محاسبه تابع چند جمله ای در نرم افزار SPSS

در برخی موقعیت های پژوهشی محقق با یک متغیر وابسته گسسته مواجه است. برای پیش بینی ابعاد آن بهتر است از یک روش لجیت چند جمله ای استفاده نماید. مثلا محققی می خواهد بداند چه متغیر هایی بر انتخاب برند های یک دوربین دیجیتال اثر گذار هستند. به منظور محاسبه Multinomial Logistic Regression در این نرم افزار بهتر است از روش برنامه نویسی استفاده نمایید. در مثالی که می خواهیم با spss  حل کنیم شامل735 نفر از افرادی که در انتخاب سه برند شرکت داشته اند را مورد توجه قرار داده ایم. متغیر های سن و جنسیت را نیز برای هر یک از این افراد در فایل داده داریم. هدف در اینجا این است که مشخص کنیم کدامیک از متغیر های سن و جنسیت در تفکیک ابعاد این سه برند از یکدیگر مهم هستند. با استفاده از دستور آمار توصیفی می توانیم وضعیت انتخاب در هر یک از سطوح این برند ها را مشخص کنیم.

نتایج نشان می دهد در این نمونه 207 نفر برند اول، 307 نفر برند دوم و 221 نفر مشتری برند سوم هستند. حال باید دستور زیر را وارد کنیم.

sort cases by brand. temporary. split file by brand. descriptives var = age female. split file off.

نتایج آماره های توصیفی در ارتباط با هر یک از سطوح در جدول فوق آمده است. با نگاهی مشخص می شود که این تحلیل به تحلیل تشخیصی که یک تکنیک چند متغیره است قرابت دارد. این روش نسبت به تحلیل تشخیصی به لحاظ محدود نبودن به روش های اندازه گیری کمّی، منعطف تر است. برای محاسبه این رگرسیون باید دستور زیر را وارد کنیم.

nomreg brand (base = first) with female age /print = lrt cps mfi parameter summary.

خروجی نرم افزار SPSS به شرح زیر خواهد بود.

در این روش، برند اول به عنوان گروه مرجع تعیین می شود. به عنوان مثال مشخص می شود که یک واحد تغییر در متغیر سن سبب افزایش نسبت 368/0 در لگاریتم برند دو به یک می شود و این مقدار برای برند سه به یک 686/0 محاسبه شده است. لذا مشخص می شود با افزایش سن شانس انتخاب برند های دو و سه نسبت به برند اول بیشتر می شود. این مقادیر به خودی خود تفسیر نمی شوند و باید مقادیر اکسپوننشیال را که با نماد Exp(B) نشان داده می شود را تفسیر نمود. برای مقدار اول 45/1 محاسبه شده است.

یعنی افراد مسن تر نسبت به جوان تر ها 5/1 برابر برند دوم را نسبت به برند اول بیشتر انتخاب می کنند. نتایج نشان می دهد در تفکیک سطوح برند های اول به دوم و دوم به سوم هر دو متغیر سن و جنسیت تاثیر گذار هستند زیرا هر دو سطح دارای sig زیر 05/0 هستند.همچنین نتایج نشان می دهد زنان نسبت به مردان بیشتر برند های دوم و سوم را انتخاب می کنند. در کاربرد این روش باید دقت شود که حجم نمونه باید بالا بوده این روش دارای شاخص های فیت مناسبی نبوده و مقادیر ضرایب تعیین آن چندان کارا نیستند. لیکن به طور کلی این روش شناسی از دقت مطلوبی در تفکیک سطوح متغیر وابسته برخور دار است. در این مقاله عمدتا نحوه محاسبه این روش در SPSS مورد توجه بوده و برای مفاهیم پایه آن باید به کتاب های مرجع مانند Agresti مراجعه نمود.