REGRESYON ANALİZİ

YORDAMA PROBLEMİ

REGRESYON PROBLEMİ

BASİT DOĞRUSAL REGRESYON ANALİZİ

 YORDAMA PROBLEMİ

 Yordama bir tahmindir. Ne var ki, her tahmin

yordama değildir. Bir tahminin yordama olabilmesi
için, onun geleceğe dönük olması ve belli bilgiler
temelinde bazı teknikler kullanılarak yapılmış olması
gerekir. Buna göre yordama, “istatistiksel teknikler
kullanarak ve bilinenlerden yararlanılarak bilinmeyen
durumlar hakkında yapılan geleceğe yönelik
tahminlerde bulunma işlemidir” diye tanımlanabilir.
 Yordama işinde kullanılan istatistiksel teknik
regresyondur.
 Yordama Geçerliliği (1)

 Yordama geçerliliği, psikolojik testlerden elde edilen

“yordayıcı puan” ile, gelecekteki durumlarla ilgili bir
“ölçüt”e ilişkin değerler arasındaki korelasyon
katsayısı olarak nitelendirilebilir.
 Örneğin; üniversite giriş sınavları, bu sınavlarda
kullanılan testlerden yüksek puan alanların, düşük
puan alanlara göre, üniversitedeki akademik
programlarda daha başarılı olacakları temel sayıltısına
dayanmaktadır.
 Yordama Geçerliliği (2)

 Bu tür testlerde yordama geçerliliği çok önemlidir.

Çünkü öğrencilerin testten aldıkları puanlara göre
başarı sırasına konmakta, en yüksek puandan
başlayarak kontenjan kadar öğrenci, üniversitelere
kabul edilmekte, diğerleri ise reddedilmektedir. Bu
kabul ve ret kararının verilmesinde, test puanı en
büyük rolü oynamaktadır. Dolayısıyla kullanılan
testlerin yordama geçerliliğinin çok yüksek olması
istenir. Kullanılan testin yordama geçerliliğinin düşük
olması halinde, verilen kararlar tartışmalı hale
gelebilir. Diğer mesleki alanlarda ve kliniklerde
verilen kararlarda da durum aşağı yukarı buna
benzemektedir.
 Yordama Geçerliliği (3)

 Psikolojik ölçme araçlarından bazıları, özellikle

bireylerin bir okulda ya da işte göstermeleri
beklenen başarıları yordamak üzere
düzenlenmişlerdir. Genellikle bireylerin bir
programa ya da işe alınıp alınmaması, onların bir
testten elde ettikleri puanlara ya da daha önceki bir
programda almış oldukları notlara göre karara
bağlanır. Seçme amaçlı geliştirilen testlerin amacı,
açılan bir programa veya bir iş yerindeki boş bir
pozisyona en başarılı olması beklenen bireyleri
seçmektir. Bunun için başvuru yapan bireyler, test
ya da testlerden geçirilir.
 Yordama Geçerliliği (4)

 Bu testlerden yüksek puan alan bireylerin, açılan

program ya da iş pozisyonu için, daha önce beklenen
kriterler açısından, başarılı olacakları yordanır.
Alınan puanlar gelecekteki başarının yordayıcısı
olarak kabul edilir. Bu anlamda yordama, genellikle
bir testten alınan puanlara dayanılarak, bireylerin
belli bir programdaki ya da işteki başarılarını
önceden kestirme işlemidir.
 REGRESYON PROBLEMİ

 Birçok durumda, değişkenler arası ilişkinin yön ve

miktarına ek olarak, aralarındaki ilişkinin biçimi ve
durumu bilinenlerden yararlanarak bilinmeyenleri
kestirme ya da yordama olanakları ile ilgileniriz.
Değişkenlerden birini ya da bu değişkenin
kategorilerini önceden saptanan düzeylerde sabit
tutarak öteki değişkenin bu düzeylere göre
gösterdiği değişimle ilgilenmek, istatistikte
regresyon problemi olarak bilinir.
 Bu tür problemleri daha iyi açıklayabilmek için
örnek değişkenler olarak boy uzunluğu ile ağırlığı
alalım. Bir grup üniversite öğrencisinin boy
uzunlukları ile ağırlıkları tabloda gösterilen biçimde
olsun.
 Regresyon Problemi (2)

