SPSS實(shí)用教程第09章

1、SPSS實(shí)用教程第九章 對(duì)數(shù)線性模型第一節(jié) General過(guò)程9.1.1 主要功能9.1.2 實(shí)例操作第二節(jié) Hierarchical過(guò)程9.2.1 主要功能9.2.2 實(shí)例操作第三節(jié) Logit過(guò)程9.3.1 主要功能9.3.2 實(shí)例操作對(duì)數(shù)線性模型是用于離散型數(shù)據(jù)或整理成列聯(lián)表格式的計(jì)數(shù)資料的統(tǒng)計(jì)分析工具。在對(duì)數(shù)線性模型中，所有用作的分類的因素均為獨(dú)立變量，列聯(lián)表各單元中的例數(shù)為應(yīng)變量。對(duì)于列聯(lián)表資料，通常作2 檢驗(yàn)，但2 檢驗(yàn)無(wú)法系統(tǒng)地評(píng)價(jià)變量間的聯(lián)系，也無(wú)法估計(jì)變量間相互作用的大小，而對(duì)數(shù)線性模型是處理這些問(wèn)題的最佳方法。第一節(jié) General過(guò)程9.1.1 主要功能調(diào)用該過(guò)程可對(duì)一個(gè)

2、或多個(gè)二維列聯(lián)表資料進(jìn)行非層次對(duì)數(shù)線性分析。它只能擬合全飽和模型，即分類變量各自效應(yīng)及其相互間效應(yīng)均包含在對(duì)數(shù)線性模型中。9.1.2 實(shí)例操作 例9-1在住院病人中，研究其受教育程度與對(duì)保健服務(wù)滿意程度的關(guān)系，資料整理成列聯(lián)表后如下所示。對(duì)保健服務(wù)滿意程度(%)受教育程度高中低滿意不滿意65 (91.5)6 (8.5)272 (93.8)18 (6.2)41 (97.6)1 (2.4)按一般情形作2檢驗(yàn)，結(jié)果顯示不同受教育程度的住院病人其對(duì)保健服務(wù)滿意程度無(wú)差別。但從百分比分析中可見(jiàn)，隨受教育程度的提高，滿意程度有下降的趨勢(shì)；且我們還想了解受教育程度與滿意程度有無(wú)交互作用和交互作用的大小。對(duì)此

3、，必須采用對(duì)數(shù)線性模型加以分析。9.1.2.1 數(shù)據(jù)準(zhǔn)備激活數(shù)據(jù)管理窗口，定義變量名：實(shí)際觀察頻數(shù)的變量名為freq，受教育程度和滿意程度作為行、列分類變量（即獨(dú)立變量），變量名分別為educ、care。輸入原始數(shù)據(jù)，結(jié)果如圖9.1所示。如同第四章Crosstab過(guò)程中所述，為使列聯(lián)表的頻數(shù)有效，應(yīng)選Data菜單的Weight Cases.項(xiàng)，彈出Weight Cases對(duì)話框（圖9.2），激活Weight cases by項(xiàng)，從變量列表中選freq點(diǎn)擊鈕使之進(jìn)入Frequency Variable框，點(diǎn)擊OK鈕即可。圖9.1 原始數(shù)據(jù)的輸入圖9.2 頻數(shù)的加權(quán)定義9.1.2.2 統(tǒng)計(jì)分析激活

4、Statistics菜單選Loglinear中的General.項(xiàng)，彈出General Loglinear Analysis對(duì)話框（圖9.3）。從對(duì)話框左側(cè)的變量列表中選care，點(diǎn)擊鈕使之進(jìn)入Factor(s)框，點(diǎn)擊Define Range.鈕，彈出General Loglinear Analysis: Define Range對(duì)話框，定義分類變量care的范圍，本例為1、2，故可在Minimum處鍵入1，在Maximum處鍵入2，點(diǎn)擊Continue鈕返回General Loglinear Analysis對(duì)話框。同法將變量educ選入Factor(s)框，并定義其范圍為1、3。本例要求

