事物间的因果关系回归分析.ppt

资料仅可参考，如有不妥，请联系本人改正或者删除。 * 资料仅可参考，如有不妥，请联系本人改正或者删除。 * 资料仅可参考，如有不妥，请联系本人改正或者删除。 * 资料仅可参考，如有不妥，请联系本人改正或者删除。 * 资料仅可参考，如有不妥，请联系本人改正或者删除。 * 资料仅可参考，如有不妥，请联系本人改正或者删除。 * 资料仅可参考，如有不妥，请联系本人改正或者删除。 * 资料仅可参考，如有不妥，请联系本人改正或者删除。 * 资料仅可参考，如有不妥，请联系本人改正或者删除。 * 资料仅可参考，如有不妥，请联系本人改正或者删除。 * 资料仅可参考，如有不妥，请联系本人改正或者删除。 * 资料仅可参考，如有不妥，请联系本人改正或者删除。 * 资料仅可参考，如有不妥，请联系本人改正或者删除。 * 资料仅可参考，如有不妥，请联系本人改正或者删除。 * 资料仅可参考，如有不妥，请联系本人改正或者删除。 * 以上所列回归分析，其因变量和自变量都为定距变量或定比变量，即数量型的变量； 而在社会科学的研究中，会大量地涉及到名义型的变量即定类变量。如性别、职业、学历等； 对于定类变量，可以引入虚拟变量来进行回归分析。 虚拟变量都是0、1变量，1代表属于该类别，即“是”；0代表不属于该类别，即“否”。 0、1变量的均值含义为属于该类别的样本占总样本的比例，因此可以进行回归。 当定类变量有k个类型时，需设置k-1个虚拟变量。 剩下的1个为参照类。 当k-1个虚拟变量都取值为0时，该样本就属于参照类。 例：将数据“社团.sav”中的sex、grade转换为虚拟变量。 原变量编码值 代表的类别 虚拟变量的赋值 sex=1 男（参照类） sex=2 女 xusex=1,else=0 grade=1 本科新生（参照类） grade=2 其他高年级本科生 xugrade1=1,else=0 grade=3 硕士研究生 xugrade2=1,else=0 grade=4 博士研究生 xugrade3=1,else=0 用recode命令建立新的虚拟变量。 转换后，增加了4个虚拟变量 以参加社团活动的时间为因变量，以新建的四个虚拟变量为自变量，进行回归分析。设想的回归方程为：time=b0+b1· xusex+b2 · xugrade1+b3 · xugrade2+b4 · xugrade3 四个虚拟变量全部纳入回归方程 调整的确定系数R2：四个虚拟变量共同解释了93.9%的因变量变化。 对回归模型的显著性检验说明：回归方程的参数在总总体水平上是显著的，即有足够的把握认为总体的回归斜率不为0。 建立回归方程： Time=23.87-1.63xusex-1.96xugrade1-17.35xugrade2-18.77xugrade3 自变量的回归系数 p值小于0.05，说明该自变量的回归系数在统计上是显著的，即有足够的把握认为b不为0。 所有自变量的p值均小于0.05，因此没有剔除自变量，全部纳入回归方程。 回归方程的含义： Time=23.87-1.63xusex-1.96xugrade1-17.35xugrade2-18.77xugrade3 就性别而言，男生是参照类 女生比男生每周参加社团活动的时间少1.63小时； 就年级而言，大一新生是参照类 其他高年级本科生比大一新生每周参加社团活动的时间少1.96小时； 硕士研究生比大一新生少17.35小时； 博士研究生比大一新生少18.77小时。 1、针对数据“千人成本.sav”建立回归方程，分析电视机拥有率对千人成本的影响。 2、针对数据“人均食品支出.sav”建立回归方程，分析影响人均食品支出的主要因素。 3、针对数据“公司改革.sav”建立回归方程，分析影响公司改革进度的主要因素。 资料仅可参考，如有不妥，请联系本人改正或者删除。 * 资料仅可参考，如有不妥，请联系本人改正或者删除。 * 资料仅可参考，如有不妥，请联系本人改正或者删除。 * 资料仅可参考，如有不妥，请联系本人改正或者删除。 * 资料仅可参考，如有不妥，请联系本人改正或者删除。 * 资料仅可参考，如有不妥，请联系本人改正或者删除。 * 资料仅可参考，如有不妥，请联系本人改正或者删除。 * 资料仅可参考，如有不妥，请联系本人改正或者删除。 * 资料仅可参考，如有不妥，请联系本人改正或者删除。 * 资料仅可参考，如有不妥，请联系本人改正或者删除。 * 资料仅可参考，如有不妥，请联系本人改正或者删除。 * 资料仅可参考，如有不妥，请联系本人改正或者删除。 * 资料仅可参考，如有不妥，请联系本人改正或者删除。 * 资料仅可参考，如有不妥，请联系本人改正或者删除。 * 资料仅可参考，如有不妥，请联系本人改正或者删除。 * 资料仅可参考，如有不