 Grafikte görüldüğü gibi boy uzunluğunun (Y) değişik düzeyleri

için ağırlığın (X) ayrı bir değişimi (dağılımı) vardır. Regresyon
probleminde ilgilenilen de bu tarz bir ilişkidir. Grafikten de
anlaşılacağı gibi, korelasyon problemi ile regresyon problemi
arasında yakın bir ilişki bulunmaktadır.
 Regresyon Problemi (3)

 Regresyon terimi modern istatistikte, “kestirme” ya

da “yordama” (prediction) işleminde kullanılan bir
tekniğin adı olarak da bilinir. Hatta, bu ikinci anlamı
daha yaygın olarak kullanılır.
 Bir regresyon probleminde ilgilendiğimiz değişken
sayısı iki olabileceği gibi daha çok da olabilir.
Örneğin, bir grup üniversite öğrencisinin lise bitirme
dereceleri ile üniversite giriş sınavlarında aldıkları
puanlara göre üniversite başarılarını incelemek gibi.
 Regresyon Problemi (4)

 Regresyon yönteminin bilimsel çalışmalarda önemli

oluşunun temel nedeni, bu yöntemin, bilimin temel
işlevlerinden birinin yerine getirilmesinde çok
kullanılmasıdır. Bilimin temel işlevlerinden biri,
bilinen durumlardan yararlanarak bilinmeyenleri
tahmin etmek ya da yordamaktır.
 Regresyon Problemi (5)

 Örneğin, gelecek on yıl içinde ülkenin belirlenecek

olan okul, öğretmen vb. ihtiyaçlarını karar
mekanizmasında olanların tahmin etmeleri; bir
öğretmenin matematik tutumunu bildiği bir
öğrencinin, matematik başarısını tahmin etmesi; bir
doktorun hastalarından aldığı kan örneklerinden ya
da biyopsilerinden ileride göstermeleri
beklenebilecek rahatsızlıkları tahmin etme ihtiyacı
vb. bu teknik ile sağlanır. Kısacası, bilimsel
çalışmalarda, bildiklerimizden ya da elimizde
olanlardan yararlanarak, bilinmeyen durumlar
hakkında yordamalarda bulunmak isteriz.
 Yordama ve Korelasyon İlişkisi (1)

 Yordama ile korelasyon arasında yakın bir ilişki

bulunmaktadır. Eğer, değişken X ile değişken Y
arasındaki korelasyon sıfır (r = 0) ise bu iki değişken
arasında sistematik hiçbir ilişki yoktur diyebiliriz. Bu
durumda X değişkeni hakkında bilgi, Y değişkeni
hakkında hiçbir şey söylemediği gibi, Y değişkeni
hakkındaki bilgi de, X değişkeni hakkında hiçbir şey
söylemez. Durum böyle olunca, bir değişkenden
ötekini yordama yapılacak işin doğruluk derecesi,
aynı işlemi rasgele yaptığımız zamankinden farksız
olacaktır.
 Yordama ve Korelasyon İlişkisi (2)

 Öte yandan, iki değişken arasındaki korelasyon sıfır

değilse (r  0), X değişkeni hakkındaki bilgiden, Y
değişkenini yordamak ya da tersini yapmak,
bilinmeyen değişken için rasgele bir tahminde
bulunmaktan daha az hatalı sonuç verebilir. Eğer, X
ve Y değişkenleri arasındaki korelasyon 1,00 ise bu
durumda, değişkenlerden birinden öteki üzerindeki
durumu mükemmel bir biçimde yordama olanağı
vardır. Değişkenler arasındaki korelasyon 1,00’den
uzaklaştığı oranda, bir değişkenden ötekini
yordarken yapılacak hata miktarı da artar.
 Regresyon ve Yordama İlişkisi

