Lojistik Regresyon Analizi SPSS Programı ile Uygulanabilir mi?
Yazımıza önce lojistik regresyon analizinin ne olduğundan kısaca bahsederek başlayalım. Lojistik regresyon analizi SPSS programı ile uygulanabilir mi sorusunun yanıtını da baştan cevaplayalım: Evet, uygulanabilir.
Bağımlı değişkenimizin bir hastalık durumu (hasta – hasta değil), memnuniyet düzeyi (memnun-memnun değil), ağrı şiddeti (düşük-orta-yüksek), tercih edilen marka (Koton, Puma, Adidas) gibi bir kategorik değişkenden oluştuğunu düşünelim. Bu durumda verilerimiz sayısal olmadığı için klasik lineer regresyon analizini uygulayamayız.
Bağımlı değişkenimizin kategorik olduğu durumlarda regresyon analizi uygulayabilmemiz için lojistik regresyon analizi tekniğine başvuruyoruz. Lojistik regresyon analizi aslında genel bir tanımı içeriyor ve bağımlı değişkenin ölçme türüne göre üç farklı lojistik regresyon analizi tekniği bulunuyor:
- İkili lojistik regresyon analizi (binary)
- Sıralı lojistik regresyon analizi (ordinal)
- Çok terimli lojistik regresyon analizi (multinominal)
SPSS programında lojistik regresyon analizinin farklı bu üç varyasyonuna dair çözümlemeler mevcut.
Lojistik Regresyon Analizi SPSS Programı İçerisinde Nasıl Uygulanır?
SPSS içerisinde hangi menülerden yola çıkarak lojistik regresyon analizi tekniklerini uygulayabiliriz? Bunun için ilk aşamada Analyze menüsüne tıklamamız gerekiyor. Hemen ardından Regression seçeneğini tıklıyoruz ve karşımıza açılan pencereden üç farklı lojistik regresyon analizi modelini kullanabiliriz.
Kısacası Analyze->Regression menülerini seçerek açılan pencereden aşağıda tanımlı regresyon analizi menüleri ile analizlerimizi tamamlayabiliriz:
- Analyze->Regression->Binary Logistic Regression — İkili Lojistik Regresyon Analizi
- Analyze->Regression->Ordinal — İkili Lojistik Regresyon Analizi
- Analyze->Regression->Multinomial Logistic — Çok Terimli Lojistik Regresyon Analizi
Karşımıza açılan her menüde dependent isimli bir seçenek bulunuyor. Bu seçenek bize analiz etmek istediğimiz bağımlı değişkeni gösteriyor. Pencerenin sol tarafındaki değişken sütunlarından istediğimiz bağımlı değişkeni dependent bölümüne aktarabiliyoruz. Bağımsız değişkenlerimizi de factors veya covariate isimli bölümlere değişkenlerimizin türüne bağlı olarak tanımlayabiliyoruz. Kategorik verileri referans kategorilerimize göre ayrıca belirlememiz şart. Aksi takdire SPSS, kategorik değişkeni sayısal olarak algılıyor ve beklentilerimizden çok farklı istatistiksel analiz sonuçları üretiyor.
Lojistik regresyon analizi kapsamında iyi bir model oluşturmak için değişken seçimi, modelin performans ölçütlerinin belirlenmesi şeklinde farklı olgulara da dikkat etmemiz gerekiyor.
Değişkeni seçimi için lojistik regresyon analizlerinde SPSS’in bize sunduğu iki yaklaşım var: Geriye doğru (backward) ve ileriye doğru (forward) seçim yöntemleri. Her iki yöntem için de olabilirlik oranı ya da Wald testi gibi ölçütlere göre seçim yapabiliyoruz.
SPSS’nin lojistik regresyon analizi sonucunda bize sunduğu R-kare değerleri ve doğru sınıflama oranı ölçütleri son derece önemli. Özellikle doğru sınıflama oranının 0.70’in üzerinde olması, modelin performansının göstermesi açısından kritik bir anlama sahip. Lojistik regresyon analizi SPSS ile uygulandığında elde ettiğimiz R-kare değerleri her ne kadar “Sahte” olarak adlandırılsa da, bunların sıfırdan farklı olmasını bekliyoruz. Cox-Snell ve Nagelgerke isimli iki farklı R-kare ölçüsünü hesaplatabiliyoruz.
Gördüğümüz gibi, lojistik regresyon analizi SPSS programı ile birlikte işlevsel olarak uygulanabiliyor. SPSS programı ile lojistik regresyon analizi tekniklerini uygularken referans kategorilerini belirleme, odd oranlarını yorumlama, model performansını inceleme gibi özel noktaları titizlikle değerlendirmeliyiz. İlerleyen yazılarımızda bu konulara da değineceğiz.