thursday, June 9, 2011

TAJUK 146 – BILA NAK GUNA STEPWISE dan HIERARCHICAL MULTPLE REGRESSION??

Saya menyedari (dari respon blog dan email) bahawa ramai pelajar yang berniat nak kaji perkaitan / hubungan beberapa IV terhadap DV. So anda tiada pilihan selain menggunakan analisis multiple regression (MR)


Contoh:
Anda ingin mengkaji peramal (predictor) kepada stress dalam kalangan guru. Dari bacaan anda,  5 peramal seperti  umur, efikasi, EQ, pangkat dan pengalaman yang telah dikaitkan dengan stress.
Maka kajian anda menentukan kesan umur, tahap efikasi, EQ, pangkat dan pengalaman terhadap tahap tekanan kerja (Stress) dalam kalangan guru. Persamaan atau model multiple regression anda adalah:


Terdapat 3 kaedah utama analisis MR seperti berikut:

Kaedah
Cara IV dianalisis dalam SPSS
1.  Standard / direct / simultaneous
Semua IV dimasukkan dalam persamaan dan dianalisis serentak  dalam SPSS dan lihat kesannya kepada DV, iaitu nilai beta masing2 yang unit.
Note: Nilai beta adalah sumbangan unik individu IV, tidak termasuk kesan yang dikongsi bersama IV lain. Kesan gabungan antara IV diberikan oleh nilai R2.
2.  Stepwise
    (Exploratory)
Kombinasi Forward dan Backward. SPSS akan lakukan sendiri untuk memilih IV yang mempunyai korelasi yang tinggi dengan DV atau membuang yang mempunyai korelasi yang rendah dengan DV. Langkah ini sesuai untuk tujuan kajian exploratory, yang mana anda tidak pasti IV mana yang mempunyai korelasi yang tinggi
Forward
Forward: SPSS mengambil IV satu demi satu IV dengan nilai beta yang tinggi sehingga tiada lagi IV yang signifikan.
Backward
Backward: SPSS membuang satu demi satu IV dengan nilai beta yang kecil sehingga tiada lagi IV yang tidak signifikan.
3.  Hierarchical
Masukkan satu blok atau sekumpulan IV yang telah ditentukan oleh penyelidik berdasar sesuatu keperluan teori, kemudian ulangi pula dengan dengan sekumpulan IV baru yang penyelidik ingin kaji.


Saya cuba mudahkan pemilihan kaedah di atas (Inilah keje seorang guru.... mudahkan supaya anak murid boleh faham....)

1. Jika anda buat master dan hanya ingin tahu hubungan sekumpulan IV  (predictors) yang anda telah kenal pasti dari literature atau kajian lepas, gunakan sahaja kaedah 1

2. Jika anda membuat kajian penerokaan IV baru, atau tiada penjelasan yang mantap dari teori, gunakan sahaja kaedah 2.

3. Jika anda ingin ingin membuat kombinasi IV yang telah disahkan dalam kajian lepas dengan IV baru yang anda ingin kaji, gunakan sahaja kaedah 3. Syaratnya anda masukkan dulu IV yang telah anda ketahui kesannya dari kajian lepas (Model 1), diikuti dengan IV yang baru (Model 2).


Sila fahami dua situasi berikut bagi memahami dapatan yang diperoleh secara ringkas

Situasi A: Kaedah Standard 
Katakan anda hanya ingin menilai kesan umur, efikasi, EQ, Pangkat dan Pengalaman terhadap stress, anda boleh jalankan kaedah 1:

Dapatan A:
SPSS akan memberikan anda nilai R square, yang memberitahu anda berapa banyak varians dalam DV boleh dijelaskan oleh model yang mengandungi semua IV yang anda analisis.

Anda juga boleh mengetahui sejauhmana sesuatu IV dapat digunakan bagi meramal DV dengan mengetahui nilai beta setiap IV. IV dengan nilai beta yang tinggi, menyumbang paling banyak kepada perubahan DV. Perhatikan juga samada nilai ini signifikan (p <.05) ataupun tidak.

Situasi B: Kaedah Hierarchical
Katakan anda ingin mengetahui samada kesan pangkat dan pengalaman memberi impak yang besar kepada DV jika kesan umur, efikasi dan EQ (IV yang telah dikenalpasti menyumbang kepada DV dari kajian lepas) dikawal. Dalam situasi ini anda memerlukan kaedah 3 (hierarchical).
Dalam SPSS, anda masukkan dahulu umur, efikasi dan EQ untuk dianalisis (Model 1)
Langkah seterusnya,  masukkan Pangkat dan Pengalaman (Model 2)

Dapatan B:
Semak nilai R2 (Model 1) = sumbangan Model 1 (umur, efikasi dan EQ) kepada perubahan DV
Semak nilai R2 (Model 2) = sumbangan kombinasi Model 1 + Model 2kepada perubahan DV
Semak nilai R2 change = sumbangan Model 2 sahaja (Pangkat dan Pengalaman) - nilai inilah yang anda cari untuk dilaporkan.
Dengan ini anda dapat nyatakan sumbangan IV pangkat dan pengalaman setelah IV umur, efikasi dan EQ dikawal (tidak diambil kira).


Nak faham tak lah susah sangat... nak menulis lagi susah....apapun mudah2an anda dapat sesuatu dari tulisan ini.

OT

No comments:

Post a Comment

Related Posts Plugin for WordPress, Blogger...