1. Regression 相關 –Cross table –Bivariate –Contingency Cofficient –Rank Correlation 簡單迴歸 多元迴歸

2. 相關 –Cross table 變數之間的關係與變動 方向

4. 相關 –Bivariate 適用於其中之一的變數 是二分法, 或等距

5. 相關 –Contingency Cofficient

6. 相關 –Rank Correlation 適用於變數是二分法, 或 等距 樣本 >10 請用 Spearman rank 樣本 <10 請用 Kendall rank

7. 簡單迴歸 根據某個變數來預測某個變數 ( 相關是討論 變數間的大小與方向 ) – 以相關為基礎選擇預測的變數 – 公式

8. Cont. 方法 ( 線性 Linearly) 順向逐步迴歸 stepwise regression – 挑選相關性最強的變數一一進入迴歸模式 – 使用 F 檢定, 檢驗新進變數的標準化係數顯著性, 若是顯著則 引入迴歸模式 反向剔除逐步迴歸法 – 引入所有變數 – 逐一將影響性最小的變數剔除, 剔除標準 » 標準化係數顯著性最小者 » 標準化係數顯著性大規定值 ( 一般設為 2.71) 強迫輸入法

9. Cont. 其他模式 Quadratic 二次曲線 Growth 成長曲線 Logarithmic 對數模式 Cubic 三次曲線 留意事項 – 共線性 – 自變數之間相關性太高, 容易造成迴歸分析的錯 誤 – 嚴重的共線性, 將使得預估的參數無法完全被估 計出來

10. Cont. 共線性計算 容忍度 (Tolerance) – 如果容忍度太小, 表示此變數於其他變數有共線性 – 公式 變異數膨脹因素 (VIF: variance inflation factor) – 如果 VIF 太大, 表示此變數於其他變數有共線性 條件指標 (Condition index) – 如果 CI 太大, 表示此變數於其他變數有共線性

11. Example1- 簡單迴歸

13. example2 Independent: 模擬考 Dependent Mth Rsq d.f. F Sigf b0 b1 b2 b3 大學聯考 LIN.941 10 159.01.000 -26.077 1.0979 大學聯考 LOG.913 10 104.79.000 -1835.9 376.463 大學聯考 QUA.944 9 75.46.000 55.9438.6254.0006 9 大學聯考 CUB.944 9 75.55.000 29.7551.8558 5.8E-07 Notes: 9 Tolerance limits reached; some dependent variables were not entered.

15. example3