CH6 无母数检定.ppt

* * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * 某研究者想要发现家庭大小、年所得与拥有车辆数的关系，进而了解家庭大小、年所得是否可预测拥有车辆数。 开启档案（文件名：...\Chap06\Logit.sav）。数据文件中，「家庭大小类别」分为两类：4人、5人，分别以1、2表示。「年所得类别」分为两类：100万、100.1万，分别以1、2表示。「拥有车辆类别」分为两类：1辆、2辆，分别以1、2表示。 按〔Analyze〕、〔LogLinear〕、〔Logit〕（〔分析〕〔对数线性〕〔Logit分析〕），就会产生「Logit LogLinear Analysis」窗口，在此窗口中，将「拥有车数类别」变量选入右边的「Dependent」（依变量）下的方盒内，将「家庭大小类别」、「年所得类别」变量选入右边的「Factor(s)」（因素）下的方盒内，如图6-15所示。 图6-15　「Logit LogLinear Analysis」窗口设定 在「Logit LogLinear Analysis」窗口按〔Model〕，就会产生「Logit LogLinear Analysis: Model」窗口，在此窗口中，按〔Custom〕（自定义），在「Build Term(s)」下的下拉式清单中，选「Main effects」（主要效果），并将左边的变量选入右边的「Terms in Model」下的方盒中，如图6-16所示。 图6-16　「Logit LogLinear Analysis: Model」窗口设定 在「Logit LogLinear Analysis」窗口按〔Options〕，就会产生「Logit LogLinear Analysis: Options」窗口，在此窗口中，点选在「Display」（显示）下的「Estimates」 （估计值），如图6-17所示。 图6-17　「Logit LogLinear Analysis: Options」窗口设定 报表解读 在「参数估计值」表中，依据估计值，我们可建立以下的方程式： 「拥有车数类别」与「家庭大小类别」的显著性=0.000，达到显著水平。「拥有车数类别」与「年所得类别」的显著性=0.006，达到显著水平。表示家庭大小、年所得都与拥有车辆数具有显著性的关系存在；易言之，家庭大小、年所得都是预测拥有车辆数的有效指标。从Z值来看，家庭大小、年所得的Z值分别是4.88、2.74，都是正值，因此当家庭人数增加时或者当年所得增加时，拥有车数就会增加。如果对Z值加以比较，家庭人数比年所得更具有预测力。 某研究者想要发现家庭大小、年所得与拥有车辆数的关系 开启档案（文件名：...\Chap06\Logit.sav）。数据文件中，「家庭大小类别」分为两类：4人、5人，分别以1、2表示。「年所得类别」分为两类：100万、100.1万，分别以1、2表示。「拥有车辆类别」分为两类：1辆、2辆，分别以1、2表示。 按〔Analyze〕、〔LogLinear〕、〔Model Selection〕（〔分析〕〔对数线性〕〔模式选择），就会产生「Model Selection LogLinear Analysis」窗口，在此窗口中，将左边的变量选入右边的「Factor(s)」（因素）下的方盒内，如图6-18所示。 图6-18　「Model Selection LogLinear Analysis」窗口设定 在「Model Selection LogLinear Analysis」窗口中，按〔Define Range〕（定义范围），在出现的「Loglinear Analysis: Define Range」窗口中，在「Minimum」（最小值）右边的方格中填入「1」，在「Maximum」（最大值）右边的方格中填入「2」，如图6-19所示。 图6-19　「Loglinear Analysis: Define Range」窗口设定 报表解读 输出报表如图6-20所示。家庭大小与拥有车辆数的显著性=0.000，达到显著水平。年所得与拥有车辆数的显著性=0.0004。家庭大小、年所得与拥有车辆数均达显著水平。以「Chisq Change」（卡方值改变）来看，家庭大小与拥有车辆数的关系更为密切。 图6-20　Model Selection LogLinear Analysis输出报表 * * * * * * * * * * * * * * * * * * * * 在输出的「检定统计量」表中，显著性0.8040.05，未达显著水平，故不弃