 Bilimsel çalışmalarda yordama önemli problemdir. Bu

yolla bir ya da daha çok değişken hakkındaki bilgiden
yararlanarak durumu bilinmeyen değişkenler hakkında
öngörülerde bulunabileceğimiz gibi, aralarında ilişki
bulunan değişkenleri ve bu ilişkinin içeriğini de
saptayabiliriz. Gerek günlük yaşamımızda ve gerekse
bilimsel çalışmalarda, sık sık “zeka düzeyi, yaşa
bağımlıdır” ya da “yaşın bir fonksiyonudur” ve “bir
maden parçasının ağırlığı, hacmine ve özgül ağırlığına
bağımlıdır” gibi ifadeler kullanılır. Daha da genel ve
soyut bir biçimde; “değişken Y, değişken X’in bir
fonksiyonudur; yani, değişken Y üzerinde gözlenecek
değer, değişken X üzerindeki değere bağlıdır” gibi
ifadeler kullanırız.
 Yordama İşleminde Regresyon
Tekniğinden Yararlanma (1)

 Yordama işleminde regresyon tekniğinden nasıl

yararlandığımızı bir örnekle açıklamaya çalışalım.
Bir grup kişinin araştırma yeterliği(X) değişik
düzeylerde olduğunu düşünelim. Buna karşılık, bu
kişilerin bilime inanç(Y), araştırma yeterliklerine
göre birer frekans dağılımları olacaktır. Çünkü,
belirli bir yeterlik düzeyinde bulunan herkesin,
bilime inançları çoğu kez aynı olmadığı
gözlenmektedir. Bunun yerine, belirli yeterlik
düzeyindeki kişilerin inançları bir ortalama etrafında
dağılım gösterir. Her yeterlik düzeyi için, elde
edilecek dağılımların ayrı birer ortalaması ve
standart kayması olacaktır.
 Yordama İşleminde Regresyon
Tekniğinden Yararlanma (2)

Sözü edilen ortalamaların

koordinatlar sistemi üzerinde
belirler ve aralarını
birleştirirsek bir grafik elde
ederiz. Bu grafik, bağımlı
değişkenin (örneğimizde, Y
= araştırma yeterliği) düzeyleri
sabit tutulan bağımsız değişken
(örneğimizde,
X = bilime inanç) üzerindeki
regresyon eşitliğinin grafiğidir.
Bir yordama probleminde en
önemli husus ilgili regresyonun
doğrusunun ya da duruma göre
eğrisinin matematiksel eşitliğini
saptamaktır.
 Regresyon analizi, aralarında ilişki olan iki ya da
daha fazla değişkenden birinin bağımlı (ölçüt,
yordanan) değişken, diğerlerinin bağımsız (yordayıcı)
değişkenler olarak ayrımı ile aralarındaki ilişkinin
matematiksel bir eşitlik ile açıklanmasıdır. Analize
bir bağımlı değişken ve bir bağımsız değişken dahil
edilirse, buna “Basit Doğrusal Regresyon Analizi”,
bağımlı değişen sayısı bir iken bağımsız değişen
sayısı iki ya da daha fazla ise buna “Çoklu Doğrusal
Regresyon Analizi” denir.
 BASİT DOĞRUSAL REGRESYON ANALİZİ (1)

 Basit doğrusal regresyonun amacı, Y ile X arasındaki

bağıntıyı Y = a + bX biçimde ifade eden modeli
bulmak ve bu modelde yer alan a ve b katsayılarının
önemliliğini test etmektir.
 Basit doğrusal regresyon analizinin amacı, Y = a + bX
regresyon modelinin; Y’nin değerlerini gözlem
aralığı içinde tahmin etmek (arakestirim,
interpolasyon) ya da gözlem aralığından bir ya da
birkaç period önceki ve sonraki değerlerini tahmin
etmek (dışsal kestirim, öteleme, extrapolasyon) için
kullanılıp kullanılmayacağını belirlemektir.
 BASİT DOĞRUSAL REGRESYON ANALİZİ (2)

