spss 非線性回歸 - CSDN

2020-12-13 CSDN技術社區

各位SPSS學堂粉絲大家好，上次我們簡要給大家梳理了一篇有關非線性關係的文章，現在我們就關於此模型的數據如何用SPSS操作和結果分析進行詳細介紹，前面的描述性統計與相關分析等我們之前的文章中都有提到，這裡我們就不再示範，我們直接給大家示範假設檢驗部分的數據分析。

我們主要是想驗證授權型領導行為與任務績效存在倒U型關係，而自我決定感中介了這一曲線關係，具體內容請大家自行對照論文——《授權型領導行為對員工任務績效的非線性影響機制 》。

主要採用層次回歸的方法進行數據分析，操作起來並不難。首先，對授權型領導行為、自我決定感進行中心化處理（即變量減去它的均值），分別構建二次項。其次，引入控制變量，構建基準模型，分別為Model1 與Model3，操作如下：分析—線性回歸—引入控制變量

再次，以任務績效為結果變量，依次引入授權型領導行為、授權型領導行為平方分別構建Model4與Model5，在這裡我們主要是驗證授權型領導行為對任務績效產生倒U型影響，主要是通過Model5來判斷，如果授權型領導行為平方對任務績效產生顯著負向影響，且相比Model4產生顯著的額外解釋力，且R方更改顯著則我們的假設得到驗證。

得到結果如下，數據是隨意選取的，在這裡只是想告訴大家結果報告時應該關注哪些結果，具體如下。

再次以任務績效為結果變量，依次引入自我決定感、自我決定感的平方構建Model6與Model 7，在這裡我們是為了驗證自我決定感是否對任務績效產生倒 U 型影響，假若員工的自我決定感平方對任務績效產生顯著負向影響，且R方更改顯著則我們的假設得到驗證。

Model8是在Model5基礎上，引入中介變量自我決定感、自我決定感平方構建而來的，若自我決定感、自我決定感平方，對任務績效分別產生顯著負向影響，則能初步驗證了自我決定感的中介作用。進一步的檢驗就是驗證該模型是一種特殊的有調節中介模型，具體可參照Lin, Law和Zhou（2017）文中的做法。

對於這種曲線圖的做法，我們初步了解到可以採用R語言或者Origin軟體進行擬合。感興趣的小夥伴可以進一步了解。

參考文獻：

尹奎, 邢璐, 汪佳. (2018).授權型領導行為對員工任務績效的非線性影響 機制.心理科學, 41(3), 170-176

Lin, B. L., Law, K. S., & Zhou, J. (2017). Why is underemployment related to creativity and OCB? A task-crafting explanation of the curvilinear moderated relations.Academy of Management Journal,60(1),156-177.

