Kilo vermeyi etkileyen faktörlerin ikili lojistik regresyon analizi ile incelenmesi

Abstract

Bu tez çalışmasında, regresyon modellerinden biri olan lojistik regresyon incelenmiştir. Diğer istatiksel model tekniklerinden farkı bağımlı değişkenin kategorik olması, bağımsız değişkende ise sınırlama olmaması ve negatif olasılıklarla karşılaşma durumunun olmamasıdır.Bu çalışma Malatya'da hizmet veren spor salonlarında, beslenme kulüplerinde ve halka açık alanlarda kilo vermeye çalışan bireylerden alınan verilerden yararlanılmış olup tez için belirlenen risk faktörlerine göre binary lojistik regresyon modeli incelenmiştir. Bu amaçla bir anket hazırlanmış ve bu anket sonucu elde edilen veriler IBM SPSS Statiscits 23 paket programı kullanılarak analiz edilmiştir.Çalışmanın sonucunda orijinal veriler üzerine yapılan analizde 22 faktörün kilo vermeyi etkilediği bunlardan 6 faktörün kilo vermeyi olumsuz yönde etkilerken 16 faktörün olumlu yönde etkisi olduğu görülmüştür.Anahtar Kelimeler: Kilo verme etkenleri, Lojistik Regresyon, İkili Lojistik Regresyon

Inthisthesis, logistic regression which is one of the regression models is examined. The difference from other statistical model techniques is that the dependent vaiable is categorical, there is no limitation in the independent variable and there is no possibility to encounter negative probabilities. Inthisstudy, data obtained from individual strying to löse weight in sportshalls, nutritionclubs and publicareas in Malatya has beenused and binary logistic regression model has been examine daccording to the risk factors determinedfor the thesis.In this goal, a survey was prepared and with thein formation accuired with the result of the surveye valuated by getting analized in the 23 package program of IBM SPSS Statistics.As a result of the study, in the analysis made on the Original data, it has been Observed that 22 factors affect weight loss. Among those factors, 6 factors nevatively affect weight loss while 16 factors positively affect weight loss.Keywords:Weight, WeightLoss factors, Logistic Regression, Binary Logistic Regression.