层次对数线性分析模型.ppt

层次对数线性分析模型 下表是某校学生会对九六级部分本科生的毕业意向调查中有关学生性别、专业和考研意向的数据。试分析三个因素之间的关系。打开数据文件打开数据文件返回返回原理原理层次线性分析中的模型 本方法的基本思想是用一个包含因素间的某些效应的模型去拟合观测数据，如果拟合得好，则说明该模型能较好地解释观测数据，也就是说这些因素间存在着模型中选择的那些效应。常见的模型有：饱和模型饱和模型(saturated models)：包含所有主效应和所有交互效应的模型。它能够精确地再现观测数据,因此此时模型拟合度指标(Goodness-of-fit test statistics)和似然率卡方L2(Likelihood ratio chi-square)和皮尔逊卡方X2(Pearson chi-square)的值都为0，概率值为1，因为观测值与理论值无差异。在饱和模型中去掉一些效应项可以构成不同的模型，称为非饱和模型。非饱和模型。独立模型：独立模型：只包括所有主效应的模型，即不用任何阶的交互作用去解释数据，对于两因素来说此时也就是我们常常所用的卡方独立性检验。当L2和 X2较小,P值没达到显著,则各因素相互独立;反之则存在关联。层次模型层次模型(Hierarchical Models)：在模型中如果存在一组变量的交互效应项，那么必须存在这些变量的所有可能组合。例如对于一个 4因素A,B,C,D变量模型，如果包括ABC这个三阶交互项，则必须包括A,B,C,AB,AC,BC。模型选择：模型选择：指从众多可能的模型中选择一个拟合效果好又简单的模型来解释因素间的关系。统计软件会根据你的设定(也可用它的缺省值)自动剔除一 些不好的效应，并给出最后结果。其思路是如果一个效应被剔除后导致L2的改变最小(没达到显著)，则删之。当然这是一逐步实现的过程。返回返回深入应用深入应用层次线性模型分析相关内容 对于更细致地使用该方法，可以参见:1、LogLinear菜单项下各子菜单中的各种统计方法中的HELP2、HELP主菜单中:Syntax Guide-Advance Statistic:GenLog、hiloglinear、loglinear Syntax Guide-Categories返回返回