量表的制作-sites@duke

《量表的制作-sites@duke》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、STATADemo讲授人：俞振华复回归分析一、复回归（multiplelinearregression）简单说，就是在线性回归分析中放入二个以上的自变量，以解释在控制其它相关变量下，某一个X对Y是否仍具有显著的影响？影响又有多大？在操作上如同简单回归，如果是「语法」，即在X1后面直接加入X2、X3……；如果是「窗口点选」，也直接在independents框框中加入X2、X3……即可。范例说明：我们假设台湾选民对于马英九的评价（q03a—mascore）受到对国民党评价（p02a—kmtscore）

2、及民进党评价（p02b—dppscore）的影响，故尝试以回归分析进行检证。.gendppscore=p02b.replacedppscore=.ifdppscore>10.labelvardppscore"0-10dpppreferredscore"程序语法：regYX1X2X3[iw=weightingvar.].regmascorekmtscoredppscore[iw=w]7STATADemo讲授人：俞振华二、虚拟变量（DummyVariable）的操作与解释在进行回归分析时，若有欲放入模

3、型之X为「类别变量」时，必须先转换成「虚拟变量」（dummyvariable），以0、1代表后，才能放入模型中，至于设定为0的类别，即是被比较的基准组。例如二分类的「性别」，可用1代表女性、0代表男性，若是三分类以上的（如年龄层、教育程度），亦设定一类为0，另两类为1。至于类别变量在经虚拟转换后，将变成原来类别变量的类别数减1，也就是原来变量的value有两类，虚拟变量即为一个；原来变量的value有三类，虚拟变数即为两个，依此类推，而未被转换的那一个value即当作比较的基础（base）。兹以下

4、表来说明：虚拟变项高　　中原变项高：1中：2低：31　　00　　10　　0范例说明：我们假设台湾选民对于马英九的评价（mascore），除了受到对国民党评价（kmtscore）及民进党评价（dppscore）的影响外，也会受到选民的「性别」（gender转成female）与「省籍背景」（sengi4）的影响，故尝试以回归分析进行检证，除了原来的连续变量的X外，再将新创立的虚拟变量投入模型中。.recodegender(1=0)(2=1),gen(female).labeldefinefemale0

5、“male”1“female”.labelvaluesfemalefemale程序语法：regYX1X2X3[iw=weightingvar.].regmascorekmtscoredppscorefemalei.sengi4[iw=w].fvsetbase4sengi4.regmascorekmtscoredppscorefemalei.sengi4[iw=w]7STATADemo讲授人：俞振华三、共线性（multi-collinearity）检测由于复回归分析中，自变量彼此间多少会有一定程度的

6、相关性，但彼此的相关性若太高，将会致使S.E.受到高估，导致β值不显著。征兆：当回归模型的R2很高，但理论上的自变量却不显著时，即有可能发生multi-collinearity。检测方式：直接看统计报表中的VIF值（varianceinflationfactor）。它的原理是将自变量间彼此透过回归分析的方式（轮流当Y），来检测自变量间的R2大小，当然，自变量之间的R2愈小愈好，表示彼此之间不存在高度的解释力。其中，(1/VIF)即是自变量彼此之间无法解释的部分（1－R2），又被称之为「tolera

7、nce」，当然愈大愈好，反之VIF的值愈小愈好。至于VIF的值要多大才算有multi-collinearity？一般而言，通常如果其中一个变量的VIF值大于10（也就是自变量彼此间的R2，达0.9以上），即表示自变量间存在multi-collinearity。软件操作：在完成回归分析的语法后，再输入vif即可呈现。7STATADemo讲授人：俞振华窗口操作：（Stata）「Statistics」→「Linearmodelandrelated」→「regressiondiagnostics」→「Sp

8、ecificationtests,etc」，即会出现检测的对话框。进一步在对话框中选择VIF。7STATADemo讲授人：俞振华解决方式：（1）针对高度相关的自变数进行删减，或思考将这些高度相关的自变量建立成为一个量表后，再放入回归模型中。（2）centering，就是将高度相关的自变量减去该变量的平均数，让变量的分布向0靠拢，这通常会用在探讨「U型」或「倒U型」曲线关系的自变项上，例如：年龄与投票参与的关系，年轻时向上升、中年时到达高峰、老年时下滑。7STATADemo讲授人：俞