传播方法论调查方法3：多点元线性回归分析.ppt

回归是相关分析的深入 回归分析的结果是建立一个数学模型以表达变量之间的关系——在分析观测数据的基础上，确定一个能反映变量之间关系的近似函数表达式 注意 回归模型只是整个研究方案中的一环，它必须依赖理论和经验的支撑，服从研究设计的需要，在研究方法论的指导下展开 （一）回归方程与线性回归方程 两变量x与y 对于确定的xi，yi是随机变量，可计算其均值——回归方程是研究自变量不同取值时，y的均值的变化 当因变量y的均值与自变量x呈线性规律时，称线性回归方程 根据x个数不同，分为一元线性回归、多元线性回归 关于模型 现实数据=模型+误差 没有误差的不是模型，是复制 设置模型一般而言是希望用简洁的方式表述复杂信息，达到较好的精确度 （二）回归方程的建立与最小二乘法 回归分析的目的：找出错误最小的方法来预测因变量的数值 拟合思路：各点到待估直线铅直距离之和为最小——最小二乘法 线性回归方程式不但有简化资料的作用，而且可以推广应用于预测或估计样本以外之个案的数值 回归系数的意义： b值的大小表示每增加一个单位的x值，y值的变化有多大 （三）回归方程的检验 F检验 三 多元线性回归模型 （一）回归方程的建立 （三）标准化回归系数 标准化回归系数的意义 可以比较几个自变量对因变量影响程度的大小 是衡量 Y的所有变异中由所有自变量的差异共同解释的比例 越高, 模型拟合数据的程度就越好。 当加入新的变量时， 只升不降。 由于常常是随着自变量数目的增加而增加, 所以直接比较 没有太大的意义。 （一）回归方程的显著性检验 （二）回归系数的显著性检验 （三）回归系数不显著的原因 （三）回归系数不显著的原因 六　虚拟变量的应用 虚拟变量 一个变量只有两个可能值1 or 0. 对于一个两分的变量: gender: 1. male 2. female 我们可以重新编码 1=male and 0=female. 由此, gender 就变成了一个虚拟变量 , 表示被访者是否男性 . 为什么要在回归分析中引入虚拟变量？ 有时我们社会研究的样本数据中观察的个体可以分成不同的组别。 组与组、或群体与群体间的在自变量和应变量的平均数会有差异 在这种情况下, 不控制组别特征的回归模型结果会导致 所估计的偏回归系数偏差。 特别是, 系数可能低估或者高估一个自变量对应变量的影响强度。 七 计算机操作演示 八 研究实例 多元线性回归 （multiple linear regression) 一　什么是回归 二　一元线性回归模型 三　多元线性回归模型 四　方程的解释能力 五　回归方程的检验和回归系数的推断统计 六　虚拟变量的应用 七　计算机应用 八　研究实例 参见郭志刚主编，《社会统计分析方法—SPSS软件应用》第二章， 中国人民大学出版社1999 1（多）个 定距（类）变量 线性关联 1个 定距变量 变量关系 函数关系 统计相关 回归的任务 （确定关系） 一、什么是回归 研究变量间的因果关系 预测 是否吻合预先构想 评价模型拟合度 求解模型参数 估计 二　一元线性回归 参见：卢叔华《社会统计学》，北京大学出版社1997 第十二章 回归与相关 （一）回归方程与线性回归方程 （二）回归方程的建立与最小二乘法 （三）回归方程的检验 社会现象的复杂性，需要深入探究，多元分析 多元线性回归的基本原理和基本假设同一元线性回归完全相同 多元回归模型一般表达式 建立的多元回归方程： 其中， 称y对x的回归系数或偏回归系数 可用最小二乘法求解 x及未包括进方程中的其他与x有关的一切因素对y的总影响 一元回归系数 偏回归系数：除去方程中其他因素对y的共同影响后，某自变量对y的边际影响 （二）回归系数的意义 多元回归系数 问题 需要判别所考察的因素的重要程度 解决 将回归系数标准化 做法 1、先将变量标准化，再 计算 2、利用回归系数计算 四　方程的解释能力 （一）确定系数 （二）调整的确定系数 （三）方差分析 （一）确定系数 （0～1） 回归方程解释的差异与用y均值解释的差异之比 模型中所有变量解释y的变化占总变化的比例 受奇异值影响 （二）调整的确定系数 自变量个数 样本规模 ＜(1:10) ＞(1:5) 自变量个数 样本规模 偏高 （三）方差分析 y的总变差平方和 回归平方和 余差平方和 五　回归方程的检验和回归系数的推断统计 实质 假设 计算 H0：B1＝B2＝…＝Bk＝0 ＝（BSS/k）/ [ESS/(n-k-1)] 在总体中，X1，…，Xk的变化都不引起Y的线性变化 P与a比较，决定是否拒绝H0 检验在a水平统计性