用SPSS做中介效应的具体步骤，结果分析详解（一点心得）
&&& 一共三个步骤。其中，X为自变量，Y为因变量，M为中介变量。第一步：X对M做回归。SPSS操作步骤：Analyze-Regression-Linear因变量（DEP）为（放入）M，自变量（INDEP）为（放入）X。点击OK。在另外一张表上会输出回归结果的。第二步：X对Y做回归。SPSS操作步骤：Analyze-Regression-Linear因变量（DEP）为（放入）Y，自变量（INDEP）为（放入）X。点击Next，再进入第三步如下：第三步：X、M对Y做回归。因变量（DEP）为（放入）Y，自变量（INDEP）为（放入）X和M。注意：因为SPSS做回归的时候，因变量只能是一个，所以第一步是一个回归；第二、三步（点击NEXT即可）是用一个回归。&&&&&&&& 在分析结果时候，看三点哦：1、第一个回归当中，X对M是否显著，主要是Sig(主要小于0.05就可以)2、第二个回归当中，X对Y是否显著，主要是Sig(主要小于0.05就可以)3、分两种情况：A若sig(X对Y的)大于0.05，则未通过显著检验；M对Y依然显著，则是M对Y完全中介效应&&&&&&&&&&&&&&&&&&&&&&&&& B若sig(X对Y的)小于0.05，通过了显著检验，并且M对于Y的（sig小于0.05）；再看B（若第三步当中的X对于Y的系数的绝对值小于第二步方程当中X对于Y的系数B），则是部分中介效应。&&&&&&&温忠麟写过两篇有关中介效应的文章，里面有详细的原理阐述，有兴趣的可以参与，这里就只补充里面没有的SPSS操作步骤和菜鸟级入门级的分析数据的方法，原理的推导就不再赘述。&&&&&&&PS：欢迎批评指正！&&&&&&&&&&&&&&&&&
分享这篇日志的人也喜欢
热门日志推荐
请输入手机号，完成注册
请输入验证码
密码必须由6-20个字符组成
下载人人客户端
品评校花校草，体验校园广场利用SPSS进行主成分回归分析_图文_百度文库
利用SPSS进行主成分回归分析
利用ＳＰＳＳ进行主成分回归分析
（莱芜职业技术学院，山东　　莱芜　　２７１１００）
摘　　要：利用ＳＰＳＳ　１２．０　ｆｏｒＷ　ｉｎｄｏｗｓ　的Ｌｉｎｅａｒ　Ｒｅｇｒｅｓｓｉｏｎ，Ｆａｃｔｏｒ　Ａｎａｌｙｓｉｓ　和ＣｏｍｐｕｔｅＶａｒｉａｂｌｅ　等过程，　结合线性回归和
主成分分析的基本原理，　介绍了多重共线性诊断、主成分回归分析过程和确定最佳方程的方法。关键词：多重共线性诊断；主成分回归分析
中图分类号：Ｏ１５１．２　　　　　文献标识码：Ｂ　　　　　　文章编号：１６７１　－　２１５３（２００６）０２　－　００６７　－　０３
０　引　言
　　　　在多变量分析中，　常常采用最小二乘法拟合多重线性回归模型。但是最小二乘估计有时会很不理想，　造成这种情况的一个重要原因是矩阵Ｘ的列向量接近线性相关，　这种自变量之间的近似线性关系我们称为多重共线性，　而多重共线性存在是我们求出的回归系数的符号及其数值理理论不一致的主要原因。本文利用ＳＰＳＳ１２　ｆｏｒ　Ｗｉｎｄｏｗｓ　通过主成分和线性回归相结合的方法来解决多重共线性的问题［１－３］
变量标准差；Ｃｉ为第ｉ个主成分；ａｉｊ为主成分矩阵（Ｃｉ与Ｘｉ’构成的矩阵）的系数。
　　　　（４）从累计方差百分比≥８５％所包括的主成分开始建立标化主成分回归方程，　再向后逐步增加主成分个数，得到ｍ个标化主成分回归方程：Ｙｊ＝∑Ｂｉ’Ｃｉ，（ｊ＝１，…，ｍ≤ｐ；ｉ＝１，…，ｋ≤ｐ）（４）式中，Ｙｊ为第ｊ个标化主成分回归方程估计值，Ｂｉ’为标化主成分回归方程中第ｉ个标化偏回归系数。
　　　　（５）计算ｍ个标化主成分回归方程的残差见式（５），　对残差取绝对值见式（６），参考较小残差绝对值均数和较大累计方差百分比，在式（４）中挑选最佳标化主成分回归方程。
　　　　Ｅｊ＝Ｙ’－Ｙｄ’ｊ，（ｊ＝１，…，ｍ）　　　　　　　　　　　　　　　（５）　　　　ＡＥｊ＝｜Ｅｊ｜，（ｊ＝１，…，ｍ）　　　　　　　　　　　　　　　　　　　　（６）式中，Ｅｊ为第ｊ个标化主成分回归方程的残差，ＡＥｊ为Ｅｊ的残差绝对值。
