全部版块 我的主页
论坛 数据科学与人工智能 数据分析与数据科学 SPSS论坛
2012-5-11 20:24:03
学习了,很受用~
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

2012-5-28 16:47:44
chyshl 发表于 2010-10-1 23:40
在下是这么理解的,不一定正确,欢迎拍砖。
各种回归中因变量不用说了,自变量吗,有研究者希望研究的因素 ...
假如研究在控制了变量A和B的情况下,C对D的影响。是不是在回归的时候,不需要区分自变量C还是控制变量A、B,只需要把它们全部加入模型中进行回归。回归出来结果后,说在控制了A、B的情况下,C对D的影响是怎样的?
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

2012-5-28 18:05:54
感觉基本如此,但很多情况下C作为研究变量,它的分组分级等情况是根据研究目的做出的,比较复杂一点;而A和B作为控制变量就相对简单,而且,所谓“在控制了A、B的条件下……”,是指将控制变量置于一个固定水平的条件下,C对D的影响。至于置于什么固定条件,依软件不同而不同,比如SPSS通常是控制变量的最后一个水平,而Stata是赋值最小的那个水平。
个人理解,欢迎拍砖!
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

2012-6-6 14:11:11
学习了,非常感谢,正好用的上
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

2012-6-25 20:31:58
学习了,谢谢~
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

2012-7-10 09:36:27
看了楼主的解释,豁然开朗
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

2012-7-19 02:25:40
chyshl 发表于 2010-10-1 23:40
在下是这么理解的,不一定正确,欢迎拍砖。
各种回归中因变量不用说了,自变量吗,有研究者希望研究的因素 ...
是不是虚拟变量。
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

2012-7-19 07:34:02
wanglang2228 发表于 2012-7-19 02:25
是不是虚拟变量。
虚拟变量只是控制变量的一种,其实也就是分类变量。控制变量也可以是连续变量。软件“控制”这些变量的方法吗,在下知道两种:对于分类变量,取其最大值或最小值为对照基线,可以临时更改(这里的最大、最小是指你对变量分类的数字定义,不是指实际含义);对于连续变量,取其均数为对照基线,也可更改,比如所谓“对中”。
“控制”的含义就是将不打算作为主要因素分析的协变量都固定在某个水平,然后在此条件下观察要分析的主要因素对因变量的作用。
老话:学习心得。欢迎拍砖!呵呵。
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

2012-8-2 14:33:18
好帖子 mark
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

2012-8-24 16:41:13
非常感谢chyshl
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

2012-8-27 00:49:10
不错,再学习下
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

2012-10-6 10:16:28
chyshl 发表于 2010-10-1 23:40
在下是这么理解的,不一定正确,欢迎拍砖。
各种回归中因变量不用说了,自变量吗,有研究者希望研究的因素 ...
说得通俗易懂 多谢多谢
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

2012-10-6 13:31:18
本来就没有什么控制变量,都是回归变量,具体到实际问题中才提出这个成为称谓
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

2012-10-6 20:47:15
zkymath 发表于 2012-10-6 13:31
本来就没有什么控制变量,都是回归变量,具体到实际问题中才提出这个成为称谓
就软件本身来说,是不懂什么分析变量、控制变量的。变量是什么类型,只取决于我们的研究目的,是研究者本身指定的。呵呵。
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

2012-11-19 09:46:40
chyshl ,解释的很清楚,真心感谢了
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

2012-11-22 20:51:22
受益
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

2012-12-24 01:39:21
谢谢,正好解释了我的困惑
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

2012-12-28 16:41:51
很好,很受用
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

2013-1-7 20:30:25
受益了
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

2013-1-9 15:34:51
回答的很好,受益匪浅, 谢谢
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

2013-1-31 15:42:25
zhangyiyiw 发表于 2012-5-28 16:47
假如研究在控制了变量A和B的情况下,C对D的影响。是不是在回归的时候,不需要区分自变量C还是控制变量A、 ...
亲,我对这个问题的理解是这样的,要排除控制变量的影响,应该首先用控制变量和因变量做回归,然后再加入自变量,看模型R方的变化情况。具体操作时,先将控制变量放到BLOCK的第一层,然后将自变量放入第二层,在statistics里面选择changed R2。
在最后呈现的结果里面,有用控制变量和因变量做回归的模型A,和控制变量、自变量和因变量做回归的模型B,模型B比模型A增加的R2,就来自于自变量的作用,如果R2的变化显著,就说明自变量对因变量是有影响的。
欢迎不同解释~
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

2013-2-1 13:42:12
谢谢您的解答。
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

2013-2-25 00:29:33
球球与臭臭 发表于 2013-1-31 15:42
亲,我对这个问题的理解是这样的,要排除控制变量的影响,应该首先用控制变量和因变量做回归,然后再加入 ...
这才是真正的行家。
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

