تأثير المتغير القامع علي نتائج تحليل الانحدار المتعدد (دراسة محاكاة)

مستخلص:
هدف البحث الحاليإلى الكشف عن تأثير المتغير القامع على نتائج تحليل الانحدار المتعدد ثنائي المتغير، ولتحقيق هذا الهدف تم استخدام منهج المحاكاة، وذلك بتصميم نموذجين أحدهما يتضمن وجود المتغير القامع ونموذج آخرلا يتضمن المتغير القامع، وتوليد مجموعة من البيانات العشوائية قوامها290، وحساب الخصائص الوصفية لهذه البيانات في كلا النموذجين والتحقق من شرط الاعتدالية لإجراء تحليل الانحدار المتعدد، والحصول على (13) مؤشراً في كل نموذج متمثلة في قيم معامل التحديد ( )،معامل التحديد المعدل، معامل الانحدار (b1)، معامل الانحدار (b2)، قيمة (ف)، مستوى دلالة (ف)،الخطأ المعياري، قيمة (Beta1)، قيمة (Beta2)، قيمة (ت1)، قيمة (ت2)، مستوى دلالة (ت1)، مستوى دلالة (ت2)، ولمعرفة أثر المتغير القامع تم استخدام اختبار كروسكال واليس بعد التأكد من عدم تحقق شرط الاعتدالية وتجانس التباين، وبمقارنة قيم متوسطات(13)  مؤشراً في كلا النموذجين، أسفرت النتائج عن وجود فروق ذات دلالة إحصائية في متوسط قيم معامل التحديد( )ومعامل التحديد المعدل ومعامل الانحدار(b2) و قيمة (Beta2)وقيمة (ف) وقيمة (ت1) وقيمة (ت2) لصالح نموذج عدم وجود متغير قامع(نموذج 2)، ووجود فروق ذات دلالة إحصائية في متوسط قيم الخطأ المعياري ومستوى دلالة (ف) ومستوى دلالة (ت1) ومستوى دلالة (ت2) لصالح نموذج وجود متغير قامع (نموذج 1).
الكلمات المفتاحية:الانحدار المتعدد ثنائي المتغير؛ المتغير القامع؛ المحاكاة
 
 
 
 
Abstract:
TheCurrentresearch aimed to reveal the impact of the suppressor variable on the results of the bivariate multiple regression analysis, and to achieve this goal, the simulation approach was used, by designing two models, one of them includes the presence of suppressive variable, and another model does not include the suppressive variable, and generate a set of random data with a size of 290, and calculating the descriptive characteristics of this data in both models and verifying the condition of moderation to perform the multiple regression analysis, and obtaining (13) indicators in each model, represented in the values of the multiple correlation coefficient (R^2), the modified coefficient of determination, Regression coefficient (b1), regression coefficient (b2), value (f), level of significance (f), standard error, value (Beta1), value (Beta2), value (T1), value (T2), level of significance (T1), the level of significance (T2).And to find out the effect of the suppressor variable, the Kruskal-Wallis test was used after making sure that the condition of moderation and homogeneity of variance was not met, and comparing the values of the averages of (13) indicators in both models, so the results resulted in the presence of statistically significant differences in the average of the values of the multiple correlation coefficient (R^2), the modified coefficient of determination, the regression coefficient (b2), the value of (Beta2), the value of (f), the value of (T1) and the value of (T2) in favor of the model of absence of the suppressive variable (Model 2), and the presence of statistically significant differences in the average values of the standard error, the level of significance (F), the level of significance (T1), and the level of significance (T2) in favor of the presence of suppressive variable (Model 1).
Keywords:Bivariate multiple regression, suppressor variable, simulation.