1.打开数据,依次点击:analyse--regression--binarylogistic,打开二分回归对话框。
2.将因变量和自变量放入格子的列表里,上面的是因变量,下面的是自变量(单变量拉入一个,多因素拉入多个)。
3.设置回归方法,这里选择最简单的方法:enter,它指的是将所有的变量一次纳入到方程。其他方法都是逐步进入的方法。
4.等级资料,连续资料不需要设置虚拟变量。多分类变量需要设置虚拟变量。
虚拟变量ABCD四类,以a为参考,那么解释就是b相对于a有无影响,c相对于a有无影响,d相对于a有无影响。
5.选项里面至少选择95%CI。
点击ok。
@[toc]
假设检验的前提是要满足正态分布和方差齐性
组内平方和SSE:同一组内的数据误差平方和
组间平方和SSA:不同组之间的数据误差平方和
一个分类型自变量
例如四个班级学生的语文成绩,班级是分类型自变量,四个班级是自变量的四个水平
测试班级对成绩的影响
因为p<0.001,说明班级对成绩的影响非常显著
图中跨越0分界线的班级对,有较大可能落在0上,也就是说两个班级之间没有明显差异。其他班级说明都有明显差异。
同一班级在大学三年的三次测试
p<0.001,说明学生成绩在大学三年中有显著差异。球形检验的p-value大于0.05,所以可以认为方差相等。
Mauchly's Test for Sphericity :适用于重复测量时检验不同测量之间的差值的方差是否相等,用于三次以及三次之上。
Sphericity Corrections :球形矫正,当方差不相等时进行矫正,矫正方法有the Greenhouse-Geisser (1959), the Huynh-Feldt (1976), 简称GG和HF。
两个分类型自变量
例如探究 词汇量 和 话题熟悉度 对学生作文成绩的影响
词汇量和话题熟悉度两个变量对成绩的影响都很显著,交互项对成绩影响不显著。
探究班级和测试次数对学生成绩的影响
班级和测试次数在原始检验中都很显著,然后交叉项不显著。
但是在球形检验中,推翻了方差齐性的假设,所以tests需要使用球形矫正之后的p值,classes不用。
矫正之前tests的p-value = 3.482406e-04,矫正之后的p-value = 0.001左右。