※ 引述《babyyama (（￣ε￣*) 嘟嘴)》之铭言： : ※ 引述《eunose (111)》之铭言： : : 非常感谢各位仗义相助，不过我想再问的更清楚一点 : : 照一二三阶段，用regration→binary logistic跑出来的东西，是不是 : : 应该会有R square change出现? 而系数显着性是用Wald而非t值，可以从Sig判断吧? : : 或者是我的操作根本是错的?? 麻烦解答，谢谢! : R square基本上是检验research framework的可信度 : 当R值越高 相对架构整体也越可受检验 : 一般来说 : 要测量这样的干扰变项 : 可以先检视变项之间的相关性高不高 会不会有共线性问题(pearson检定) : 如果有 那基本上这样的架构其实就..ooxx : assume没有以上问题 : 就跑regression : 就"表"放的数值来看(一般paper会用到的) : regression我记得没错的话是放beta值 : 当然看显着性是看Sig值，不过表的话是放别的 regression我记得是拿来做相关性,然後去预测走向 regression的表要看(1)R square change (2)beta (3)Sig值 R square change的数值要换成百分比,表示能够解释的变异量 beta是看预测的可行性高不高 ; Sig值是看显不显着. ================================================================= 我举例来说好了,会比较清楚. 例如:你要从学生的段考成绩跟模拟考成绩,来看他联考成绩分数,是否有相关性, 就可以作regression.(本例只探讨以上三数据) =================================================================== (1)首先要做相关的R coefficent,发现段考成绩跟模拟考成绩跟联考分数有高度相关 的话就可以继续下一步. (也有低度相关去做下一步的,是要证明此法不可行) (2) regression数据如下(模拟的,非真正实验数据) R2 change beta t ______________________________________________________ 段考成绩 .59 14.322 4.582** 模拟考 .74 15.325 12.353** 段考模拟平均 .80 18.322 10.225** ______________________________________________________ ** p<.01 段考成绩能解释 59%学生的成绩Variation 模拟考绩能解释 74%学生的成绩Variation 段考模拟平均 80%学生的成绩Variation 所以三组的R square数值可以成功的解释大多数的成绩Variation , 其Beta值表示,用学校成绩来解释联考成绩的可行性相当高. 因此我门可以做预测: 从以10年来所有学生学校成绩跟联考成绩,分析相关後的数据来看, 由某生 段考成绩 59%可以预测到 联考大概是几分 模拟考成绩 74%可以预测到 联考大概是几分 平均成绩 80%可以预测到 联考大概是几分 例子: ==================================================== 平均成绩 ...... 60 70 80 90 100 联考成绩 ...... 70 80 85 87 90 ===================================================== 如果某生平均成绩 70,80%我门可以预测他联考大概是80分左右 --

※ 发信站: 批踢踢实业坊(ptt.cc) ◆ From: 59.120.224.70