رگرسیون غیر خطی یا انحنایی (Curve Regression)
در رگرسیون خطی با افزایش متغیر مستقل متغیر وابسته کم یا زیاد می شود و بالعکس مثلاً هرچه رضایت شغلی بالاتر باشد تعهد سازمانی نیز بالاتر می رود . در صورتی که نتوانیم رابطه‌ی میان متغیرها را به شکل خطی تبیین کنیم، از رگرسیون انحنایی یا (Curve Regression)استفاده می کنیم . برای مثال، بین ترس از کارفرما و عملکرد شغلی رابطه‌ای غیرخطی وجود دارد. کمی ترس از کارفرما می تواند برای عملکرد مفید باشد اما اگر این ترس بیش از اندازه باشد، بر عملکرد شغلی فرد تأثیر منفی خواهد داشت. یعنی رابطه مثبت بین ترس کم و عملکرد شغلی، با افزایش میزان ترس به رابطه‌ای منفی گرایش پیدا می‌کند.
مسیر تحلیل رگرسیون غیر خطی در Spss:
-
Analyze/Regression/ Curve estimation
رگرسیون انحنایی شامل ۱۱ نوع رگرسیون غیرخطی است که در جدول زیر ارائه شده‌اند و باید بهترین مدل رگرسیونی را که با داده‌ها برازش دارد، انتخاب کنیم.
انواع مدل‌های رگرسیون
مدل رگرسیون |
معادله رگرسیون |
رگرسیون خطی (Linear) |
Y = a + bX |
رگرسیون لگاریتمی (Logarithmic) |
(Y = a + (b lnX |
رگرسیون معکوس (Inverse) |
(Y = a + (b / X |
رگرسیون سهمی (Quadratic) |
(Y = a + (b1X) + (b2 X2 |
رگرسیون درجه ۳ (Cubic) |
(Y = a + (b1 X) + (b2 X2) + (b3 X3 |
رگرسیون توانی (Power) |
Y =aXb1 یا (lnY = lna + (b1 * lnX |
رگرسیون مرکب (Compound) |
(Y =a(b1X |
رگرسیون منحنی (s (S-curve |
Y=ea+b1/x |
رگرسیون لجستیک (Logistic) |
( Y=1/(1/u+ab1X , مقدار حد بالا: u
|
رگرسیون رشد (Growth) |
Y=ea+b1x |
رگرسیون نمایی (Exponential) |
Y=aeb1x |
پس از انجام رگرسیون اول سطح معنی داری را نگاه می کنیم هر کدام که مقدار سطح معنی داری (sig ) کم تر از ۰۵/۰ داشت ( p<0/05) مورد قبول است و در شرایطی که چند مدل معنی دار باشد مدلی که آماره F آن بیشتر باشد برازنده تر است.