應用統計工作坊（一） 讓數字會說話.ppt

《應用統計工作坊（一） 讓數字會說話.ppt》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、迴歸分析RegressionAnalysis1簡單迴歸與多元迴歸SimpleandMultipleregression基本定義簡單迴歸：以單一自變項去解釋（預測）依變項的迴歸分析多元迴歸：同時以多個自變項去解釋（預測）依變項的迴歸分析各變項均為連續性變項，或是可為虛擬為連續性變項者方程式簡單迴歸：Y=b1x1+a多元迴歸：Y=b1x1+b2x2+b3x3+……+bnxn+a多元迴歸的特性：對於依變項的解釋與預測，可以據以建立一個完整的模型。各自變項之間概念上具有獨立性，但是數學上可能是非直交（具有相關）自變項間的相關對於迴歸結果具有關

2、鍵性的影響。2高等教育統計研究迴歸分析的統計原理：變異數拆解與Ftest利用回歸方程式，依變項Y變異量當中可以被解釋的部分稱為回歸變異量無法被解釋的部分稱為殘差變異量SSy=SSreg+SSres迴歸離均差誤差原始離均差Xi3高等教育統計研究迴歸可解釋變異量比（R2）迴歸可解釋變異量比，又稱為R2（Rsquare），表示使用X去預測Y時的預測釋力，即Y變項被自變項所解釋的比率。反應了由自變項與依變項所形成的線性迴歸模式的契合度（goodnessoffit）又稱為迴歸模型的決定係數（coefficientofdetermination

3、），R2開方後可得multipleR，為自變項與依變項的多元相關。此一數值是否具有統計上的意義，反映了此一迴歸分析或預測力是否具有統計上的意義，必須透過F考驗來判斷4高等教育統計研究AdjustedR2以樣本統計量推導出來的R2來評估整體模式的解釋力，並進而推論到母群體時，會有高估的傾向樣本數越小，越容易高估，解釋力膨脹效果越明顯，樣本數越大，膨脹情形越輕微校正後R2（adjustedR2），可以減輕因為樣本估計帶來的R2膨脹效果。當樣本數越小，應採用校正後R2。5高等教育統計研究迴歸係數(regressioncoefficient)

4、迴歸方程式Y=bX+aB係數：為一未標準化的迴歸係數，其意義為每單位X值的變動時，Y所變動的原始量B係數適用於實務工作的預測數值的計算係數：如果將b值乘以X變項的標準差再除以Y變項的標準差，即可去除單位的影響，並控制兩個變項的分散情形，得到新的數值（Beta），為不具備特定單位的標準化迴歸係數係數也是將X與Y變項所有數值轉換成Z分數後，所計算得到的迴歸方程式的斜率，該方程式通過ZX，ZY的零點，因此截距為0。係數具有與相關係數相似的性質，也就是介於-1至+1之間，其絕對值越大者，表示預測能力越強，正負向則代表X與Y變項的關係方

5、向。係數適用於變項解釋力的比較，偏向學術用途6高等教育統計研究多元共線性的檢驗對於某一個自變項共線性的檢驗，可以使用容忍值（tolerance）或變異數膨脹因素（varianceinflationfactor,VIF）來評估。Ri2為某一個自變項被其他自變項當作依變項來預測時，該自變項可以被解釋的比例，1-Ri2（容忍值）為該自變項被其他自變項無法解釋的殘差比Ri2比例越高，容忍值越小，代表預測變項不可解釋殘差比低，VIF越大，即預測變項迴歸係數的變異數增加，共變性越明顯。整體迴歸模式的共線性診斷可以透過特徵值（eigenvalue

6、）與條件指數（conditionalindex;CI）來判斷。各變量相對的變異數比例（varianceproportions），可看出自變項之間多元共線性的結構特性。當任兩變項在同一個特徵值上的變異數比例接近1時，表示存在共線性組合。7高等教育統計研究BasicassumptionstoregressionAssumptionsAssumptionsforresiduals(errorscores)ZeroMeanHomoscedasticIndependencewithpredictorsNormalityAssumptionsfo

7、rspecificationerrorsLinearrelationshipAllrelevantpredictorsmustbeincludedNoirrelevantpredictorscanbeincludedAssumptionsformeasurementerrorsRelevantmeasurementproceduresandvariableselectionsProvidenceofthegoodnessindexofmeasurement8高等教育統計研究IssuesinRegressionMulticollinea

8、rityTheoreticalissuesAnalyticorTechnicalissuesMeasurementissuesCategoricalvariableaspredictorsEffectcodingDumm