 Basit doğrusal regresyonda, doğada, iki değişken

arasında Y =  + X biçiminde bir bağıntı olduğu
varsayılır. Bu bağıntının n birimlik örnek verileri
aracılığı ile Y = a + bX biçiminde tahmin edilir. Bu
eşitliğe basit doğrusal regresyon modeli adı verilir.
Bu modelde a ve b katsayıları;  ve 
parametrelerinin tahminidir. a katsayısı sabit
(eşitlikteki sabit hata miktarı) (intercept, constant),
b katsayısı ise regresyon katsayısı, regresyon
doğrusunun eğimidir. b, X’de meydana gelen bir
birimlik değişimin, Y’de kaç birimlik bir değişime
neden olacağını belirtir.
 Basit doğrusal regresyon analizinin SPSS’teki işlem
basamaklarına bir örnek üzerinden bakalım.
Örneğimizde, başarı, tutum puanları ile açıklanıp
açıklanamadığı sorgulanmaktadır. Bu durumda,
başarı yordanan, tutum ise yordayıcı değişkenler
olarak tanımlanmıştır. Regresyon eşitliğini şu
biçimde yazmamız mümkündür:
y = a + bx
başarı(y) = a + b.tutum(x)
Regresyon Analizi İşlem Basamakları
(1. işlem)

1. Analyze 
Regression
(Regresyon)
Linear (Doğrusal
 Regresyon Analizi İşlem Basamakları
(2-4. işlemler)
2. Yordanan
(bağımlı) değişken
“Dependent”a atılır.

3. Yordayıcı
(Bağımsız)
değişken
“Independent”a
atılır. 4. “Statistics”
penceresine
girilir.
Regresyon Analizi İşlem Basamakları
(5-9. işlemler)

“Model fit”
işaretlenir.
“R squared
change”
işaretlenir.
“Estimates”
işaretlenir.

Continue

“Descriptive”
işaretlenir.
Basit Doğrusal Regresyon Analizi
Tablolarının Değerlendirilmesi (1)

Belirlenen
değişkenlerin
korelasyonu

regresyon
analizinde
kullanılan yöntem
belirtilmektedir.
 Basit Doğrusal Regresyon Analizi
Tablolarının Değerlendirilmesi (4)

 Model Summary (model özeti) tablosunun ikinci

sütunda bulunan “R”, değişkenler arasındaki
korelasyonu ifade eder. “R Square” ise bağımsız
değişkenin (tutum) bağımlı değişenin (başarı)
varyansının % kaçını açıkladığını gösterir. Yukarıda,
R Square’in .86 olması demek, tutum puanının,
başarı varyansını % 86 oranında açıkladığı anlamına
gelir. Bu oran, yordama için çoktur. R Square’in
%30’dan aşağıya düşmemesi hatta %50’lere
yaklaşması önemlidir.
 Basit Doğrusal Regresyon Analizi
Tablolarının Değerlendirilmesi (5)

 ANOVA tablosunda, “Sum of Squares”, kareler

toplamı; “df”, serbestlik derecesini gösterir. “Mean
Square”, kareler ortalaması anlamına gelir ve
“Regression” ve “Residual”ın Mean Square
değerlerinin birbirine bölünmesi ile “F” değeri elde
edilir. Burada, analiz için önemli olan anlamlılık
(Sig.) düzeyidir. .000 eşitliğe sokulan yordayıcı
değişkenin eşitlikte manidar bir şekilde işleyip
işlemediğini ifade eder.
 Basit Doğrusal Regresyon Analizi
Tablolarının Değerlendirilmesi (6)

 “Coefficients” bir nevi Post hoc görevi görür.

Output’taki bu son tablo ile regresyon eşitliği yazılır.
Eşitliğe geri dönecek olursak:

Başarı(y) = a + b.Tutum(x)
Başarı = 7.204 + 0.864.Tutum