灰色關(guān)聯(lián)分析第二次-資料下載頁(yè)
2025-05-10 03:09本頁(yè)面
【正文】 種線性關(guān)係式 y＝ β0 ＋ β1 x 25 複迴歸分析 (又稱多元迴歸分析 )屬單準(zhǔn)則變數(shù)的相依方法，其目的在了解及建立一個(gè)計(jì)量尺度之準(zhǔn)則變數(shù)，與一組計(jì)量尺度之預(yù)測(cè)變數(shù)之間的關(guān)係（黃俊英，2021）。而每個(gè)預(yù)測(cè)變項(xiàng)的預(yù)測(cè)能力，是研究者重要的參考指標(biāo)，例如： 複迴歸分析（ multiple regression analysis） 26 當(dāng)效標(biāo)變項(xiàng)僅一個(gè)，且預(yù)測(cè)變項(xiàng)也僅一個(gè)時(shí)，稱為簡(jiǎn)單迴歸 Y = a＋ bx 當(dāng)效標(biāo)變項(xiàng)僅 Y 一個(gè)，而預(yù)測(cè)變項(xiàng)二個(gè)以上時(shí)，則稱為多元 迴歸，複迴歸模式的一般型態(tài)為： Y = a + b1x1 + b2x2 + … + bixi 27 複迴歸分析包括了多的獨(dú)立變項(xiàng)，而獨(dú)變項(xiàng)之間往往獨(dú)特的先後因果影響關(guān)係，因此在應(yīng)用複迴歸分析去進(jìn)行預(yù)測(cè)時(shí)，獨(dú)變項(xiàng)在納入迴歸方程式的組合有不同的方式（邱政皓， 2021）： 28 所有的預(yù)測(cè)變項(xiàng)同時(shí)納入迴歸方程式當(dāng)中，對(duì)於依變項(xiàng)進(jìn)行估計(jì)。此時(shí)，整個(gè)迴歸分析僅保留一個(gè)包括全體預(yù)測(cè)變項(xiàng)的迴歸方程式。 (一 )強(qiáng)制進(jìn)入法 (二 )強(qiáng)制淘汰法 一、同時(shí)分析法 (simultaneous multiple) 29 所有的預(yù)測(cè)變項(xiàng)並非同時(shí)被取用來(lái)進(jìn)行預(yù)測(cè)，而釋依據(jù)解釋能力的大小，逐步的檢視每一個(gè)預(yù)測(cè)變項(xiàng)的影響，稱為逐步分析法 (一 )順向進(jìn)入法 (forward) (二 )反向淘汰法 (backward) (三 )逐步分析法 (stepwise) 二、逐步分析法 (stepwise multiple regression) 30 (一 )能否找出一個(gè)線性組合，用以簡(jiǎn)潔地說(shuō)明一組預(yù)測(cè)變項(xiàng) (Xi)與一個(gè)效標(biāo)變項(xiàng) (Y)的關(guān)係？ (二 )如果能的話，此種關(guān)係的強(qiáng)度有多大，亦即利用預(yù)測(cè)變項(xiàng)線性結(jié)合來(lái)預(yù)測(cè)效標(biāo)變項(xiàng)的能力如何？ (三 )整體關(guān)係是否具有統(tǒng)計(jì)上的顯著性？ (四 )在解釋效標(biāo)變項(xiàng)的變異方面，哪些預(yù)測(cè)變項(xiàng)最為重要；特別是在原始模式中的變項(xiàng)數(shù)能否予以減少而仍具有足夠的預(yù)測(cè)能力？ 利用複迴歸分析，我們可以解決下列問(wèn)題： 31 The End 有些收穫吧！
醫(yī)療健康相關(guān)推薦
鄂ICP備17016276號(hào)-1