Руководство по анализу данных с помощью самой мощной и популярной
жүктеу/скачать 8,54 Mb. Pdf көрінісі
|
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. |