　　　　（６）把式（３）代入最佳标化主成分回归方程，整理后得标化线性回归方程　　　　　　　　Ｙｄ’＝∑ｂｉ’　Ｘｉ’　　　（ｉ＝１，…，ｐ）　　　　　　　　　　（７）式中：Ｙｄ’为标化线性回归方程估计值，它与相应的标化主成分回归方程估计值等价；ｂｉ’为标化线性回归方程的第ｉ个标化偏回归系数。
　　　　（７）把标化线性回归方程转换成一般线性回归方程。标化偏回归系数转换为偏回归系数以及常数的计算公式为　　　　　　　　ｂｉ＝ｂｉ’　　　ＬＹＹ／ＬＸｉＸｉ　　　（ｉ＝１，…，ｐ）　　　　　　　　（８）
１　基本原理与计算方法
　　　　（１）以应变量Ｙ和全部自变量Ｘ进行逐步回归，
筛选出Ｐ个有统计学意义的自变量，并且诊断各自变量的多重共线性。
　　　　（２）用Ｐ个自变量进行主成分分析，得到主成分矩阵和各主成分的累计方差百分比。
　　　　（３）计算标化应变量和Ｐ个标化自变量，分别见式（１）　和式（２），按式（３）得到Ｐ个主成分的值。　　　　Ｙ’＝（Ｙ－Ｙ）／ＳＹ，（ｉ＝１，…，ｐ）　　　　　　　　　　　　　　　（１）　　　　Ｘｉ’＝（Ｘｉ－Ｘｉ）／ＳＸｉ，（ｉ＝１，…，ｐ）　　　　　　　　　　　　　　（２）　　　　Ｃｉ＝ａｉ１Ｘ１’＋ａｉ２Ｘ２’＋…＋ａｉｐＸｐ’　（ｉ＝１，…，ｐ）　　　　　（３）式中：Ｙ’为标化应变量；Ｙ为应变量；Ｙ为应变量均数；ＳＹ为应变量标准差；Ｘｉ’为第ｉ个标化自变量；Ｘｉ为第ｉ个自变量，Ｘｉ为第ｉ个自变量均数；ＳＸｉ为第ｉ个自
收稿日期：２００５－１０－１６
作者简介：徐林（１９６５－），男，山东莱芜人，莱芜职业技术学院副教授。
贡献者：Cinderella_mn
喜欢此文档的还喜欢您所在位置： &
&nbsp&&nbsp&nbsp&&nbsp
第九章_SPSS的线性回归分析.ppt64页
本文档一共被下载：
次 ,您可全文免费在线阅读后下载本文档。
文档加载中...广告还剩秒
需要金币：350 &&
第九章_SPSS的线性回归分析
你可能关注的文档：
··········
Save Variables框： ①Predicted values：表示保存预测值； ②Residual：表示保存残差； ③Prediction interval：表示保存预测值默认95％置信区间的上限和下限值。 Predict cases框中：只有当解释变量为时间时才可选该框中的选项。
①Predict from estimation period through last case：表示计算当前所有样本期内的预测值；
②Predict through：表示计算指定样本期内的预测值
③指定样本期在Observation框后输入。
④本例希望预测2003年和2004年的值，应在Observation框后输入27。 Thank you （2）向后筛选（ Backward ）策略 ①变量不断剔除出回归方程的过程。 ②首先把所有变量全部引入回归方程，并对回归方程进行各种检验； ③在回归系数显著性检验不显著的一个或多个变量中，剔除t检验值最小的变量，并重新建立回归方程和进行各种检验 ④如果新建回归方程中所有变量的回归系数检验都显著，则回归方程建立结束；否则按上述方法再一次剔除最不显著的变量，直到再也没有可剔除的变量为止。
（3）逐步筛选（ Stepwise ）策略
①在向前筛选策略的基础上结合向后筛选策略：向前策略中，变量一旦进入方程将不再被剔除，随着变量的不断引入，会由于变量间的多重共线性，使得已经引入的变量不再显著。
②在每个变量进入方程后再次判断是否存在应该剔除出方程的变量。
③逐步筛选策略在引入变量的每一个阶段都提供了再剔除不显著变量的机会。 1. 多重共线性是指解释变量之间存在线性相关关系的现象。 2.测度多重共线性一般有以下方式 （1）容忍度
是第i个解释变量与方程中其他解释变量间的复相关系数的平方，表示解释变量之间的线性相关程度。 ②容忍度的取值范围在0-1之间，越接近0表示多重共线性越强，越接近
正在加载中，请稍后...}