5、計(jì)算各分類變量主效應(yīng)和交互作用的參數(shù)估計(jì)，故點(diǎn)擊Contrast.鈕，彈出General Loglinear Analysis:Contrasts對(duì)話框，選擇Display parameter estimates項(xiàng)，點(diǎn)擊Continue鈕返回General Loglinear Analysis對(duì)話框，最后點(diǎn)擊OK鈕即完成分析。圖9.3 非層次對(duì)數(shù)線性模型分析對(duì)話框9.1.2.3 結(jié)果解釋在結(jié)果輸出窗口中將看到如下統(tǒng)計(jì)數(shù)據(jù)：首先顯示系統(tǒng)對(duì)403例資料進(jìn)行分析，共有二個(gè)分類變量：CARE為2水平，EDUC為3水平。分析的效應(yīng)有三類：滿意程度（CARE）、教育程度（EDUC）和兩者的交互作用（CAR

6、E BY EDUC）。系統(tǒng)經(jīng)2次疊代后即達(dá)到相鄰二次估計(jì)之差不大于規(guī)定的0.001。DATA Information 6 unweighted cases accepted. 0 cases rejected because of out-of-range factor values. 0 cases rejected because of missing data. 403 weighted cases will be used in the analysis.FACTOR Information Factor Level Label CARE 2 EDUC 3DESIGN Informat

7、ion 1 Design/Model will be processed.Correspondence Between Effects and Columns of Design/Model 1 Starting Ending Column Column Effect Name 1 1 CARE 2 3 EDUC 4 5 CARE BY EDUCNote: for saturated models .500 has been added to all observed cells. This value may be changed by using the CRITERIA = DELTA

8、subcommand.* ML converged at iteration 2.Maximum difference between successive iterations = .00000由于本例對(duì)Model（模型）未作定義，故系統(tǒng)采用默認(rèn)的全飽和模型，因而期望例數(shù)（EXP.count）與實(shí)際例數(shù)（OBS. count）相同，進(jìn)而殘差（Residual）、標(biāo)準(zhǔn)化殘差（Std.Resid）和校正殘差（Adj.Resid）均為0。Observed, Expected Frequencies and ResidualsFactor Code OBS. count & PCT. EXP. co

9、unt & PCT. Residual Std. Resid. Adj. Resid.CARE 1 EDUC 1 65.50 (16.13) 65.50 (16.13) .0000 .0000 .0000 EDUC 2 272.50 (67.12) 272.50 (67.12) .0000 .0000 .0000 EDUC 3 41.50 (10.22) 41.50 (10.22) .0000 .0000 .0000CARE 2 EDUC 1 6.50 ( 1.60) 6.50 ( 1.60) .0000 .0000 .0000 EDUC 2 18.50 ( 4.56) 18.50 ( 4.5

10、6) .0000 .0000 .0000 EDUC 3 1.50 ( .37) 1.50 ( .37) .0000 .0000 .0000最后輸出參數(shù)估計(jì)的結(jié)果。為了唯一地估計(jì)參數(shù)，系統(tǒng)強(qiáng)行限定同一分類變量的各水平參數(shù)之和為0，故根據(jù)下列結(jié)果可推得各參數(shù)為：滿意 = 1.不滿意 = -1.高教育程度 = -0.中教育程度 = 1.低教育程度 = -1.滿意.高教育程度 = -0.滿意.中高教育程度 = -0.滿意.低教育程度 = 0.不滿意.高教育程度 = 0.不滿意.中教育程度 = 0.不滿意.低教育程度 = -0.值為正，表示正效應(yīng)；反之為負(fù)效應(yīng)；零為無(wú)效應(yīng)。分析提供的信息是：對(duì)保健服務(wù)的

11、滿意程度高于不滿意程度；中等教育程度者的滿意程度高等教育程度者的滿意程度低等教育程度者的滿意程度；通過(guò)受教育程度與對(duì)保健服務(wù)滿意程度的交互作用研究，結(jié)果表明高、中等教育未能增加人們對(duì)現(xiàn)有保健服務(wù)狀況的滿意程度。Estimates for Parameters CARE Parameter Coeff. Std. Err. Z-Value Lower 95 CI Upper 95 CI 1 1. .15965 8.68589 1.07381 1.69964 EDUC Parameter Coeff. Std. Err. Z-Value Lower 95 CI Upper 95 CI 2 -. .

