Basit doğrusal regresyon, bir değişkenin bir diğerini ne ölçüde yordadığını gösterir ve Y = a + bX denklemini kurar. Bu hesaplayıcı ham veriden katsayıları, R²’yi, modelin anlamlılığını ve verilen bir X değeri için kestirimi birlikte verir.
Bu araç nedir ve kimin için?
Korelasyon iki değişkenin birlikte değiştiğini söyler; regresyon bir adım öteye geçip bu ilişkiyi bir denkleme dönüştürür ve X’teki bir birimlik artışın Y’de kaç birimlik değişime karşılık geldiğini verir. Bu, bulguyu somut ve yorumlanabilir kılar.
Araç, tek yordayıcılı modeller kuran araştırmacılar ve alan uzmanları için hazırlandı: çalışma süresinin başarıyı, öz-yeterliğin performansı, yaşın tutumu yordaması gibi. Modelde birden çok yordayıcı varsa çoklu regresyon gerekir; örneklem planı için çoklu regresyon örneklem aracına bakın.
Nasıl kullanılır?
- Bağımsız değişken (X) değerlerini girin. Yordayıcı olan değişkendir.
- Bağımlı değişken (Y) değerlerini girin. Yordanan değişkendir; sıralama X ile eşleşmelidir.
- İsterseniz bir X değeri girin. Araç o değer için kestirilen Y’yi hesaplar.
- Sonucu okuyun. Sabit (a), eğim (b), standartlaştırılmış β, R², F testi ve standart hata çıktıda yer alır.
Dikkat edilmesi gerekenler
Regresyon dört varsayıma dayanır: ilişkinin doğrusal olması, artıkların normal dağılması, varyansın X boyunca sabit kalması (eşvaryanslılık) ve gözlemlerin bağımsız olması. Bunlar sağlanmadan kurulan modelin katsayıları yanıltıcıdır. Ayrıca kestirim, verinizin X aralığı dışına taşırıldığında geçerliliğini yitirir; 20–60 yaş verisiyle kurulan model 80 yaş için kullanılmamalıdır.
Sonucu yorumlama
Eğim (b) doğrudan yorumlanır: b = 2,15 ise X bir birim arttığında Y ortalama 2,15 birim artar. Standartlaştırılmış β ise değişkenlerin birimlerinden bağımsızdır ve basit regresyonda korelasyon katsayısıyla aynı değeri alır.
R², Y’deki değişkenliğin ne kadarının modelle açıklandığını gösterir. Sosyal bilimlerde 0,10–0,30 aralığı sıradan kabul edilir; düşük bir R² modelin işe yaramadığı anlamına gelmez, insan davranışının tek bir değişkenle açıklanamayacağı anlamına gelir.
Sık yapılan hatalar
- X ve Y’yi ters girmek. Regresyon simetrik değildir; yön kuramla belirlenir.
- Yordamayı nedensellik gibi sunmak. Kesitsel veriyle kurulan model neden-sonuç kanıtlamaz.
- Artık analizini atlamak. Varsayım kontrolü olmadan katsayılar güvenilmezdir.
- Veri aralığı dışına kestirim yapmak. Model yalnızca gözlenen aralıkta geçerlidir.
Nasıl raporlanır?
“Günlük çalışma süresinin akademik başarıyı yordama gücü basit doğrusal regresyon analiziyle incelenmiştir. Model anlamlıdır, F(1, 118) = 24,63; p < ,001; R² = ,173. Çalışma süresindeki bir saatlik artış, başarı puanında ortalama 2,15 puanlık artışa karşılık gelmektedir (b = 2,15; β = ,42; p < ,001).”
Bir örnek üzerinden
120 öğrencinin haftalık çalışma süresini (saat) ve dönem sonu başarı puanını girdiğinizi düşünelim. Araç şu modeli kurar: Başarı = 52,30 + 2,15 × Çalışma süresi. Model anlamlıdır, F(1, 118) = 24,63; p < ,001; R² = ,173. Yani haftalık bir saatlik ek çalışma, başarı puanında ortalama 2,15 puanlık artışa karşılık gelmektedir.
Kestirim alanına 10 yazdığınızda araç 73,80 puanlık bir tahmin verir. Ancak bu tek bir sayı olarak sunulmamalıdır: kestirimin standart hatası da çıktıda yer alır ve gerçek değerin bu tahminin epeyce dışında olabileceğini gösterir. R² = ,17 olan bir modelde bireysel kestirimler zayıftır; model grup düzeyindeki eğilimi anlatır, tek bir öğrencinin puanını öngörmez.
Yöntem notu
Katsayılar en küçük kareler yöntemiyle bulunur: artık kareler toplamını en aza indiren doğru seçilir. Eğim b = r × (SSᵧ/SSₓ) ilişkisiyle korelasyona bağlıdır; basit regresyonda standartlaştırılmış β ile Pearson r sayısal olarak aynıdır. R², modelin açıkladığı kareler toplamının toplam kareler toplamına oranıdır ve basit regresyonda r²’ye eşittir. Modelin anlamlılığını sınayan F testi, tek yordayıcılı durumda eğimin t testiyle aynı sonucu verir (F = t²).