南台科技大学企管所硕士专班二元逻辑斯回归分析多变量分析方法.docVIP

南台科技大學企管所碩士專班 二元邏輯斯迴歸分析 多變量分析方法 平時作業（2） 指導老師：呂金河教授 學生：N9970104張國玲 中華民國100年10月30日 SPSS分析作業： 探討美國區域內1517位受訪者之性別（sex）、區域（region）、父親的最高學歷 、母親的最高學歷、配偶的最高學歷為預測變項（X），是否能有效預測對受訪者最高學歷為效標變項（Y）能影響其受教育程度的高低。 將類別變項資料作處理 因性別（sex）、美國區域（region）為類別變項，須轉換成虛擬變項，因邏輯斯迴歸分析有可自行編碼類別變項功能，故將性別（sex）及美國區域（region）選至『類別共變量』中，系統自動設定以最後一類當「指標」自行編碼。 將最高學歷（Y）效標變項區分為兩個觀察值，0~9年→0（國中以下）低學歷；10年以上→1（高中以上）高學歷。 分析資料： 研究二個或多個量化變數間是否有「關係」存在，因控制實驗可分為自變數及依變數二群資料，來決定自變數如何影響依變數，故採Dependence methods。 因自變數多個（如下），為量度資料（Metric），（雖此處性別、美國區域不是量的變項資料，但可變換成虛擬變項），而依變項（效標變項）為非計量性資料的間斷變項，而且為二分變項故採邏輯斯迴歸分析之（二元logistic regression）之分析方法。 SPSS操作步驟：分析資料(迴歸方法(二元邏輯斯迴歸分析(選擇依變數及共變量自變數(統計量(確定。 變項資料： 依變項：最高學歷 y 自變項： 性 別 sex(1) x1（1） 美國區域 region x2 region(1) x2（1） region(2) x2（2） 父親的最高學歷paeduc x3 母親的最高學歷 maeduc x4 配偶的最高學歷speduc x5 其中性別x1為類別變項（2類）轉換成sex(1) → x1（1），x2為類別變項（3類），因此以最後一組為參照組，轉換成region(1) → x2（1）、 region(2) →x2（2） 2個虛擬變項。 輸出結果並分析: （一）觀察值處理及變數編碼 觀察值處理摘要 未加權的觀察值(a) N 百分比 所選的觀察值 包含在分析中 535 35.3 遺漏觀察值 982 64.7 總和 1517 100.0 未選的觀察值 0 .0 總和 1517 100.0 a 如果使用加權的話，觀察值總數請參閱分類表。 ※分析說明: 樣本為美國區域內 1517位受訪者，有 982人遺漏觀察值，所以只作 535人的分析，佔全體受訪者之35.3％。 以下包含在分析中之人數皆為535人。 依變數編碼 原始值 內部值 0 0 1 1 ※分析說明: 依變數編碼0(0，1(1與原始設定相同 上面表格描述邏輯斯迴歸中的依變數是以依變數原始值(Original Value)為1的特質來計算機率，在此例題中，是以最高學歷（Y）為10年以上→1=1來計算機率，也就是結果中的機率為10年以上高學歷→1（高中以上）的機率。 類別變數編碼 次數 參數編碼 (1) (2) 美國區域 東北部 265 1.000 .000 東南部 124 .000 1.000 西部 146 .000 .000 應答者的性別 男性 241 1.000 女性 294 .000 ※分析說明: 上表描述解釋變數中類別變數與虛擬變數的關係，這對於結果的解釋相當重要。 因邏輯斯迴歸分析有自行編碼類別變項功能，此處將性別（sex）及美國區域（region）轉換成虛擬變項，系統自動設定以最後一類當「指標」自行編碼。 性別（sex）為類別變項分為（2類），所以必須用一個虛擬變數來量化，此處女性0為參照組，轉換成→男性1、女性0。 美國區域為類別變項分為（3類），所以必須用兩個虛擬變數來量化，因此以最後一組西部為參照組，轉換成2個虛擬變項，東北部（1）1 、（2）0，東南部（1）0 、（2）1，西部（1）0、（2）0。 （二）僅包含常數預測變項之邏輯斯迴歸 區塊 0:開始區塊 疊代過程(a,b,c) 疊代 -2 對數概似 係數 常數 步驟 0 1 247.980 1.821 2 201.242 2.608 3 196.053 2.980 4 195.909 3.056 5 195.909 3.058 6 195.909 3.058 a 模式中包含常數。 b 起始的 -2 對數概似：195