加權估計
在標準線性迴歸模型中,假設研究之母群體中的變異數為常數。當這項假設不成立時(例如,屬性高的觀察值,會比屬性低的觀察值,出現更多變化),使用普通最小平方法 (OLS) 的線性迴歸,就無法提供您最佳化模式估計。如果可以從另一個變數預測變化差異的話,「權重估計」程序就可以使用加權最小平方法 (WLS),來計算線性迴歸模型的係數。這樣在決定迴歸係數時,比較精確的觀察值(也就是變化較少的觀察值),其加權值就會變得比較大。接下來,「權重估計」程序會檢定加權轉換的範圍,並指出資料最適合使用哪一種。
範例。 通貨膨脹和失業對股票價格的變動有何影響?由於股價較高的股票通常比股價低的股票更有變化性, 普通最小平方法無法提供您最佳化模式估計。而「權重估計」能讓您在計算線性模型時,考慮到股份價值,對價格變化的影響。
統計量。 它可以檢定加權來源變數之各冪次的對數概似值、複相關係數 R、R-平方、調整過的 R-平方、WLS 模型的 ANOVA 摘要表、未標準化和標準化的參數估計值,以及 WLS 模型的對數概似值。
權重估計法的資料考量
資料。因變數和自變數應該都是數值變數。例如宗教、主修課程、或居住地區等類別變數,都必須重新編碼成二元(虛擬)變數,或是其他類型的對比變數。而加權變數也應該是數值變數,並且與因變數中的變化有關係。
假設。 對自變數的每個值而言,因變數的分配必須是常態的。因變數和每個自變數之間的關係,應該是線性的,而且所有觀察值應該互不相關。因變數的變異性,可以橫跨數個自變數階層,但是,其差異性必須能夠透過加權變數,加以估計。
相關程序。 「探索」程序,可以用來檢視您的資料。「探索」可提供變異數的常態性和同質性檢定,以及用圖形顯示資料。如果因變數在不同的自變數階層中,它的變異性都差不多時,就可以使用「線性迴歸」程序。如果您的資料違反某項假設(如常態性)的話,請先試著轉換資料。如果您的資料並不是呈線性相關,而且轉換無效的話,請使用「曲線估計」程序中的其他模式。如果您的因變數為二分變數(例如,是否完成某項交易,或者某個項目是否有效),那麼請使用「羅吉斯迴歸」程序。如果您的因變數是需要設限的(例如手術之後的存活時間),請使用「自訂表格及進階統計量」中的「生命表」、「Kaplan-Meier」或「Cox 迴歸」。如果您的資料並不是獨立的(例如,您是在數種不同情況下,觀察同一個人),請使用「自訂表格及進階統計量」中的「重複測量」程序。
若要取得權重估計分析
此功能需要SPSS® Statistics Standard Edition 或「迴歸」選項。
- 在功能表上,選擇:
- 選取一個因變數。
- 選取一個或多個自變數。
- 選取一個 heteroscedasticity 來源的變數,來當作加權變數。
- 加權變數 (Weight Variable). 資料是使用含有次方的變數倒數進行加權。迴歸方程式的計算可用於每個指定的冪次值範圍,也表示最大化對數概似函數的冪次。
- 冪次範圍 (Power Range). 它與加權變數一起使用來計算加權。在冪次範圍內,將有幾個適合的迴歸方程式,每個數值都有一個適合的方程式。在冪次範圍檢定方框和整個文字框中輸入的數值必須介於 -6.5 和 7.5 (含) 之間。冪次值範圍涵蓋由低至高的數值,增量程度由指定數值決定。冪次範圍內的值總數最多限制為 150 個。
此程序會貼上 WLS 指令語法。