12、19895 -.45980 -.48142 .29847 3 1. .17407 6.57393 .80313 1.48547 CARE BY EDUC Parameter Coeff. Std. Err. Z-Value Lower 95 CI Upper 95 CI 4 -. .19895 -1.16410 -.62154 .15834 5 -. .17407 -.24008 -.38296 .29938第二節(jié) Hierarchical過(guò)程9.2.1 主要功能調(diào)用該過(guò)程可對(duì)多維列聯(lián)表資料進(jìn)行分層對(duì)數(shù)線性分析。所謂分層即并可根據(jù)用戶指定的條件，對(duì)某一或某些主效應(yīng)與交互作用進(jìn)行剔除，從而形成包

13、含特定層次階項(xiàng)的各種模型。9.2.2 實(shí)例操作例9-2 為了研究Colles骨折在不同性別中的年齡分布情況，以說(shuō)明不同性別者骨折的年齡差異及其年度變化，某地收集了1978-1981年的骨折資料，數(shù)據(jù)見(jiàn)下表。請(qǐng)作對(duì)數(shù)線性模型的分析。年齡1978197919801981男女男女男女男女01920-5960-8955165501726094431012992331158910456202029514013754412781539.2.2.1 數(shù)據(jù)準(zhǔn)備激活數(shù)據(jù)管理窗口，定義變量名：實(shí)際觀察頻數(shù)的變量名為freq，年份、性別和年齡為分類變量，變量名分別為year、sex和age。輸入原始數(shù)據(jù)，其中年份1

14、978至1981依次為1、2、3、4，性別男為1、女為2，年齡分組依次為1、2、3。之后選Data菜單的Weight Cases.項(xiàng)，在Weight Cases對(duì)話框中激活Weight cases by項(xiàng)，從變量列表中選freq點(diǎn)擊鈕使之進(jìn)入Frequency Variable框，點(diǎn)擊OK鈕完成對(duì)頻數(shù)的權(quán)重定義。9.2.2.2 統(tǒng)計(jì)分析激活Statistics菜單選Loglinear中的Hierarchical.項(xiàng)，彈出Hierarchical Loglinear Analysis對(duì)話框（圖9.4）。從對(duì)話框左側(cè)的變量列表中選age，點(diǎn)擊鈕使之進(jìn)入Factor(s)框，點(diǎn)擊Define Ran

15、ge.鈕，彈出Hierarchical Loglinear Analysis: Define Range對(duì)話框，定義分類變量age的范圍，在Minimum處鍵入1，在Maximum處鍵入9，點(diǎn)擊Continue鈕返回Hierarchical Loglinear Analysis對(duì)話框。同法將變量sex選入Factor(s)框，定義其范圍為1、2；將變量year選入Factor(s)框，定義其范圍為1、4。圖9.4 層次對(duì)數(shù)線性模型分析對(duì)話框?yàn)榱烁玫財(cái)M合數(shù)據(jù)，并盡可能的簡(jiǎn)單和易于解釋，本例選擇向后剔除法建立模型，即從所有效應(yīng)均在模型中開(kāi)始，然后消除那些不滿足保留判據(jù)的效應(yīng)。點(diǎn)擊Model.鈕，

16、彈出Hierarchical Loglinear Analysis: Model對(duì)話框，在Model Building欄中選Use backward elimination項(xiàng)，點(diǎn)擊Continue鈕返回Hierarchical Loglinear Analysis對(duì)話框。本例要求作參數(shù)估計(jì)，故點(diǎn)擊Options.鈕，彈出Hierarchical Loglinear Analysis: Options對(duì)話框，在Display for Saturated Model欄中選Parameter estimates項(xiàng)，點(diǎn)擊Continue鈕返回Hierarchical Loglinear Analysi

