相关和简单回归分析

《相关和简单回归分析》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、STATADemo讲授人：俞振华相关与简单回归分析一、相关（Correlation）使用时机：当研究者想要了解两个连续变量之间的关系时，可以藉由计算两变量之间的相关系数，探知关系的「方向」（正负）及「强弱」（-1～1）。范例说明：我们想要了解台湾民众统独偏好「国民党」喜欢分数（p02a）与对「马英九」喜欢分数（q03b）之间的关系，可以借用TEDS2009M的调查访问资料，利用下列的语法来求得变量之间的相关系数。系数解释：1.两个变量之间的相关程度是依其系数的高低而定，一般而言：（1）0.0

2、ｒ

3、0.3弱（低度）相关（2）0.3

4、ｒ

5、0.7中等相关（

6、3）0.7

7、ｒ

8、1.0强（高度）相关2.在解释上必须注意两方面：（1）统计上的关系：显著或不显著（2）实质上的关系：ｒ的大小（X和Y的关系强弱程度）※重要提醒：两变量之间相关性的显著与否，与变量之间的强弱程度是不同的解释面向，P值愈小绝对不是相关度愈高，千万别搞混了～～～程序语法：（Stata）.genkmtscore=p02a.replacekmtscore=.Ifkmtscore>10.labelvarkmtscore“0-10kmtpreferredscore”.recodeq03b(95969798=.),gen(mascore).label

9、varmascore“0-10maying-jeoupreferredscore”.corrkmtscoremascore[aw=w],mean→列出相关系数及描述性统计量.pwcorrkmtscoremascore[aw=w],sig→列出统计检定值5STATADemo讲授人：俞振华窗口操作：「statistics」→「summaries」→「summary」→「correlations」，即会出现双变量相关分析的对话框，在「main」对话框中选择变量名称，在「weights」中选择权值（记得点选AnalyticWeight），在「options」

10、中选择列出描述性统计量。5STATADemo讲授人：俞振华5STATADemo讲授人：俞振华二、回归分析（RegressionAnalysis）使用时机：回归分析必须包含即「自变量X」与「依变量Y」，除了可以知道变量之间是否具统计上的显著相关外，更可以进一步测量X、Y之间的变动关系（即X每变动一个单位，Y变动几个单位）。而在进行回归分析时，依变量只能有一项，且必须是连续性数据，自变量则可为一个或二个以上的变量，且自变量的属性可以是连续数据亦可是类别数据，当只有一个自变量时，称为「简单回归分析」，有两个以上自变项时，则称「多元回归分析（复回归）」。但自

11、变量若是类别数据，则必须先转换成「虚拟变量」才能放入回归模型中。范例说明：（本次先以简单线性回归分析为例）与相关分析一样，我们想要了解台湾选民对「国民党」的喜欢分数（p02a—kmtscore），是否会对「马英九」的喜欢分数（q03b—mascore）造成影响？若有，影响的程度为何？即可以回归分析进行测量检定。【只有一个自变量（kmtscore），故为简单线性回归】程序语法：（Stata）regYX[iw=weightingvar.],mean→列出回归系数、资料及描述性统计量predictyhat→列出回归的估计系数βpredicte,resid→

12、列出回归的余值（residual）graphtwowaylfitYX

13、

14、scatterYX→简单回归的画图语法.regmascorekmtscore[iw=w],mean.graphtwowaylfitmascorekmtscore

15、

16、scattermascorekmtscore[aw=w]窗口操作：「statistics」→「linearmodels」→「linearregression」，即会出现双变量相关分析的对话框，在「Model」对话框中选择变量名称，在「Weights」中选择权值，在「Reporting」中选择统计的信心水平。5STATA

17、Demo讲授人：俞振华5