社会统计分析方法（第二版） 课件 郭志刚 第8--15章 对数线性模型---对应分析.pptx

第八章对数线性模型;SPSS教程：对数线性模型(进来看看交互项是咋回事)

/s?src=11timestamp=1530965028ver=984signature=lms5OeK2oA8bURoCqAqrJ58HHb7qYpd7k1CT81isXVymUNXH8i37VBlggboWBsnAn2xnCduJ4GrsilH3EBNk4CfHUBwhxeassZQPK2rGG0Qa9PWRWuk0hqgJDskTHFr7new=1;对数线性模型之一(逻辑回归),广义线性模型学习总结

/lilyth_lilyth/article/details本书所介绍的其他多元分析方法大多都要求全部变量或一部分变量为间距测度等级，然而本章所介绍的对数线性模型技术则是应用于纯粹分类变量的多元统计方法。第一节通过对常规交互表分析方法缺点的讨论，来概括对数线性模型对于分类变量分析的重要发展。第二节借助一个简单的交互表数据介绍对数线性模型的基本原理，以及如何在广义线性模型框架下以ＳＰＳＳ进行对数线性模型分析。第三节以实际调查数据为例简要示范了如何应用ＳＰＳＳ软件进行对数线性模型分析。第四节讨论对数线性模型与logistic回归之间的关系。;一、从常规交互表分析到对数线性模型分析;这种分析方式存在着很多内在局限性。

１．失去了对多变量之间的交互联系的分析

２．在进行两个变量之间的关联分析时缺乏必要的统计控制

３．不能准确定量描述一个变量对另一个变量的作用幅度

;（二）对数线性模型的发展;二、对数线性模型基础;（一）交互表的类型;（二）交互表的结构;（三）独立性的卡方检验;（四）交互表的对数线性模型化;１．一般性设定;２．若干特殊模型;３．参数的规范化约束;４．优势比与对数线性模型;５．采用ＳＰＳＳ拟合对数线性模型;６．模型拟合评价与比较;三、例２：夫妇的教育程度匹配分析;四、对数线性模型与ｌｏｇｉｓｔｉｃ类回归模型之间的联系;（一）对数线性模型与logistic回归之间的联系;（二）对数线性模型与多项logistic回归模型之间的联系;（三）对数线性模型与logistic回归模型之间的联系;小结;基本概念;本章要点;本章要点;参考文献;第九章多元方差分析;课外链接;课外链接;课外链接;多元方差分析的主要用途是同时分析和检验不同类别在多个间距测度等级变量上是否存在显著差别。这种方法由Ｓ．Ｓ．Ｗ???ｌｋｓ在１９３２年所创建，后来又得到逐步发展和完善。现在，许多统计软件中都已经具有多元方差分析的功能。但是，这种方法在我国社会科学研究中的应用尚属少见，有待得到推广。;一、简介多元方差分析与一元方差分析的关系;二、多元方差分析的数据要求和假设条件;多元方差分析是在一定假定条件下进行的。只有这些假定条件得到满足，多元方差分析才可能得到适当的应用。这些条件包括以下几点。

１．案例来自随机抽样

２．各因变量均为正态分布且方差相等

３．各因变量之间为多元正态分布;三、例题数据及三个分析模型;四、第一模型：单因素二元模型;（一）用spss检查因变量是否为正态分布;（二）spss多元方差分析中对单因素模型及其他检查的设置;（三）第一模型分析输出的结果及讨论;（四）关于第一模型分析的小结;五、多元方差分析与一元方差分析区别的图示说明;六、第二模型：双因素二元饱和模型;（二）第二模型分析输出的结果及讨论;七、第三模型：双因素二元非饱和模型;（二）第三模型分析输出的结果及讨论;总之，第三模型的多元检验结果表明，由于因素ｒｕｒ仍不显著，因此尽管因素ｎａｔ已经取得十分显著的结果，但并不是最终结果。我们应该继续从模型中删除因素ｒｕｒ，专门对ｎａｔ进行检验，而这个模型正是我们作为第一模型示范的单因素模型，结果是ｎａｔ非常显著，说明从多元方差分析表明，各民族之间存在显著差异。

比较三个模型对ｎａｔ的检验结果，实际上最简单的第一模型（单因素模型）要比第三模型（双因素非饱和模型）更显著，而第三模型又比第二模型（双因素饱和模型）更显著。尽管本例中不同模型显示出删除其中一个最不显著的效应项会使统计结果向较显著的方向变化，但需要说明，其实这样做的结果既有可能会提高其余效应项在新的检验的显著度，但也有可能会导致它们变得更不显著。;此外还需要说明，在多因素模型检验的实际研究中，最不显著的效应并不一定就是交互效应（或者是其中最高阶的交互效应），完全有可能出现交互效应显著，而涉及的主效应却不显著。这时读者可能会产生误解：将涉及的主效应删除会导致不能形成相应交互效应，因而便不再继续调整模型进行检验。实际上，这种顾虑没有必要，ＳＰＳＳ允许各种各样的模型设置，甚至可以在模型设置时将所有主效应都删除掉而保留由它们形成的交互效应。只不过由于这种情况比较少见，ＳＰＳＳ在检测到这种模型设置时会弹出一