17、s對(duì)話框，之后點(diǎn)擊OK鈕即完成分析。9.2.2.3 結(jié)果解釋在結(jié)果輸出窗口中將看到如下統(tǒng)計(jì)數(shù)據(jù)：首先顯示，共有2540個(gè)觀察例數(shù)進(jìn)入分析，其中分類變量AGE為3水平，SEX為2水平，YEAR為4水平。采用全飽和模型，高階項(xiàng)為年齡、性別和年份三者的交互作用。（在層次對(duì)數(shù)線性模型分析中，當(dāng)指定高階項(xiàng)時(shí)，即意味著包含其所屬變量所有可能組合的低階項(xiàng)；如本例，即包含年齡和性別的交互作用、年齡和年份的交互作用、性別和年份的交互作用、年齡的主效應(yīng)、性別的主效應(yīng)、年份的主效應(yīng)。從最高階到最低階共為3階。）DATA Information 24 unweighted cases accepted. 0 case

18、s rejected because of out-of-range factor values. 3 cases rejected because of missing data. 2540 weighted cases will be used in the analysis.FACTOR Information Factor Level Label AGE 3 SEX 2 YEAR 4DESIGN 1 has generating class AGE*SEX*YEARNote: For saturated models .500 has been added to all observe

19、d cells.This value may be changed by using the CRITERIA = DELTA subcommand.The Iterative Proportional Fit algorithm converged at iteration 1.The maximum difference between observed and fitted marginal totals is .000and the convergence criterion is .278系統(tǒng)以全飽和模型為起始，故顯示各變量的實(shí)際例數(shù)、期望例數(shù)、殘差和標(biāo)準(zhǔn)化殘差，因期望例數(shù)與實(shí)際例數(shù)

20、相同，進(jìn)而殘差、標(biāo)準(zhǔn)化殘差均為0。Observed, Expected Frequencies and Residuals.Factor Code OBS count EXP count Residual Std ResidAGE 1 SEX 1 YEAR 1 55.5 55.5 .00 .00 YEAR 2 43.5 43.5 .00 .00 YEAR 3 89.5 89.5 .00 .00 YEAR 4 140.5 140.5 .00 .00 SEX 2 YEAR 1 17.5 17.5 .00 .00 YEAR 2 9.5 9.5 .00 .00 YEAR 3 20.5 20.5 .00

21、 .00 YEAR 4 41.5 41.5 .00 .00AGE 2 SEX 1 YEAR 1 165.5 165.5 .00 .00 YEAR 2 101.5 101.5 .00 .00 YEAR 3 104.5 104.5 .00 .00 YEAR 4 137.5 137.5 .00 .00 SEX 2 YEAR 1 260.5 260.5 .00 .00 YEAR 2 233.5 233.5 .00 .00 YEAR 3 202.5 202.5 .00 .00 YEAR 4 278.5 278.5 .00 .00AGE 3 SEX 1 YEAR 1 50.5 50.5 .00 .00 Y

22、EAR 2 29.5 29.5 .00 .00 YEAR 3 56.5 56.5 .00 .00 YEAR 4 54.5 54.5 .00 .00 SEX 2 YEAR 1 94.5 94.5 .00 .00 YEAR 2 115.5 115.5 .00 .00 YEAR 3 95.5 95.5 .00 .00 YEAR 4 153.5 153.5 .00 .00 Goodness-of-fit test statistics Likelihood ratio chi square = .00000 DF = 0 P = 1.000 Pearson chi square = .00000 DF

23、 = 0 P = 1.000下面，系統(tǒng)先顯示某一階及其更高階交互效應(yīng)為0時(shí)的似然比2檢驗(yàn)概率值，因K為3時(shí)的概率值=0.19640.05，故認(rèn)為年齡、性別、年份三者的交互作用為0，亦即含1階（單一變量主效應(yīng)）及2階（變量?jī)蓛山换バ?yīng)）的模型就能恰當(dāng)?shù)乇硎鰯?shù)據(jù)。接著，系統(tǒng)又顯示特定階交互效應(yīng)為0時(shí)的似然比2檢驗(yàn)概率值，結(jié)果表明，單純含1階（單一變量主效應(yīng)）或單純含2階（變量?jī)蓛山换バ?yīng)）的模型也能恰當(dāng)?shù)乇硎鰯?shù)據(jù)。Tests that K-way and higher order effects are zero. K DF L.R. Chisq Prob Pearson Chisq Prob I

