多元廻歸分析(MultipleRegression)-NCNUMoodle課程.pptVIP

多元廻歸分析(Multiple Regression) 多元迴歸分析 【研究問題】： 學生性別、數學焦慮、數學態度、數學投入動機是否可有效預測學生的數學成就？其預測力如何？ 工作壓力的五個層面:工作負荷、人際關係、專業知能、學生行為、角色衝突可否有效預測學校效能 班級經營的七大內涵: 教學活動經營、訓育工作、輔導工作、行政事務、人際關係、情境規劃、親師合作等可否有效預策班級氣氛。 方法說明 （1）多元迴歸一般型式： Y ＝ X1＋X2＋…＋Xm （計量） （計量） （2）利用複迴歸分析可解答的問題： 能否找出一個線性結合，用以簡潔地說明一組預測變數（Xi）與一個準則變數（Y）之間的關係？ 如果能的話，此種關係的強度有多大，亦即利用預測變數的線性結合來預測準則變數的能力如何？ 處理流程 多元迴歸模式四項基本假定 準則變數與預測變數的直線關係。 誤差項的變異數相等。 誤差項的獨立性。 誤差項分配的常態性。 適用時機 自變項(預測變項)為連續變項；依變項(效標變項)也是連續變數。如果自變項為類別變項最好不要納入廻歸分析中，除非此類別變項與效標變相的關係甚為密切。 SPSS選取變項方法 強迫進入變數法(enter) 逐步多元廻歸分析法(Stepwise) 向前進入法(forward) 向後進入法(backward) 刪除法(remove) 一般建議，應先使用強迫進入法與逐步多元分析法。 共線性(Collinarity)問題 Multiple Regression要注意共線性問題，所謂共線性是指由於自變項的相關太高，造成廻歸分析之情境困擾。 如何判別自變項之間是否有多元共線性問題 容忍度(tolerance) 1-R2，容忍度介於0至1間，容忍度愈接近0表示共線性問題嚴重。 變異數膨脹因素(variance inflation factor, VIF)為容忍度的倒數，VIF值愈大，表示自變項容忍度愈小，愈有共線性問題，一般而言，VIF大於10時，表示有共線性問題。 條件指標(condition index, CI) ，CI值愈大，愈有共線性問題，CI在15以上有多元共線性問題，CI值 30以上表問題嚴重。 避免迴歸分析時多元共線性 為避免迴歸分析時多元共線性問題，應先進行自變項間的相關分析，呈現自變項間的相關矩陣，如果發現有兩個自變項間的相關很高(.75以上) ，只要挑選一個比較重要的變項納入廻歸分析即可。 實例分析 某一公司愈進行員工工作滿足之研究，經過文獻探討與思考之後，建立了以下之觀念架構，自變數與依變數均以李克特七點尺度量表來表示。 模式摘要表 逐步多元廻歸分析法(Stepwise) 逐步多元廻歸分析法中，第一個進入廻歸方程的變數，必定是最能解釋Y的變異程度的自變數，這個程序一直持續到所有顯著的自變數用完為止。這種方法可以避免共線性的問題 SPSS demo * * *