数线性模型及其在实际中应用.docVIP

数线性模型及其在实际中应用 　　摘要：我们已经可以在很多方面使用对数线性模型，它为我们提供了一种分析问题的方法，文章前半部分给出了它的推导过程，使用对数线性模型对一个实际问题进行分析。 　　关键词：对数线性模型 应用 　　 　　某综合大学从已经毕业5年的文理科学生中随机抽取了300人进行收入水平的调查，按照高（3000元及3000元以上），中（1500元及1500元以上，3000元以下），低（1500元以下）三种水平得到如下调查表（见表1）： 　　表1某大学调查表 　　专业归属（X） 性别（Y） 收入水平（Z） 　　 高（k=1） 中（k=2） 低（k=3） 　　文科（i=1） 男（j=1） 28 45 12 　　 女（j=2） 10 37 24 　　理科（i=2） 男（j=1） 22 31 23 　　 女（j=2） 8 25 35 　　 　　拟合优度检验 　　（一）检验目标 　　①H0：模型（1）与模型（9）没有差异 　　②H0：模型（2）与模型（9）没有差异 　　③H0：模型（3）与模型（9）没有差异 　　④H0：模型（4）与模型（9）没有差异 　　⑤H0：模型（5）与模型（9）没有差异 　　⑥H0：模型（6）与模型（9）没有差异 　　⑦H0：模型（7）与模型（9）没有差异 　　⑧H0：模型（8）与模型（9）没有差异 　　（二）用SPSS完成上述检验 　　首先，八个检验分列： 　　①H0：模型（1）与模型（9）没有差异 　　Goodness-of-Fit Tests（a，b） 　　 Value df Sig. 　　Likelihood Ratio 32.649 7 .000 　　Pearson Chi-Square 31.800 7 .000 　　 　　aModel: Multinomial 　　bDesign: Constant + X + Y + Z 　　②H0：模型（2）与模型（9）没有差异 　　Goodness-of-Fit Tests（a，b） 　　 Value df Sig. 　　Likelihood Ratio 32.561 6 .000 　　Pearson Chi-Square 31.337 6 .000 　　 　　aModel: Multinomial 　　bDesign: Constant + X + Y + Z + X * Y 　　③H0：模型（3）与模型（9）没有差异 　　Goodness-of-Fit Tests（a，b） 　　 Value df Sig. 　　Likelihood Ratio 22.061 5 .001 　　Pearson Chi-Square 21.468 5 .001 　　 　　aModel: Multinomial 　　bDesign: Constant + X + Y + Z + X * Z 　　④H0：模型（4）与模型（9）没有差异 　　Goodness-of-Fit Tests（a，b） 　　 Value df Sig. 　　Likelihood Ratio 10.975 5 .052 　　Pearson Chi-Square 10.889 5 .054 　　 　　aModel: Multinomial 　　bDesign: Constant + X + Y + Z + Y * Z 　　⑤H0：模型（5）与模型（9）没有差异 　　Goodness-of-Fit Tests（a，b） 　　 Value df Sig. 　　Likelihood Ratio 22.061 5 .001 　　Pearson Chi-Square 21.468 5 .001 　　 　　aModel: Multinomial 　　bDesign: Constant + X + Y + Z + X * Z 　　⑥H0：模型（6）与模型（9）没有差异 　　Goodness-of-Fit Tests（a，b） 　　 Value df Sig. 　　Likelihood Ratio 10.887 4 .028 　　Pearson Chi-Square 10.806 4 .029 　　 　　aModel: Multinomial 　　bDesign: Constant + X + Y + Z + X * Y + Y * Z 　　⑦H0：模型（7）与模型（9）没有差异 　　Goodness-of-Fit Tests（a，b） 　　 Value df Sig. 　　Likelihood Ratio 21.973 4 .000 　　Pearson Chi-S