24、teration 3 6 8.615 .1964 8.547 .2007 4 2 17 404.424 .0000 425.168 .0000 2 1 23 1279.591 .0000 1293.594 .0000 0Tests that K-way effects are zero. K DF L.R. Chisq Prob Pearson Chisq Prob Iteration 1 6 875.167 .0000 868.426 .0000 0 2 11 395.809 .0000 416.621 .0000 0 3 6 8.615 .1964 8.547 .2007 0 Note:

25、For saturated models .500 has been added to all observed cells. This value may be changed by using the CRITERIA = DELTA subcommand.系統(tǒng)所確定的模型中各參數(shù)值如下所示，由于內(nèi)容較多，各值如何推算及其所表示的意義，請(qǐng)讀者參閱本章第一節(jié)。Estimates for Parameters. AGE*SEX*YEAR Parameter Coeff. Std. Err. Z-Value Lower 95 CI Upper 95 CI 1 -. .08417 -1.67784

26、 -.30621 .02375 2 . .10130 1.65335 -.03106 .36605 3 -. .07921 -.21447 -.17223 .13826 4 . .05557 1.03925 -.05117 .16667 5 -. .06504 -.10637 -.13440 .12057 6 -. .05570 -1.46819 -.19097 .02740 AGE*SEX Parameter Coeff. Std. Err. Z-Value Lower 95 CI Upper 95 CI 1 . .04848 14.56319 .61098 .80102 2 -. .032

27、76 -9.06301 -.36109 -.23268 AGE*YEAR Parameter Coeff. Std. Err. Z-Value Lower 95 CI Upper 95 CI 1 -. .08417 -2.09344 -.34119 -.01123 2 -. .10130 -3.01249 -.50374 -.10662 3 . .07921 1.69127 -.02129 .28920 4 . .05557 3.58269 .09017 .30800 5 . .06504 3.04744 .07073 .32570 6 -. .05570 -2.95499 -.27379 -

28、.05543 SEX*YEAR Parameter Coeff. Std. Err. Z-Value Lower 95 CI Upper 95 CI 1 . .04918 .95960 -.04920 .14360 2 -. .05818 -1.33868 -.19191 .03615 3 . .04734 1.74836 -.01002 .17556 AGE Parameter Coeff. Std. Err. Z-Value Lower 95 CI Upper 95 CI 1 -. .04848 -14.87857 -.81630 -.62627 2 . .03276 24.41872 .

29、73571 .86412 SEX Parameter Coeff. Std. Err. Z-Value Lower 95 CI Upper 95 CI 1 -. .02856 -1.22099 -.09086 .02111 YEAR Parameter Coeff. Std. Err. Z-Value Lower 95 CI Upper 95 CI 1 -. .04918 -.41728 -.11692 .07588 2 -. .05818 -5.48020 -.43285 -.20479 3 -. .04734 -.26725 -.10544 .08014系統(tǒng)開(kāi)始對(duì)全飽和模型進(jìn)行從高階到低階

30、的效應(yīng)項(xiàng)剔除。第一步，剔除3階交互效應(yīng)項(xiàng)（AGE*SEX*YEAR）導(dǎo)致2值為8.615，概率為0.1964（不小于默認(rèn)判據(jù)0.05），故該效應(yīng)項(xiàng)被剔除。第二步，剔除2階交互效應(yīng)項(xiàng)，概率均小于0.05，故2階交互效應(yīng)項(xiàng)不能剔除。即本例用2階交互效應(yīng)項(xiàng)（同時(shí)含1階主效應(yīng)項(xiàng)）描述模型已為最佳。Backward Elimination (p = .050) for DESIGN 1 with generating class AGE*SEX*YEAR Likelihood ratio chi square = .00000 DF = 0 P = 1.000If Deleted Simple Effe

