消息 首页 搜索 举报
  • Logistic回归中的交互效应
21年品牌 40万+商家 超1.5亿件商品

Logistic回归中的交互效应

本店图书 都是正版图书 可开电子发票 需要发票的联系客服！

￥ 19.65 6.1折 ￥ 32 全新

库存12件

四川成都
认证卖家担保交易快速发货售后保障

作者【美】詹姆斯·杰卡德

出版社格致出版社

ISBN9787543230507

出版时间2019-09

装帧平装

开本32开

定价32元

货号28474194

上书时间2024-12-28

百叶图书
已实名 已认证 进店 收藏店铺
  • 最新上架

   商品详情   

品相描述：全新
商品描述
导语摘要

本书是格致方法•定量研究系列之一种，重点在于介绍如何在logistics回归中用乘积项来进行交互效应分析。作者首先回顾了如何用概率、发生比和对数发生比的形式解释logistics回归的结果，然后介绍了双向交互效应和三向交互效应。之后，作者进一步讨论了更复杂情况下交互效应的解释方法，包括分类和连续变量的交互效应、两个连续变量的交互效应，以及当因变量是多类别变量时的交互效应。*后，作者使用SPSS统计软件对数据进行了多项式logistic回归，并指导读者解释该回归中的交互效应问题



作者简介



詹姆斯•杰卡德（James Jaccard）,美国纽约州立大学奥尔巴尼分校心理学系的杰出教授。主要研究方向：心理学和青少年风险行为，尤其是青少年的意外怀孕和醉驾问题。







 





目录

前言 


第1章 概述


第1节 概率和发生比


第2节 Logistic回归模型


第3节 分类解释变量和虚拟变量


第4节 Logistic回归的预测值


第5节 系数解释


第6节 概率、发生比和对数发生比的换算


第7节 自变量的转换


第8节 交互效应的定义


第9节 多层次完全模型


第10节 交互项分析和分开进行的logistics回归


第2章 定性变量间的交互效应


第1节 双向交互效应


第2节 三向交互效应


第3章 定性和定量/连续变量的交互效应


第1节 调节变量是定性变量的双向交互效应


第2节 调节变量是定量变量的双向交互效应


第3节 三向交互效应


第4章 两个定量/连续变量的交互效应


第1节 双向交互效应


第2节 三向交互效应


第5章 多类别模型


第1节 定序回归模型


第2节 多类别名义变量


第6章 交互项解释的其他问题


第1节 展示交互效应的方法


第2节 计算置信区间


第3节 当调节变量取不同值时，计算关键自变量的系数


第4节 定量/连续变量交互项的双线性


第5节 分离成分项


第6节 多项的交互效应


第7节 多重共线性


第8节 模型选择和简化


第9节 转换


第10节 混杂的交互效应


第11节 电脑软件


注释


参考文献


译名对照表



内容摘要

本书是格致方法•定量研究系列之一种，重点在于介绍如何在logistics回归中用乘积项来进行交互效应分析。作者首先回顾了如何用概率、发生比和对数发生比的形式解释logistics回归的结果，然后介绍了双向交互效应和三向交互效应。之后，作者进一步讨论了更复杂情况下交互效应的解释方法，包括分类和连续变量的交互效应、两个连续变量的交互效应，以及当因变量是多类别变量时的交互效应。*后，作者使用SPSS统计软件对数据进行了多项式logistic回归，并指导读者解释该回归中的交互效应问题



主编推荐

詹姆斯•杰卡德（James Jaccard）,美国纽约州立大学奥尔巴尼分校心理学系的杰出教授。主要研究方向：心理学和青少年风险行为，尤其是青少年的意外怀孕和醉驾问题。

 



精彩内容
社会科学研究对交互效应有多种定义方法，使用最广泛的一种方法是将交互效应置于因变量、自变量和调节变量（moderatorvariable）的框架中进行讨论。其中，因变量是结果变量，由自变量决定或者受到自变量的影响。自变量被认为是因变量的原因。当自变量对因变量的影响因为第三个变量，即“调节变量”的取值不同而不同时，我们就说存在交互效应。例如：政治态度对人们支持或反对某一法案的影响对于男性和女性来说是不一样的，在这里，政治态度是自变量，人们对该法案的态度是因变量，性别就是调节变量。再如：社会阶层对人们就医行为的影响在不同的族群中不一样，在这个例子中，社会阶层是自变量，就医行为是因变量，族群是调节变量。
用调节变量的方法分析交互效应时，我们需要有清晰的理论假设来界定何为调节变量，以及何为关键自变量（focalindependentvariable），即对因变量的作用受到调节变量影响的自变量。一般情况下，研究者在提出研究问题时会假设某个自变量可能会被其他调节变量影响，这种假设常常是很直观的。例如，有学者想研究某种治疗抑郁症的方法是否对男性和女性患者有不同的效果。此时，性别是调节变量，是否接受了治疗就是关键自变量。此外，对自变量和调节变量的定义会因为研究兴趣的不同而不同，研究者甲定义的关键自变量可以是研究者乙所定义的调节变量。比如研究消费行为时，一些研究者感兴趣的是商品质量和消费者购买意愿之间的关系，以及这种关系如何受到商品价格的影响。而对于市场研究者来说，他们更感兴趣的是商品价格如何影响购买意愿，以及这种影响如何因为商品质量的不同而不同。界定自变量和调节变量的依据是研究假设，没有绝对的标准来判定某种界定方式优于另一种。从统计上说，上述两个例子的方程是完全一样的，只是它们的理论关注点不同。
介绍了交互效应的一般特征之后，我们再从统计技术层面进行更深入的探讨。从调节变量的角度定义交互效应只是理解交互项参数的一种方法，有些社会科学研究者倾向于使用严格的统计定义，也有一些研究者兼顾了统计模型和研究设计。在如何参数化交互项方面，研究者的处理方法也不尽相同（Jaccard,1998）。在本书中我们使用的是最常见的定义方法，将交互效应定义为：两个变量之间的关系是第三个变量（调节变量）的一个函数（双向交互效应的情况下）。这种方法虽然在社会科学研究中广泛使用，但是它也有局限性，即它本身不能告诉我们何为关键自变量、何为调节变量，研究者可以随意做出界定。我们在后面还会谈到，X对Y的作用被Z影响，或Z对Y的作用被X影响，两种情况下交互项的参数都是一样的。尽管如此，由于调节变量的概念直观且易于理解，绝大多数应用型研究者还是采用了这一方法。

  • Logistic回归中的交互效应

—  没有更多了  —

店铺评价
消息 首页 搜索

以下为对购买帮助不大的评价

此功能需要访问孔网APP才能使用
暂时不用
打开孔网APP