高级统计学7

P值法：()(2)RESPFpSnRESS(n-2)P0.05→回归方程显著P值法0ˆ0ˆ()PTSp00ˆˆS00ˆˆSP0.05→回归系数显著ModelSummaryb.965a.932.927433.56533Model1RRSquareAdjustedRSquareStd.ErroroftheEstimatePredictors:(Constant),新增固定资产,人均GDPa.DependentVariable:农村纯收入b.ANOVAb71666083235833041.71190.623.000a526340928187978.8967692949230RegressionResidualTotalModel1SumofSquaresdfMeanSquareFSig.Predictors:(Constant),新增固定资产,人均GDPa.DependentVariable:农村纯收入b.Coefficientsa1116.393150.2827.429.000808.5551424.232.002.000.90516.388.000.002.002.169.078.1202.177.038.010.328(Constant)人均GDP新增固定资产Model1BStd.ErrorUnstandardizedCoefficientsBetaStandardizedCoefficientstSig.LowerBoundUpperBound95%ConfidenceIntervalforBDependentVariable:农村纯收入a.1116.3930.0020.169GDP农村纯收入人均新增固定资产ModelSummary.909a.827.777.90718Model1RRSquareAdjustedRSquareStd.ErroroftheEstimatePredictors:(Constant),x2,x1a.ANOVAb27.479213.74016.695.002a5.7617.82333.2409RegressionResidualTotalModel1SumofSquaresdfMeanSquareFSig.Predictors:(Constant),x2,x1a.DependentVariable:yb.Coefficientsa11.2921.4637.719.00011.3074.7192.2612.396.048.02835.963-6.5914.436-1.402-1.486.181.02835.963(Constant)x1x2Model1BStd.ErrorUnstandardizedCoefficientsBetaStandardizedCoefficientstSig.ToleranceVIFCollinearityStatisticsDependentVariable:ya.213210xxy原方程:215907.63073.112924.11xxy回归方程:逐步回归的SPSS实现ModelSummaryd.959a.920.917460.67750.973b.947.943383.31776.977c.955.950356.76717Model123RRSquareAdjustedRSquareStd.ErroroftheEstimatePredictors:(Constant),人均GDPa.Predictors:(Constant),人均GDP,城镇可支配收入b.Predictors:(Constant),人均GDP,城镇可支配收入,高校数c.DependentVariable:农村纯收入d.ANOVAd70775004170775003.61333.492.000a615448929212223.755769294923072815382236407691.20247.785.000b411411028146932.504769294923073492857324497618.85192.466.000c343663627127282.8137692949230RegressionResidualTotalRegressionResidualTotalRegressionResidualTotalModel123SumofSquaresdfMeanSquareFSig.Predictors:(Constant),人均GDPa.Predictors:(Constant),人均GDP,城镇可支配收入b.Predictors:(Constant),人均GDP,城镇可支配收入,高校数c.DependentVariable:农村纯收入d.Coefficientsa1229.224149.8858.201.000.002.000.95918.262.0001.0001.000-123.928383.940-.323.749.001.000.5965.577.000.1675.976.218.058.3983.726.001.1675.976-245.776361.228-.680.502.001.000.6056.078.000.1675.986.196.055.3593.557.001.1636.1525.5232.394.0992.307.029.9001.111(Constant)人均GDP(Constant)人均GDP城镇可支配收入(Constant)人均GDP城镇可支配收入高校数Model123BStd.ErrorUnstandardizedCoefficientsBetaStandardizedCoefficientstSig.ToleranceVIFCollinearityStatisticsDependentVariable:农村纯收入a.