31、ct is DF L.R. Chisq Change Prob Iter AGE*SEX*YEAR 6 8.615 .1964 4Step 1 The best model has generating class AGE*SEX AGE*YEAR SEX*YEAR Likelihood ratio chi square = 8.61546 DF = 6 P = .196If Deleted Simple Effect is DF L.R. Chisq Change Prob Iter AGE*SEX 2 310.816 .0000 2 AGE*YEAR 6 62.829 .0000 2 SE

32、X*YEAR 3 13.024 .0046 2Step 2 The best model has generating class AGE*SEX AGE*YEAR SEX*YEAR Likelihood ratio chi square = 8.61546 DF = 6 P = .196The final model has generating class AGE*SEX AGE*YEAR SEX*YEARThe Iterative Proportional Fit algorithm converged at iteration 0.The maximum difference betw

33、een observed and fitted marginal totals is .131and the convergence criterion is .278由于剔除了3階交互效應(yīng)項(xiàng)，故原全飽和模型變?yōu)閷哟文Ｐ?，因而期望例?shù)改變，期望例數(shù)與實(shí)際例數(shù)不同，進(jìn)而殘差、標(biāo)準(zhǔn)化殘差均不為0。若標(biāo)準(zhǔn)化殘差界于-1.961.96范圍內(nèi)，則表示模型是恰當(dāng)?shù)?。從下面的結(jié)果可知，本例的標(biāo)準(zhǔn)化殘差均在-1.961.96范圍內(nèi)，故層次模型是適合的。Observed, Expected Frequencies and Residuals.Factor Code OBS count EXP count Res

34、idual Std ResidAGE 1 SEX 1 YEAR 1 55.0 59.0 -4.05 -.53 YEAR 2 43.0 39.1 3.88 .62 YEAR 3 89.0 88.3 .69 .07 YEAR 4 140.0 140.5 -.50 -.04 SEX 2 YEAR 1 17.0 13.0 4.04 1.12 YEAR 2 9.0 12.9 -3.88 -1.08 YEAR 3 20.0 20.7 -.70 -.15 YEAR 4 41.0 40.5 .53 .08AGE 2 SEX 1 YEAR 1 165.0 163.0 1.99 .16 YEAR 2 101.0

35、97.9 3.07 .31 YEAR 3 104.0 112.6 -8.62 -.81 YEAR 4 137.0 133.5 3.54 .31 SEX 2 YEAR 1 260.0 262.0 -1.99 -.12 YEAR 2 233.0 236.1 -3.07 -.20 YEAR 3 202.0 193.4 8.62 .62 YEAR 4 278.0 281.6 -3.55 -.21AGE 3 SEX 1 YEAR 1 50.0 47.9 2.06 .30 YEAR 2 29.0 36.0 -6.95 -1.16 YEAR 3 56.0 48.1 7.92 1.14 YEAR 4 54.0

36、 57.0 -3.03 -.40 SEX 2 YEAR 1 94.0 96.1 -2.05 -.21 YEAR 2 115.0 108.0 6.95 .67 YEAR 3 95.0 102.9 -7.92 -.78 YEAR 4 153.0 150.0 3.02 .25 Goodness-of-fit test statistics Likelihood ratio chi square = 8.61546 DF = 6 P = .196 Pearson chi square = 8.54688 DF = 6 P = .201第三節(jié) Logit過(guò)程9.3.1 主要功能調(diào)用此過(guò)程可完成對(duì)一個(gè)應(yīng)變

37、量與一個(gè)或多個(gè)自變量之間對(duì)數(shù)線性模型的擬合。如果分類變量未區(qū)分應(yīng)變量和自變量，那么應(yīng)采用本章第一、二節(jié)介紹的方法；如果應(yīng)變量是二分計(jì)量，自變量是連續(xù)計(jì)量，那么應(yīng)采用Logistic回歸方法（詳見(jiàn)第八章）。9.3.2 實(shí)例操作例9.3在艾滋?。ˋIDS）相關(guān)的知識(shí)、觀念、行為研究（KAB Study）中，獲得了不同年齡和受教育水平的公眾，對(duì)預(yù)防AIDS知識(shí)掌握程度的資料，經(jīng)整理成列聯(lián)表如下所示。很明顯，對(duì)預(yù)防AIDS知識(shí)的掌握程度與公眾的年齡和受教育水平有關(guān)，即若預(yù)防AIDS知識(shí)掌握程度為應(yīng)變量，則應(yīng)該受到年齡和受教育水平兩個(gè)自變量的影響。下面將運(yùn)用帶應(yīng)變量的對(duì)數(shù)線性模型進(jìn)行分析。受教育水平年齡