相關焦點

  • 案例:用SPSS做一個簡單的非線性回歸
    當我們的非線性模型更加複雜，比如要考慮更多因素，常見模型解決不了問題，那麼可能就需要繼續學習和使用非線性回歸方法，SPSS也提供了強大的【非線性】回歸菜單。鑑於非線性回歸異常複雜和很難學，今天小兵選一個小入口，以考察一個因素為例，簡要演示SPSS非線性回歸過程。
  • SPSS分析技術:非線性回歸;非線性回歸與曲線直線化有哪些異同點及優劣勢?
    本文介紹的非線性回歸就是針對以上更為複雜的問題而提出的一個通用的模型框架，它採用迭代方法對用戶設置的各種複雜曲線模型進行擬合，同時將殘差的定義從最小二乘法向外大大擴展（例如最小一乘法等方法）為用戶提供了極為強大的分析能力。曲線直線化和非線性回歸因變量和自變量是非線性關係時，可以通過曲線直線化和非線性回歸對它們之間的關係進行擬合。
  • 非線性回歸模型--多項式回歸
    回歸分析可分為線性回歸和非線性回歸。線性回歸分析相信大家都已經非常熟悉了，它主要分析有線性回歸趨勢的兩個變量間的關係。但是在處理許多實際問題時，變量間的關係並非直線關係,例如細菌生長曲線、藥物動力學、毒物劑量與動物死亡率的關係等等。
  • 非線性回歸
    在數據科學中，回歸是最基礎的計算。通俗來講，回歸就是找出一堆數據之間的函數關係。線性回歸是最簡單的回歸，很容易利用最小二乘法解決。非線性回歸也可以使用最小二乘法去處理，然而如果數據之間看不到明顯的函數關係，最小二乘法利用起來就比較麻煩，比如下面的數據點就很難找到一個合適的數學函數進行擬合。
  • 機器學習 | 多項式回歸處理非線性問題
    線性回歸中的多重共線性與嶺回歸深度理解Lasso回歸分析在使用線性回歸時，除了遇到以上問題（數據中存在多重共線性、數據維度過高），還會遇到數據並不總是線性的，若此時仍堅持用線性模型去擬合非線性數據，其結果往往是很糟糕的。
  • spss線性回歸 回歸方程 - CSDN
    多元線性回歸，主要是研究一個因變量與多個自變量之間的相關關係，跟一元回歸原理差不多，區別在於影響因素（自變量）更多些而已，例如：一元線性回歸方程 為：   今天跟大家一起討論一下，SPSS---多元線性回歸的具體操作過程，下面以教程教程數據為例，分析汽車特徵與汽車銷售量之間的關係。通過分析汽車特徵跟汽車銷售量的關係，建立擬合多元線性回歸模型。數據如下圖所示：
  • SPSS教程-回歸分析
    //SPSS//Course//回歸分析由係數表可知回歸模型的常數項為-4993.281，自變量「國內生產總值」的回歸係數為0.197。因此，可以得出回歸方程：財政收入=-4993.281 + 0.197 × 國內生產總值，回歸係數的顯著性水平為0.000，明顯小於0.05，說明建立線性模型是恰當的。
  • (案例)線性/非線性回歸分析Matlab算例
    「線性/非線性回歸分析Matlab算例」
  • 教你spss使用的正確姿勢
    本次我們整理出了spss的數據分析教程，都是有實操的，只要跟著做，絕對沒問題！全部內容共有10G，有需要這門課程的同學記得保存。一起來看看都有什麼內容吧！02.第二課：數據錄入與數據整理03.第三課：描述性統計分析04.第四課：統計圖表分析05.第五課：假設檢驗概述與t檢驗06.第六課：非參數檢驗與卡方檢驗07.第七課：相關分析與回歸案例
  • 多元線性回歸spss操作 - CSDN
    轉自個人微信公眾號【Memo_Cleon】的統計學習筆記：多元線性回歸。這次筆記的內容是多元線性回歸的SPSS操作及解讀。嚴格來講，這種一個因變量多個自變量的線性回歸叫多變量線性回歸或者多因素線性回歸更合適一些。多元或者多變量往往指的是多個因變量。
  • spss多元線性回歸模型 - CSDN
    多元線性回歸，主要是研究一個因變量與多個自變量之間的相關關係，跟一元回歸原理差不多，區別在於影響因素(自變量)更多些而已，例如：一元線性回歸方程 為：毫無疑問，多元線性回歸方程應該為：上圖中的 x1,  x2, xp分別代表「自變量」Xp截止，代表有P個自變量
  • 主成分回歸分析在SPSS中的實現
    今晚講「主成分回歸在SPSS中的應用」，準備好喔，要放大招了~ 分析—描述統計—描述，將需要進行標準化處理自變量選入變量框，如果要作回歸分析，則也需要將因變量選入變量框。經過處理的數據符合標準正態分布，即均值為0，標準差為1，也是spss中最常用的標準化方法。
  • (五)SPSS之回歸分析實操
    一、線性回歸分析（一）一元線性回歸（一個因變量和一個自變量）（與曲線回歸分析對照看）第1步：分析。財政收入是受國內生產總值影響的，從經驗上看，二者應該呈線性關係，這是一個因變量和一個自變量之間的問題，故考慮用一元線性回歸進行分析。第2步：數據組織。第3步：作散點圖，觀察兩個變量的相關性。
  • spss代做風口不再,stata代做才是未來?
    spss是IBM家的軟體，也是網際網路上第一代賣統計技術的人選擇的切入口。三年過去了，時過境遷，我們看一看那些淘寶店家發出的單子，可以發現，這個簡單的傻瓜相機的需求越來越薄弱，取而代之的是需要編程的一些代理做需求。
  • spss 方法 線性回歸專題及常見問題 - CSDN
    以照護需求得分為因變量，以可能為影響失能老年人照護需求得分的因素為自變量，採用多元線性回歸篩選出影響失能老年人選擇照護服務需求的因素。本例納入的自變量有年齡、經濟來源、健康自評、失能程度、慢性病患病種類、慢性疼痛、跌倒經歷，賦值方式如表1：
  • spss多元線性回歸專題及常見問題 - CSDN
    以照護需求得分為因變量，以可能為影響失能老年人照護需求得分的因素為自變量，採用多元線性回歸篩選出影響失能老年人選擇照護服務需求的因素。本例納入的自變量有年齡、經濟來源、健康自評、失能程度、慢性病患病種類、慢性疼痛、跌倒經歷，賦值方式如表1：
  • R與生物專題 | 第四十四講 R-非線性回歸
    在「R與生物統計專題」中，我們會從介紹R的基本知識展開到生物統計原理及其在R中的實現。
  • spss操作入門(三):回歸分析
    ——王國維詞《蝶戀花》    回歸分析是一種處理變量的統計相關關係的一種數理統計方法。回歸分析的基本思想是: 雖然自變量和因變量之間沒有嚴格的、確定性的函數關係, 但可以設法找出最能代表它們之間關係的數學表達形式。
  • 相關和回歸—SPSS多重線性回歸
    如果自變量和因變量不滿足線性關係，可對變量進行線性轉換(曲線直線化)或者採用非線性回歸。我們首先驗證了自變量、因變量知否存在線性關係，至於多重線性回歸模型其他適用條件，在後續SPSS建模中逐步驗證，SPSS建立多重線性回歸模型步驟如下：第一步：分析⇒回歸⇒線性
  • spss多元線性回歸模型專題及常見問題 - CSDN
    多元線性回歸，主要是研究一個因變量與多個自變量之間的相關關係，跟一元回歸原理差不多，區別在於影響因素（自變量）更多些而已，例如：一元線性回歸方程 為：   今天跟大家一起討論一下，SPSS---多元線性回歸的具體操作過程，下面以教程教程數據為例，分析汽車特徵與汽車銷售量之間的關係。通過分析汽車特徵跟汽車銷售量的關係，建立擬合多元線性回歸模型。數據如下圖所示：