Los sociólogos utilizan SPSS ( Statistical Package for the Social Sciences ) para analizar los datos . Ellos usan una regresión jerárquica cuando quieren probar el impacto de las variables específicas de predicción , mientras que el control de la influencia de los demás. El análisis de regresión jerárquica permite al investigador para especificar el orden en que se introducen en el procedimiento de variables. El análisis indica que el investigador la importancia de una variable específica está en la predicción de un resultado. Cosas que necesitará
SPSS
Datos
Ver Más instrucciones
analizar datos
1

Ir a " Ver datos" en SPSS. Haga clic en "Analizar " en la barra de herramientas en la parte superior de la página. Seleccione " regresión " en el menú desplegable y haga clic en " Linear ".
2

Cuando aparezca el cuadro de diálogo , mueva la variable dependiente (por ejemplo, la calificación de la prueba ) en el cuadro de " Dependiente " .
3

Introduce las variables de predicción , por ejemplo , el sexo , la raza y el SES ( nivel socioeconómico) en el cuadro de " Independiente" . Estas son las variables que desea controlar.

4 Haga clic en "Next ", que le permite introducir otra variable o conjunto de variables. Inserte la variable ( s ) en el que está sobre todo interesado, diga " nivel de estudios " en el cuadro " Independiente" . Haga clic en " Aceptar".
Leer la salida
5

Mira las primeras " Variables ingresados ​​/Eliminado " tabla que enumera las variables que ha entrado en los pasos 3 y 4 en Analizar la sección de datos. Modelo 1 se enumeran las variables que Controlados ( sexo, raza y ses) . Modelo 2 es la variable de interés ( nivel educativo ) .
6

Mira en la siguiente tabla, el " Resumen del modelo ", que le indica la Plaza R para el Modelo 1 con las variables que Controlados ( sexo, raza, ses) y modelo 2 , la variable de interés ( nivel educativo ) .
7

la información importante es el cambio en R cuadrado del Modelo 1 Modelo de 2 . Restando la Plaza de R Modelo 1 (digamos 0.152 o 15,2 % ) de la Plaza de R Modelo 2 (digamos 0.303 o 30,3 % ) que indica la cantidad de capacidad de predicción la variable de interés tiene . En este caso , el 30,3 % - 15,2 % = 15,1 %, lo que significa que la variable predice 15,1 % de la diferencia

.