Spss 學習筆記（五）

對於12種社會統計方法，可以用最簡練的語言將這些分析方法加以概括：

1、多元迴歸應用於單方程模型，其因變數必須為測量性變數，其自變數可以為測量型變數或虛擬型變數。研究目的是通過自變數的變化來預測因變數的變化，多元迴歸用最小二乘法求解迴歸係數。

2、如果變數之間有多層因果關係，就可以由多個內在聯絡得多元迴歸方程組成一套通徑分析連立方程組，每個方程都通過多元迴歸求解係數，然後應用通徑分析分解變數之間的直接作用和間接作用。

3、如果一套連立方程組中含有潛在變數（即不可直接觀測的變數），便不能再用最小二乘法求解，這是可以應用結構方程模型，它主要採用最大似然估計求解。

4、在研究有兩組各包含多個變數的變數組之間的關係時，可以採用典型相關分析。典型相關分析的所有變數必須為測量型變數或虛擬變數。

5、多元方差分析研究兩個以上的類別中在多項測量型資料指標上是否存在顯著差異。

6、當因變數為二分類變數且自變數為測量型變數和虛擬變數時，不能採用多元迴歸，而應該採用logistics迴歸。

7、logit模型是對數線形模型的一種特例。它與logistic迴歸的不同在於，它的自變數全部都是分類變數。

8、鑑別分析主要應用於在已知一些案例的各種條件值及其結果型別的條件下，形成鑑別方程，並應用於其他條件值已知但結果型別未知的案例，預測他們的結果型別。這種方法可以視為因變數為多分類結果，自變數為測量型或虛擬變數的因果預測。它的主要應用目的是進行鑑別分類。

9、在使用縱貫資料進行因果分析時，事件史分析是可以應用的分析技術。其中，離散時間模型實際上就是用logistic迴歸求解。而cox比例風險模型是連續變數模型，他分為兩種，一種包括動態變數（即隨時間變化的自變數），另一種不包括動態變數。事件史分析的資料處理是一項比較複雜的工作。

10、至於因子分析、聚類分析和對應分析不是因果模型，他們分別用於分析變數、案例或型別（變數值）之間的結構不安席。將他們成為相依模型。

因子分析經常服務於濃縮多個測量型變數，使之轉換為較少數量的新變數（稱為因子）後，仍然攜帶原變數的絕大部分資訊。

11、聚類分析用於分析各案例在多個測量性變數值上的近似型距離，將其按近似性原則進行案例排列。

12、對應分析可以用來對不用非測量型變數的類別之間進行分析，以作圖形式顯示不同變數類別之間的近似程度。

來自 “ ITPUB部落格 ” ，連結：http://blog.itpub.net/51862/viewspace-180559/，如需轉載，請註明出處，否則將追究法律責任。