2013-2-25 00:31:50
球球与臭臭 发表于 2013-1-31 15:42
亲,我对这个问题的理解是这样的,要排除控制变量的影响,应该首先用控制变量和因变量做回归,然后再加入 ...
既有操作又有解释。高!
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

2013-2-25 10:05:15
chyshl 发表于 2010-10-1 23:40
在下是这么理解的,不一定正确,欢迎拍砖。
各种回归中因变量不用说了,自变量吗,有研究者希望研究的因素 ...
控制变量和自变量放在一起的话,解释时还怎么体现出了“控制了**因素之后...”呢?  望大侠赐教
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

2013-2-25 20:32:24
骄傲的小矮人 发表于 2013-2-25 10:05
控制变量和自变量放在一起的话,解释时还怎么体现出了“控制了**因素之后...”呢?  望大侠赐教
那是很久以前的帖子了,呵呵。
大概情况是这样:在实际研究中,控制变量和研究变量肯定是混在一起的,只是我们的研究对某项变量感兴趣,这就是所谓研究变量(自变量)了,但其他影响因素也必须考虑,其实也就是说有些我们不想要的变量,但它们的的确确存在,而且影响我们的研究结果,那么,怎么才能客观地在有其它变量存在的情况下衡量研究变量(自变量)的影响呢?最常见的方法,就是将我们研究中存在的其它变量(也叫混杂因素了)固定于某个水平(在连续变量,多取平均数;在分类变量,多取最小或最大水平),研究变量的所有结果,都是相对于这些混杂因素的某个取值而言的,所谓“在控制了**因素之后”,其含义其实就是自变量的所有变化,都有一个统一的比较水平,而不是一部分值是在混杂变量最小值的时候取得的,而另一部分是在混杂变量是最大值的时候取得的。只有这样比较才本质上公平,是不是?
俺不是专业的,措辞可能不严谨不连贯,就请多多包涵了,呵呵。

其实呢,“在控制了**因素之后”很有些套话的意味,但大家都这么说,显得对统计原理是了解的,呵呵。现在多因素分析都用程序,估计没人会手工将研究因素的值“对齐”于某个混杂因素的某水平,这样说,仅仅说明了我的研究已经考虑到了混杂因素的存在,也考虑到了比较基线的一致性。
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

2013-2-28 13:24:44
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

2013-2-28 14:55:14
chyshl 发表于 2013-2-25 20:32
那是很久以前的帖子了,呵呵。
大概情况是这样:在实际研究中,控制变量和研究变量肯定是混在一起的, ...
感谢您两年后还能耐心给我回帖,不胜感激。
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

2013-2-28 14:58:43
chyshl 发表于 2013-2-25 20:32
那是很久以前的帖子了,呵呵。
大概情况是这样:在实际研究中,控制变量和研究变量肯定是混在一起的, ...
恩。。是三年后。 还有个问题,您的意思就是说,当我们把控制变量和自变量一起输入并得到回归结果,软件在这个回归的过程中就已经自己控制了其他变量了吗?我最终是向分析自变量前边的系数,那也就是说这个系数本身就是在已经控制了    控制变量以及其他自变量   之后的得出来的?
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

2013-2-28 20:44:49
骄傲的小矮人 发表于 2013-2-28 14:58
恩。。是三年后。 还有个问题,您的意思就是说,当我们把控制变量和自变量一起输入并得到回归结果,软件在 ...
是这样。其实控制变量和自变量对人不同但软件不管这些,对软件来说都是影响因素,它只是按统计规则和算法计算,怎么分析看自己了。只要指定因变量,一切都交由软件处理,我们不必关心具体的计算过程(实际上手工也没法算,太复杂了)。其实在实际工作中,可能遇到我们认为影响重大的因素反而不如混杂因素的回归系数大的情况,甚至有研究因素对于因变量无影响的情况,这个是我们的设计问题。不过,为了解释方便(只是为了解释方便)多把自己认为最重要的影响因素放在前面。虽然放在影响因素队列的任何地方结果都一样,但很多时候结果表现“不一样”,虽然仔细分析下只是因为顺序的不同罢了,但此种情况你自己懂得,其他人要懂就要费些周折,所以习惯上都放前面。

对于多数软件来说,影响因素的性质还需指定,比如指定某因素是连续型,那么软件会将此因素下的数字自动取均值,意味着因变量所有变异都是相对此因素的均值说的,这个数值是比较的起点,是逻辑上的“1”;指定某因素为分类变量,那么软件就自动取最小水平或最大水平,意味着因变量所有变异是基于这个水平说的。如果还要分析其它水平的影响,那么在最小水平(或最大水平)为“1”的情况下再乘以其它水平的回归系数。




还是老话,不一定正确,欢迎拍砖!

二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

栏目导航
热门文章
推荐文章

说点什么

分享

扫码加好友,拉您进群
各岗位、行业、专业交流群