第8章多元回归分析第9张路径分析.pptVIP

第8章 多元回归分析 核心问题 5，学生性别、数学焦虑、数学态度、数学投入动机等变量是否有效预测学生的数学成绩？其预测力如何？ 多元回归分析：逐步回归 －顺向选择法 －反向剔除法 逐步多元回归（stepwise) --顺向选择法 -与效标变量相关最高者，首先进入回归方程。 -根据每个预测变量与效标变量间之“净相关（partial correlation）”的高低来决定进入方程式的顺序。 --反向剔除法 -全部进入，然后剔除贡献小的，直至剩余皆显著 强迫输入法（enter）或层次式进入法（hierarchical enter），原则：根据研究者事先的假设，决定哪些变量进入方程（即变量重要性层次）。 共线性（collinarity）问题 由于自变量间的相关性太高，造成回归分析之情境困扰。 容忍度：1－R2，其中R2是此自变量与其它自变量间的多元相关系数的平方，此时变量之R2值太大，代表模式中其它自变量可以有效解释这个变量。 变异数膨胀因素：容忍度的倒数 条件指针，CI值越大，愈共线性 压迫效用（suppress effect）：自变量太多引起的。 R squared change：后面方程比前面方程所提高的自变量对因变量解释量。即增加的自变量对因变量解释的额外贡献。 操作 虚拟变量 Stepwise Enter 在回归分析中，如果自变量的个数很多，有时候就要以调整后的决定系