毕业生就业心理的对数线性模型分析.pdfVIP

毕业生就业心态的对数线性模型分析 第一章 前 言 1.1 对数线性模型分析简介 社会科学、医学、心理学等研究领域经常要涉及名义测度等级变量。比如， 我国人口普查中的民族、婚姻状况、地区类型，医药和流行病研究资料的分析等 都属于分类选择答案的问题，也就是说这些问项形成的变量就是名义测度等级的 分类变量。有人曾经做过统计，美国 1975 年进行的总体社会调查 （General Social Survey）中一共有310 个变量，其中有 107 个二分类变量和 148 个多分类变量， 分类变量数占了所有变量的 82 ％。因此分类变量的分析构成了社会科学、医学、 心理学等领域研究的一个重要部分。 1.1.1 传统交互表分析的缺点 传统的分类变量统计方法是采用简单的频数或频率的交互表分析，也有一些 测量相关的指标以及相应的统计检验方法。当我们只对一个分类变量列出其各类 的频数的时候，这还不是交互表。它只反应单变量频数的分布，而单变量的频率 就是每类频数所占的比例。只有对两个或多个分类变量之间的频数交互类标，才 形成交互表。所以，交互表所要反映的是变量之间的关联。 那么，交互表是如何反映变量之间关联的呢？实际上，无论是简单的交互表 还是复杂的交互表，其中分布的所有频数之间的关联都可以分解为两种不同性质 的效应基本类型。一种反应了变量自身的频数分布影响，称之为主效应；另一种 反应变量之间关联所产生的效应，称之为交互效应。所谓简单的交互表，即变量 很少，且变量中的分类很少，比如两个二分类变量构成的频数交互表是一张二维 交互表，那么其主效应只有两个，而交互效应只有一个。当变量数增加时，交互 表的维数就会增加，相当于多张二维交互表。当变量中的分类数增加时，每一张 二维交互表就会变大。当变量中的分类数增加时，每一张二维交互表就会变大。 但是不管变量数怎么增加或变量中的分类数怎么增加，仍然可以将整个频数分布 分解为主效应和交互效应，只不过两类效应各自的项数有所增加而已，尤其是交 互效应的项数会增加很快。 常规频数表统计方法通常只分析两个变量之间的联系，这样的交互表即使是 直接审阅也可以看出频数在交互单元中变化的大体趋势。但是当进行分类变量的 多元分析时，常规统计方法就无法把握变量之间的关系了。多维交互表其实是以 多个有内在联系的二维表构成的，由于将整个频数分布切割为多张表，使得本来 就很庞杂的信息处于系统性很差的状况，因此很难把握。 在实际研究中，经常可以见到研究人员采用另外的替代方法，即一次只分析 两个变量之间的交互表，经过多个两两交互分析，企图再拼凑形成对于多个分类 - 1 - 毕业生就业心态的对数线性模型分析 变量之间复杂联系的整体理解。尽管这种做法也能得到一些发现，然而根据方法 论的原则，正如多个简单回归并不能替代多元回归一样，这种缺乏综合性的分析 方式是不可能以多个个别分析真正迭加出整体的多元联系的。 这种分析方式存在着很多内在局限性： （1）失去了对多元变量之间的交互联系的分析 由于整个频数分布被分成 多张二维交互表，因此只能大致分析每一张二维交互表的主效应和交互效应，而 更多变量之间的联合交互效应以及多变量之间的关联，便不能得到有效分析。 （2 ）在进行两个变量之间的关联分析时缺乏必要的统计控制 多元统计的 优越性之一是其对于任何两个变量之间关系的分析是在控制模型中其他变量作 用的条件下进行的，所以，它对于变量之间的关系的定量描述都是以“偏系数” 的形式提出的。或者说，多元分析反映一个变量对另一个变量的“净贡献”，因 为它无法将其他变量的作用排除在外。两两交互表分析就是简单分析，由于其分 析模型中不包含其他变量，因而也不能对于其他变量进行控制。特别值得注意的 事，这种简单的两两交互表分析的并不是以有内在联系的多张二维交互表构成的 多元频数交互表，而是互相割裂的简单交互表。 （3 ）不能准确定量描述一个变量对另一个变量的作用幅度 这个问题涉及 的不是简单交互表分析方法论上的缺陷，而是指其所利用的常规交互表分析技术 的缺点。比如，常常存在对于交互频数的卡方检验的错误理解，以为它是描述作 用幅度的指标。实际上它只相当于相关分析中对相关系数 r