检验各总体协方差阵相等Fisher判别Logistic回归Box’s检验Bayes判别Fisher判别Logistic回归拒绝接受单个变量均值相等的检验(方差分析)单变量的判别是显著的ANOVA单变量的判别不显著，采用逐步判别拒绝接受检验各总体均值相等判别是显著的Wilks’检验判别不显著拒绝接受主成分与指标间的相关系数1XXY保留主成分解释指标的程度2X3X1Y2Y11,YX3Y21,YX31,YX12,YX22,YX32,YX33,YX23,YX13,YX112122,,YXYX122222,,YXYX132322,,YXYX主成分与原指标间的相关系数XuXuXuXuYpp112121111iiueueuXeXuCOVXYCOV1111111),(),(iiiiiiuXDYDXYXY11111)()(),cov(),(111(,)iiYXu原始数据标准化主成分标准化11(,)iiYXum个主成分对原始指标的贡献——共同度（Communality）mkkikmkiiikiuXYv12121),(iX前m个主成分提取了中的信息iXiv原始数据与主成分标准化2211(,)mmikikikkvYXu因子分析与主成分分析的不同点对主成分难以给出符合实际意义的解释主成分分析仅仅是一般的线性变换需要构造因子模型因子不具线性性因子旋转使变量降维后易解释主成分主成分因子分析因子分析对比图第七章结构方程模型哈尔滨工业大学管理学院葛虹结构方程简介结构方程模型分为：测量方程(measurementequation)和结构方程(structuralequation)测量方程描述潜变量与指标之间的关系,如工作方式选择等指标与工作自主权的关系；工作自主权工作方式选择工作目标调整工作满意度目前工作满意度工作兴趣工作乐趣工作厌恶程度1x2x1y2y3y4y测量方程描述潜变量与指标之间的关系,如工作方式选择等指标与工作自主权的关系；结构方程描述潜变量之间的关系,如工作自主权与工作满意度的关系.工作自主权工作满意度测量模型yxYX外生指标内生指标外生潜变量内生潜变量外生因子载荷内生因子载荷结构模型B内生潜变量之间的关系系数外生潜变量对内生潜变量的影响系数结构的残差项潜变量与潜变量之间的回归系数——路径系数潜变量与显变量之间的回归系数——载荷系数B—内生潜变量间的关系(如其它内生潜变量与工作满意度的关系)；—外源潜变量对内生潜变量的影响(如工作自主权对工作满意度的影响)；—结构方程的残差项,反映了在方程中未能被解释的部分。B潜变量间的关系,即结构模型,是研究的兴趣重点,所以整个分析也称结构方程模型。一般结构方程路径图11213242526373112131223212路径系数载荷系数对数据的要求(DataRequirements)Continuous,normallydistributedvariables.Multiplemeasures(“indicators”)oftheoreticalconstructs–ideally3ormore.Bigsample–researchsuggestsasamplesizeof200ormore(pergroupifanalyzingmorethanonegroup)isneededtoavoidobtainingmisleadingresults结构模型的建立模型建构(modelspecification)模型拟合(modelfitting)模型评价(modelassessment)模型修正(modelmodification)模型建构一是建立显变量(即指标,通常是题目)与潜变量(即因子,通常是概念)的关系；二是建立各潜变量间的相互关系(即指定那些因子间相关或直接效应)；三是在复杂的模型中,可以限制因子载荷或因子相关系数等参数的值.例子：员工工作满意度的测量理论假设与概念模型的提出研究指出,有多种因素影响到工作满意度,其中包括工作内容的奖励价值、多样性、学习机会、困难性以及对工作的控制等.因此,假设：假设1工作自主权越高,工作满意度越高.工作自主权是指员工可以运用相关工作权利的程度.有较高工作自主权的员工,将具有较高的工作满意度.假设2工作负荷越高,工作满意度越低.工作负荷是指工作职责不能被实现的程度.工作压力会使员工处于有害身心健康的状况中,有碍于员工对工作的积极态度,工作压力会降低工作满意度.假设3工作单调性越高,工作满意度越低.工作单调性是指个体的工作被重复的程度.如煤炭采掘一线的职工工作单调性比较高,而机关科室的单调性就比较低.概念模型工作满意度目前工作满意度工作兴趣工作乐趣工作厌恶程度工作自主权工作方式选择工作目标调整工作负荷工作单调性任务完成时间充裕度工作负荷轻重工作节奏快慢工作内容丰富程度工作多样性程度xy模型拟合与模型识别结构方程拟合的目标是求解参数或路径系数使得结构方程隐含的协方差阵Σ(Θ)与样本协方差阵S的“差距”最小；矩阵之间的“差距”有多种不同的定义方法,不同的定义方法产生不同的拟合结果以及相应的参数估计；最常用的估计方法：极大似然法(经过迭代完成求解过程))()tr(log)(log1MLqpSSF样本协方差矩阵模型模型协方差矩阵简单的例子ξx1ηx2x3y1y211λ2λ4λ5γ11y222y11x242x353x11111δ3δ2δ1ε1ε21ζ结构方程组11y222y11x242x353x212211yy