列聯(lián)表、卡方檢驗(yàn)與對(duì)數(shù)線性模型(參考版)
2025-05-16 08:16本頁(yè)面
【正文】 1 (Dispersion parameter for poisson family taken to be 1) Null deviance: on 59 degrees of freedom Residual deviance: on 56 degrees of freedom AIC: 思考 ： 列聯(lián)表與 Poisson對(duì)數(shù)線性模型， 以及后面要介紹的試驗(yàn)設(shè)計(jì)的數(shù)據(jù)表有什么區(qū)別？ 。 39。 39。 39。 39。Person=factor(Person) a=glm(Incidents~Time+Machine+Person,family=poisson) summary(a) 數(shù)據(jù)（ , , ） summary(a) Call: glm(formula = Incidents ~ Time + Machine + Person, family = poisson) Deviance Residuals: Min 1Q Median 3Q Max Coefficients: Estimate Std. Error z value Pr(|z|) (Intercept) . Time *** Machine2 * Person2 Signif. codes: 0 39。 數(shù)據(jù)（ , , ） m=(d:/booktj1/data/,header=T) attach(m)。最后 ContinueOK即可得出結(jié)果 。 ? 再選 Model（ 模型 ） ， 這里以選 Custom（ 自定義 ） ， 在Building Terms（ 構(gòu)造模型的項(xiàng) ） 選 Main effect（ 主效應(yīng) ） ， 再把三個(gè)變量一個(gè)一個(gè)地選進(jìn)來(lái) 。 1 (Dispersion parameter for poisson family taken to be 1) Null deviance: on 59 degrees of freedom Residual deviance: on 55 degrees of freedom AIC: Number of Fisher Scoring iterations: 4 SPSS的 實(shí)現(xiàn) ? [數(shù)據(jù) ] 假定已經(jīng)加權(quán) ? 這時(shí)的選項(xiàng)為 Analyze－ Loglinear－ General, ? 首先選擇格子中頻數(shù)的分布 ,這里是 Poisson分布 。 39。 39。 39。 39。Polution=factor(Polution) a=glm(Count~Sex+Polution+Age,family=poisson) summary(a) 數(shù)據(jù) () m=(d:/booktj1/data/) Call: glm(formula = Count ~ Sex + Polution + Age, family = poisson) Deviance Residuals: Min 1Q Median 3Q Max Coefficients: Estimate Std. Error z value Pr(|z|) (Intercept) 2e16 *** Sex2 Polution2 ** Polution3 Age . Signif. codes: 0 39。 ? 通過(guò)更進(jìn)一步的分析 （ 這里不進(jìn)行 ） ， 可以發(fā)現(xiàn) ，中度和嚴(yán)重空氣污染 （ 無(wú)論單獨(dú)還是一起 ） 和輕度空氣污染比較都顯著增加哮喘人數(shù) ， 而中度及嚴(yán)重污染時(shí)的哮喘人數(shù)并沒(méi)有顯著區(qū)別 。 輕度污染顯然比中度污染和嚴(yán)重污染哮喘要好 。 ? 注意 ， 這里的對(duì)主效應(yīng) ?I和 ?j的估計(jì)只有相對(duì)意義；它們?cè)谝粋€(gè)參數(shù)為 0的約束條件下得到的 。 這個(gè)模型可以寫成 ? 這里 m為常數(shù)項(xiàng)， ?i為性別 （ i=1,2分別代表女性和男性兩個(gè)水平）， ?j為空氣污染程度 （ j=1,2,3代表低、中高三個(gè)污染水平）， x為連續(xù)變量年齡 ， 而 g為年齡前面的系數(shù) ， eij為 殘差項(xiàng) 。 這里的條件就是給出的性別 、 空氣污染程度與年齡 。 ? 這個(gè)表格和前面的列聯(lián)表的不同點(diǎn)在于每一格的計(jì)數(shù)并不簡(jiǎn)單是前面三個(gè)變量的組合的數(shù)目 (某個(gè)年齡段 ， 某種性別及某種污染下的人數(shù) )， 而是代表了某個(gè)年齡段 ，某種性別及某種污染下 發(fā)生哮喘的人數(shù) 。 這是關(guān)于哮喘病人個(gè)數(shù)和空氣污染程度 ， 年齡和性別的數(shù)據(jù) （ ） ? 后面表格為某地在一段時(shí)間記錄的 60組在不同空氣污染狀態(tài)的不同年齡及不同性別的人的 發(fā)生哮喘的人數(shù) 。 ? 如果 SPSS的 Viewer輸出不完全 ， 可以選中不完全的輸出 ， 利用 EditCopy Objects來(lái)復(fù)制到例如記事本那樣的文件中 ， 就可以看到完整輸出了 Poison對(duì)數(shù)線性模型 ? 有的時(shí)候 ， 類似的高維表并不一定滿足多項(xiàng)分布對(duì)數(shù)線性模型 。但如果不想這樣 ,可以選Custom(自定義 ),在 Building Terms(構(gòu)造模型的項(xiàng) )選Main effect(主效應(yīng) ),再把三個(gè)變量一個(gè)一個(gè)地選進(jìn)來(lái) (如果兩個(gè)或三個(gè)一同選入 ， 等于選入交叉效應(yīng) ). ? 如果想要知道模型參數(shù) ， 在 Options中選擇 Estimates。 G o o d n e s s o f F i t T e s t sa , b2 4 . 1 3 7 7 . 0 0 12 2 . 5 4 1 7 . 0 0 2L i k e l i h o o d R a t ioP e a r s o n C h i S q u a r eV a l u e df S i g .M o d e l : M u l t i n o m i a la . D e s i g n : C o n s t a n t + in c o m e + o p i n i o n + s e xb . P a r a m e t e r E s t i m a t e sc , d2 . 2 7 7a. 5 1 7 . 2 2 7 2 . 2 7 9 . 0 2 3 . 0 7 3 . 9 6 2. 2 5 5 . 2 3 9 1 . 0 6 5 . 2 8 7 . 2 1 4 . 7 2 40b. . . . . . 6 9 3 . 1 9 1 3 . 6 2 4 . 0 0 0 1 . 0 6 8 . 3 1 80b
公司管理相關(guān)推薦
鄂ICP備17016276號(hào)-1