Jamovi ile Doğrusal ve Lojistik Regresyon Modelleri

Regresyon analizi, bağımlı bir değişkenin, bir ya da daha fazla bağımsız değişken aracılığıyla nasıl açıklandığını analiz etmeye yarayan temel istatistiksel yöntemlerden biridir. Jamovi, kullanıcı dostu arayüzüyle hem doğrusal regresyon hem de lojistik regresyon analizlerini hızlı ve etkili şekilde gerçekleştirme imkânı sunar.

---

Doğrusal Regresyon (Linear Regression)

Doğrusal regresyon, sürekli bir bağımlı değişkenin (örneğin sınav puanı) bir ya da daha fazla sürekli ya da kategorik bağımsız değişkenle (örneğin çalışma süresi, cinsiyet) ilişkisini modellemek için kullanılır.

Uygulama Adımları (Jamovi’de):

1. Menüden: Analyses > Regression > Linear Regression

2. Dependent Variable: Tahmin edilmek istenen değişken (örnek: başarı puanı)

3. Covariates: Sürekli bağımsız değişkenler

4. Factors: Kategorik bağımsız değişkenler

Çıktılar:

• R² (Determination Coefficient): Modelin açıklayıcılığı

• Beta Katsayıları: Değişkenlerin etkisi ve yönü

• p-değeri: Anlamlılık testi

• Confidence Interval: Güven aralıkları

• Durbin-Watson: Otokorelasyon kontrolü

Yorumlama:

• p < 0.05: Bağımsız değişken, bağımlı değişkeni anlamlı şekilde etkiliyor.

• Beta > 0: Pozitif ilişki

• Beta < 0: Negatif ilişki

• R² > 0.50: Güçlü model

---

Çoklu Doğrusal Regresyon (Multiple Linear Regression)

Jamovi ile birden fazla bağımsız değişken aynı anda modele dâhil edilebilir. Bu sayede karmaşık yapılar çözümlenebilir. Özellikle eğitim, pazarlama ve sosyal bilimler araştırmalarında çok kullanılır.

---

Lojistik Regresyon (Logistic Regression)

Lojistik regresyon, bağımlı değişkenin kategorik olduğu durumlarda (genellikle 0-1 şeklinde) tercih edilir. Örneğin: bir kişinin sınavı geçip geçmemesi, bir müşterinin satın alma yapıp yapmaması.

Jamovi’de Lojistik Regresyon Uygulaması

1. Menüden: Analyses > Regression > Logistic Regression

2. Dependent Variable: İkili (binary) kodlanmış değişken

3. Covariates / Factors: Bağımsız değişkenler

Çıktılar:

• Odds Ratio (OR): Olasılık oranları

• Logit Katsayıları: Değişkenlerin etkisi

• Model Fit İstatistikleri: -2 Log Likelihood, AIC, BIC

• p-değerleri: Anlamlılık testi

• Classification Table: Doğru tahmin oranı

Odds Ratio Yorumlama:

• OR > 1: Bağımsız değişken arttıkça bağımlı değişkenin olma olasılığı artar.

• OR < 1: Ters ilişki vardır.

• OR = 1: Etki yoktur.

---

Model Varsayımları ve Kontroller

Doğrusal Regresyon Varsayımları:

• Lineerlik

• Normal dağılım

• Varyansların homojenliği

• Otokorelasyon olmaması

Lojistik Regresyon Varsayımları:

• Gözlemler bağımsız olmalı

• Çoklu doğrusal bağlantı (multicollinearity) olmamalı

• Lineerlik logit ile ilişkilidir

Jamovi, bu varsayımların test edilmesine yardımcı olan grafik ve analiz çıktıları sağlar.

---

Model Geliştirme Stratejileri

• Stepwise Seçimi: Jamovi’de henüz yerleşik olmasa da manuel olarak modeller denenebilir.

• Etkileşim Terimleri: Bağımsız değişkenler arasındaki çarpan etkileri test edilebilir.

• Model Karşılaştırmaları: AIC ve BIC değerleri kıyaslanarak daha iyi modeller seçilebilir.

---

Uygulama Alanları

• Sağlık: Hastalık risk tahmini

• Pazarlama: Müşteri satın alma davranışı analizi

• Eğitim: Sınav başarılarının nedenleri

• Psikoloji: Belirli davranışların tahmini

• İşletme: Personel performans öngörüleri

---

Görselleştirme

Jamovi, regresyon analizleri sonrası aşağıdaki görselleştirmeleri destekler:

• Scatter plot (Dağılım grafiği)

• Regression line (Regresyon doğrusu)

• Odds ratio plot

• Residual plot (Artık grafiği)

Bu grafikler, modelin hem doğruluğunu hem de problemlerini ortaya çıkarmaya yardımcı olur.

---

Yaygın Hatalar ve Uyarılar

• Kategorik değişkenlerin kodlanmaması

• Çoklu doğrusal bağlantı problemi göz ardı edilmesi

• Model uygunluğu test edilmeden yorum yapılması

• Modelin fazla karmaşık hale getirilmesi (aşırı uyum – overfitting)

---

Sonuç

Jamovi ile hem doğrusal hem de lojistik regresyon analizleri, istatistiksel bilgi düzeyi ne olursa olsun her araştırmacı tarafından rahatlıkla gerçekleştirilebilir. Kullanıcı dostu arayüzü, güçlü analiz motoru ve etkili görselleştirme olanaklarıyla regresyon modellemeyi herkes için erişilebilir kılar.

Veri, modern dünyanın en değerli varlıklarından biri haline gelmiştir ve iş dünyasında, araştırmada ve karar verme süreçlerinde kritik bir rol oynamaktadır. Biz, veri analizi konusundaki tutkulu bir topluluk olarak, veri biliminin ve analizinin gücünü vurguluyoruz. Web sitemiz, işletmelerden akademisyenlere ve veri meraklılarına kadar herkesin veri analizi becerilerini geliştirmesine yardımcı olmayı amaçlayan bir kaynaktır. Misyonumuz, veri analizi sürecini anlaşılır ve erişilebilir hale getirmek, verilerin içinde gizlenen değeri açığa çıkarmak ve daha bilinçli kararlar almalarını desteklemektir.

Web sitemiz, geniş bir veri analizi yelpazesi sunmaktadır. Hangi sektörde olursanız olun veya hangi veri analizi aracını kullanıyorsanız kullanın, ihtiyaçlarınıza uygun hizmetler sunuyoruz. SPSS, R, Python, Excel veya diğer analiz araçlarını kullanarak veri madenciliği, hipotez testleri, regresyon analizi, zaman serisi tahmini, segmentasyon ve daha fazlasını içeren çeşitli analiz türlerini kapsarız. Ayrıca, öğrenmeyi kolaylaştırmak için zengin kaynaklar, öğreticiler ve interaktif araçlar sunuyoruz.