SPSS regresi

• Regresi Logistik Biner. Memprediksi ada atau tidak adanya karakteristik atau hasil berdasarkan nilai-nilai dari satu set variabel prediktor. Prosedur ini mirip dengan regresi linier tetapi cocok untuk model di mana variabel dependen adalah dikotomi.

• Regresi Logistik Multinomial. Menggolongkan subjek berdasarkan nilai-nilai dari satu set variabel prediktor. Jenis regresi ini mirip dengan regresi logistik, tetapi lebih umum karena variabel dependen tidak terbatas pada dua kategori.

• Analisis Probit. Prosedur ini mengukur hubungan antara kekuatan stimulus dan proporsi kasus menunjukkan respon tertentu terhadap stimulus. Hal ini berguna untuk situasi di mana Anda memiliki output dikotomis yang Anda pikir mungkin dipengaruhi atau disebabkan oleh tingkat variabel independen (s) dan sangat cocok untuk data eksperimen. Prosedur ini memungkinkan Anda untuk memperkirakan kekuatan stimulus diperlukan untuk mendorong proporsi tertentu dari respon.

• Nonlinear regresi. Cari model nonlinear dari hubungan antara variabel dependen dan satu set variabel independen. Tidak seperti regresi linier tradisional, yang dibatasi untuk model linier memperkirakan, regresi nonlinear dapat memperkirakan model dengan hubungan sewenang-wenang antara variabel independen dan dependen.

• Kuadrat tertimbang. Membangun model yang tepat ketika varians tidak konstan dalam populasi yang diteliti. Bila hal ini terjadi, misalnya, ketika kasus yang tinggi pada atribut tertentu menunjukkan variabilitas lebih dari kasus yang rendah pada bahwa atribut, regresi linier menggunakan Kuadrat Terkecil Biasa (OLS) tidak lagi memberikan perkiraan model yang optimal. Jika perbedaan variabilitas dapat diprediksi dari variabel lain, Estimasi Berat prosedur Kuadrat Terkecil Tertimbang (WLS) dapat menghitung koefisien dari model regresi linier sehingga pengamatan lebih tepat (yaitu orang dengan variabilitas yang lebih kecil) yang diberikan lebih besar berat badan dalam menentukan koefisien regresi.

• Dua-Tahap Least-Squares Regression. Membangun model yang akurat ketika kesalahan dalam variabel dependen yang berkorelasi dengan variabel independen (s). Dua-Tahap Least-Squares Regression menggunakan variabel instrumental yang berkorelasi dengan istilah kesalahan untuk menghitung nilai-nilai estimasi prediktor bermasalah (s) (tahap pertama), dan kemudian menggunakan nilai-nilai dihitung untuk memperkirakan model regresi linier dari variabel dependen (tahap kedua). Karena nilai-nilai dihitung didasarkan pada variabel yang berkorelasi dengan kesalahan, hasil dari model dua-tahap yang optimal.