رگرسیون خطی مدلی برای پیش بینی مقدار یک متغیر وابسته بر اساس یک یا چند متغیر مستقل است. SmartPLS به شما امکان می دهد مدل هاي رگرسيون خطي (به عنوان مثال، مدل های رگرسیون تک و چندگانه) را اجرا کنید. براي دانلود اسمارت پي ال اس smartpls 4 روي لينك بعدي كليك كنيد.
همانطور که توسط Hair, Black, Babin, and Anderson (2018) توضیح داده شد، تحلیل رگرسیون چندگانه یک تکنیک آماری است که می تواند برای تجزیه و تحلیل رابطه بین یک متغیر وابسته (معیار) منفرد و چندین متغیر مستقل (پیش بین) استفاده شود . هدف از تحلیل رگرسیون چندگانه استفاده از متغیرهای مستقلی است که مقادیر آنها برای پیشبینی تک مقدار وابسته انتخاب شده توسط محقق شناخته شده است. هر متغیر مستقل با روش تحلیل رگرسیون وزن می شود تا حداکثر پیش بینی از مجموعه متغیرهای مستقل را تضمین کند.
اوزان سهم نسبی متغیرهای مستقل را در پیشبینی کلی نشان میدهند و تفسیر تأثیر هر متغیر در پیشبینی را تسهیل میکنند، اگرچه همبستگی بین متغیرهای مستقل فرآیند تفسیر را پیچیده میکند. بنابراین، می تواند به طور مساوی به اهداف پیش بینی یا توضیح دست یابد. مجموعه متغیرهای مستقل وزن دار متغیر رگرسیون را تشکیل می دهد، ترکیبی خطی از متغیرهای مستقل که متغیر وابسته را به بهترین شکل پیش بینی می کند. متغیر رگرسیون که به آن معادله رگرسیون یا مدل رگرسیون نیز گفته می شود، شناخته شده ترین نمونه از یک متغیر در میان تکنیک های چند متغیره است
شکل زیر یک مدل رگرسیون چندگانه را در SmartPLS نشان می دهد. این نرم افزار از تخمین مدل های رگرسیون تک و چندگانه پشتیبانی می کند و ضرایب رگرسیون استاندارد و استاندارد شده را ارائه می دهد.
منابع:
-
Backhaus, K., Erichson, B., Gensler, S., Weiber, R., and Weiber, T. (2021). Multivariate Analysis: An Application-Oriented Introduction. Gabler:Wiesbaden.
-
Hair, J. F., Black, W. C., Babin, B. J., and Anderson, R. E. (2018). Multivariate Data Analysis (8 ed.). Cengage Learning: London.
-
Sarstedt, M., and Mooi, E. A. (2019). A Concise Guide to Market Research: The Process, Data, and Methods Using IBM SPSS Statistics (3 ed.). Springer: Heidelberg et al.