38、預(yù)防AIDS知識(shí)掌握程度好 一般 差高20-30-40-50-53283119402132623811中20-30-40-50-677138910314194662410187136低20-30-40-50-21683322987617192471569.3.2.1 數(shù)據(jù)準(zhǔn)備激活數(shù)據(jù)管理窗口，定義變量名：實(shí)際觀察頻數(shù)的變量名為freq；預(yù)防AIDS知識(shí)掌握程度變量名為aids，按好、一般、差分別輸入1、2、3；受教育水平變量名為educ，按高、中、低分別輸入1、2、3；年齡變量名為age，20-至50-依次輸入14。輸入原始數(shù)據(jù)后選Data菜單的Weight Cases.項(xiàng)，在Weight C

39、ases對(duì)話框中激活Weight cases by項(xiàng)，從變量列表中選freq點(diǎn)擊鈕使之進(jìn)入Frequency Variable框，點(diǎn)擊OK鈕即可。9.3.2.2 統(tǒng)計(jì)分析激活Statistics菜單選Loglinear中的Logit.項(xiàng)，彈出Logit Loglinear Analysis對(duì)話框（圖9.5）。從對(duì)話框左側(cè)的變量列表中選aids，點(diǎn)擊鈕使之進(jìn)入Dependent框，點(diǎn)擊Define Range.鈕，彈出Logit Loglinear Analysis: Define Range對(duì)話框，定義應(yīng)變量aids的范圍，在Minimum處鍵入1，在Maximum處鍵入3，點(diǎn)擊Continu

40、e鈕返回Logit Loglinear Analysis對(duì)話框。從對(duì)話框左側(cè)的變量列表中選age，點(diǎn)擊鈕使之進(jìn)入Factor(s)框，點(diǎn)擊Define Range.鈕，定義自變量age的范圍為1、4；同法將自變量educ選入Factor(s)框，并定義其范圍為1、3。本例要求計(jì)算各變量主效應(yīng)和交互作用的參數(shù)估計(jì)，故點(diǎn)擊Contrast.鈕，彈出Logit Loglinear Analysis:Contrasts對(duì)話框，選擇Display parameter estimates項(xiàng)，點(diǎn)擊Continue鈕返回Logit Loglinear Analysis對(duì)話框，最后點(diǎn)擊OK鈕即完成分析。圖9.5

41、 Logit對(duì)數(shù)線性模型對(duì)話框9.3.2.3 結(jié)果解釋在結(jié)果輸出窗口中將看到如下統(tǒng)計(jì)數(shù)據(jù)：系統(tǒng)顯示共有1858個(gè)觀察例數(shù)進(jìn)入分析，分析涉及三個(gè)變量，其中AIDS為3水平，AGE為4水平，EDUC為3水平。將產(chǎn)生3階4類效應(yīng)，即：預(yù)防AIDS知識(shí)掌握程度主效應(yīng)（因AIDS被定義為應(yīng)變量，故不再分析子變量AGE、EDUC的主效應(yīng)），預(yù)防AIDS知識(shí)掌握程度分別與年齡、受教育程度的交互效應(yīng)，預(yù)防AIDS知識(shí)掌握程度、年齡、受教育程度三者的交互效應(yīng)。之后系統(tǒng)顯示實(shí)際例數(shù)、期望例數(shù)、殘差、標(biāo)準(zhǔn)化殘差和校正殘差。DATA Information 36 unweighted cases accepted.

42、0 cases rejected because of out-of-range factor values. 0 cases rejected because of missing data. 1858 weighted cases will be used in the analysis.FACTOR Information Factor Level Label AIDS 3 AGE 4 EDUC 3DESIGN Information 1 Design/Model will be processed.Correspondence Between Effects and Columns of De