首页
学习
活动
专区
工具
TVP
发布
精选内容/技术社群/优惠产品,尽在小程序
立即前往

SPSSAU教程05:相关回归分析指标解读

高中政治课上,大家一定都听过,唯物辩证法中讲,万事万物都处于普遍的联系之中。从数据分析的角度看,所有事物之间存在着两种关系:函数关系和统计关系。

函数关系是指两事物之间存在着一种一一对应的关系,当一个X确定,对应的变量Y也可以随之完全确定(即有唯一值)。比如乘车计费,里程数和费用之间,当行驶的里程确定,也可以得到唯一确定的收费数。

然而现实生活中,事物之间并不全都是一一对应的关系,因此另一种统计关系也普遍存在。统计关系就是这种非一一对应的关系。这些事物之间存在着某种非确定关系,变量关系研究就是为了分析确认事物之间的关系情况。

针对变量关系研究方法,包括了相关关系研究以及影响关系研究,大致将常用分析方法归纳为:相关分析,线性回归分析,Logistic回归分析,SEM结构方程

1 相关分析

(1)指标解读

相关分析结果表格

从相关分析方法角度看,其并不区分X和Y,但从实际意义上看,通常是研究X和Y的相关关系。

指标解读

(2)分析步骤

 在相关分析之前,建议可使用散点图直观查看数据之间的关系情况。

 判断是否有关系(有*号则表示有关系,否则表示无关系);

 接着判断关系为正相关或者负相关(相关系数大于0为正相关,反之为负相关);

 最后判断关系紧密程度(通常相关系数大于0.4则表示关系紧密)

2 回归分析

线性回归分析是一种研究X对于Y的影响关系的分析方法。问卷研究中最为常见,多数情况下可以使用线性回归分析进行假设验证。

(1)指标解读

回归分析结果表格

结果解读

(2)分析步骤

 首先分析模型拟合情况,即通过R平方值分析模型拟合情况,以及可对VIF值进行分析,判断模型是否存在共线性问题【共线性问题可使用岭回归或者逐步回归进行解决】;

 写出模型公式(可选);

 分析X的显著性;如果呈现出显著性(P值小于0.05或0.01);则说明X对Y有影响关系,接着具体分析影响关系方向;

 结合回归系数B值,对比分析X对Y的影响程度(可选);

 对分析进行总结。

3 Logistic回归

Logistic回归分析也用于研究影响关系,即X对于Y的影响情况,此处涉及的Y值是定类数据。其与线性回归分析区别在于,线性回归分析的因变量Y属于定量数据,而Logistic回归分析的因变量Y属于分类数据。

(1)Logistic回归分类

结合Y值的具体情况,Logistic回归分析共分为三种,分别是二元Logistic回归分析,多元无序Logistic回归分析和多元有序Logistic回归分析。分类情况如下表所示。

在问卷研究中,二元Logistic回归分析的使用频率最高,该方法简单易懂,多元无序Logistic回归分析,或者多元有序Logistic回归分析相对较为复杂,并且在具体分析时较难描述和理解。本部分仅对二元Logistic回归分析进行说明。

(2)指标解读1

模型似然比检验结果

指标解读

分析步骤:

第一:首先对P值进行分析,如果该值小于0.05,则说明模型有效;反之则说明模型无效;

第二:AIC和BIC值用于多次分析时的对比;此两值越低越好;如果多次进行分析,可对比此两个值的变化情况,综合说明模型构建的优化过程;

第三:其余指标为中间计算过程值,基本无意义。

(3)指标解读2

指标解读

这个表格用于研究X对于Y的影响关系情况,表格中有意义的指标信息包括:P值,回归系数,OR值和R Pseudo R²。其它指标包括标准误,Z值,95%CI值意义相对较小。

二元Logit分析的步骤:

第一:对模型整体情况进行说明,比如对R方值进行描述,以及列出模型公式;

第二:逐一分析X对于Y的影响情况;如果X对应的P值小于0.05则说明X会对Y产生影响关系,此时可结合OR值进一步分析影响幅度。

第三:总结分析结果。

其他说明

Y对应的数字一定只能为0和1;如果不是,可以使用‘数据编码’功能设置;

如果模型预测准确率较低,需要多次进行分析对比,找出最优的模型结果;

如果X是定类数据,此时需要对X进行虚拟(哑)变量设置。

如果X的个数非常多(比如超过10个),此时需要进行甄别选择出有意义的X(比如使用方差分析或者卡方分析,选出X与Y有显著差异的X放入二元logit回归模型中)。

更详细的方法说明以及具体原理介绍,可查看SPSSAU官网,以及可使用SPSSAU上面的案例数据,进行实际的操作分析。

  • 发表于:
  • 原文链接https://kuaibao.qq.com/s/20190326A0BBCY00?refer=cp_1026
  • 腾讯「腾讯云开发者社区」是腾讯内容开放平台帐号(企鹅号)传播渠道之一,根据《腾讯内容开放平台服务协议》转载发布内容。
  • 如有侵权,请联系 cloudcommunity@tencent.com 删除。

扫码

添加站长 进交流群

领取专属 10元无门槛券

私享最新 技术干货

扫码加入开发者社群
领券