Руководство по анализу данных с помощью самой мощной и популярной



Pdf көрінісі
бет273/304
Дата10.10.2024
өлшемі8,54 Mb.
#206058
түріРуководство
1   ...   269   270   271   272   273   274   275   276   ...   304
Байланысты:
А. Наследов - SPSS 19. Профессиональный статистический анализ данных - 2011

Логлинейный метод подбора модели
Теоретически из насыщенной модели можно удалить любые элементы, получив, 
таким образом, произвольную ненасыщенную модель. Далее можно проверить со-
стоятельность этой модели и в случае несоответствия ее исходным данным перей-
ти к анализу другой ненасыщенной модели. Однако большинство исследователей 
отдают предпочтение иерархическим логлинейным моделям, которые позволяют 
упорядочить процесс подбора окончательной состоятельной модели. Основной 
особенностью иерархических моделей является то, что присутствие какого-либо 
взаимодействия переменных означает присутствие всех взаимодействий, имею-
щих более низкий порядок, и главных эффектов этих переменных. Например


Логлинейный метод подбора модели
361
если в модели присутствует взаимодействие 
агрессия 
×
симпатия
, то в ней присут-
ствуют главные эффекты переменных 
агрессия
и 
симпатия
; если в модели присут-
ствует взаимодействие 
агрессия
×
симпатия
×
условия
, то в ней также присутству-
ют взаимодействия 
агрессия
×
симпатия

агрессия
×
условия
и 
симпатия
×
условия

и т. д.
Существуют три вспомогательных метода, которые предназначены для подбора 
адекватной модели. Все три метода оказываются весьма полезными и приводят 
к сходным результатам. Тем не менее окончательный выбор модели опреде-
ляется не только статистическими результатами применения метода, но и по-
ниманием исследователем особенностей исходных данных. Краткие описания 
методов приведены ниже, более подробные — в разделе «Представление ре-
зультатов».
Метод 
f
исследования оценок параметров предназначен для вычисления оценок 
параметров для насыщенной модели. Помимо обычных оценок параметров 
SPSS вычисляет стандартизованные оценки. Если значения последних неве-
лики, то они не оказывают значимого влияния на модель и обычно исключа-
ются.
Метод 
f
вычисления частичного критерия хи-квадрат в дополнение к оценкам 
параметров модели SPSS вычисляет критерий 
χ
2
, характеризующий степень 
соответствия модели исходным данным. При помощи этого критерия про-
веряется, являются ли все однофакторные эффекты, а также эффекты более 
высоких порядков статистически значимыми (анализируются комбинации 
всех эффектов первого, второго и т. д. порядков). При этом отсутствие об-
щей значимости эффектов второго порядка вовсе не означает, что все эффекты 
первого порядка не являются значимыми. Аналогично, из отсутствия общей 
значимости эффектов любого порядка не следует отсутствие значимости от-
дельных взаимодействий этого порядка. Вследствие этих двух особенностей 
в SPSS предусмотрена возможность раздельной проверки главных эффектов 
и эффектов взаимодействий.
Суть метода 
f
пошагового исключения состоит в автоматической «подгонке» мо-
дели и сходна с методом исключения предикторов из уравнения регрессии: из 
насыщенной модели постепенно исключаются те элементы (переменные и их 
взаимодействия), которые не оказывают значимого воздействия. Данный ме-
тод построения модели относится к иерархическому логлинейному моделиро-
ванию. Так, если обнаружено статистически значимое взаимодействие четырех 
переменных, не проверяется (на предмет исключения из модели) взаимодей-
ствие трех из этих переменных, иначе модель не являлась бы иерархической 
по определению. Окончательный результат «подгонки» модели наиболее при-
емлем, если все оставшиеся в ней элементы оказываются статистически до-
стоверными.
Иерархические логлинейные модели относятся к очень сложному разделу стати-
стики, поэтому мы рекомендуем перед проведением логлинейного анализа обра-
титься к дополнительным источникам.




Достарыңызбен бөлісу:
1   ...   269   270   271   272   273   274   275   276   ...   304




©engime.org 2024
әкімшілігінің қараңыз

    Басты бет