一、操作
（1）先利用SPSS進行相關分析
相關分析顯示，各自變項之間的相關係數介於.530~.761，屬於中高程度的關聯強度。
（2）利用SPSS進行迴歸分析
自變項之間似乎存在多元共線性的現象。
（3）比對相關係數與迴歸係數
X13與Y1的相關係數為顯著的正值，但X13的迴歸係數卻是顯著的負值，顯示迴歸的結果已經因共線性的問題造成影響。
（4）利用NCSS，點選「File」→「Import」
讀取資料。
（5）選擇所讀取的檔案類型
由於資料為SPSS檔，所以類型選擇*.SAV。
（6）Select a File to Import
瀏覽資料檔案的所在位置。
（7）Next
Step1設定完，直接按下一步，而Step2直接按下一步。
（8）確認所讀取的變項
（9）按下Finish
由於資料為SPSS檔，所以類型選擇*.SAV。
（10）成功讀取資料
（11）點選「Analysis」→「Regression/Correlation」→「Ridge Regression」
（12）進入脊迴歸（Ridge Regression）的分析畫面
（13）在Variables頁面下，選擇依變項（Y：Dependent Variable）
若知道變項名稱，可直接輸入。
（14）選擇自變項（X：Independent Variable）
除了自己輸入變項名稱外，也可以透過右方向下箭頭圖示，進行變項的選擇。
（15）Final K（On Reports）
此處的功能，是當找到最佳的偏化係數後，以此偏化係數，將此偏化係數的脊迴歸分析結果列出，由於還未找到最佳的偏化係數，因此此處先略過。
（16）K Trial Values
偏化係數的處理，除了透過上方軟體已經預設的選項做處理之外，一般習慣是使用者自己設定，設定偏化係數為0~1之間，並以0.02為增量分別將結果求出，因此共會有50個結果。
（17）K Search
將Final K選到「Optimum」配合K Search，可讓軟體自動找出最理想的結果（不過試完的結果似乎不是很理想，因此最好還是由研究者自行判斷）；若結果未收斂，可提高最大疊代數（Max Iterations）。
（18）在Reports頁面下，Select Report
選擇需要呈現的結果，目前圖示皆為預設。
（19）Report Option
這邊最主要是可以對報表數值的小數位進行設定，目前圖示皆為預設。
（20）Select Plots
進行脊迴歸分析時，最重要的兩張圖為Ridge Trace（脊跡）與VIF Plot。
（21）Ridge Trace 進行脊跡圖的繪製時，X軸為偏化係數，Y軸為標準迴歸係數，每個線條即為各變項在不同偏化係數下所對應標準化係數的軌跡圖，但軟體預設在Horizontal Axis的Log Scale設定為Yes: Powers of Ten，會使X軸的偏化係數去取以10為底的log值，造成X軸並非等距尺度，因此建議更改為No。
（22）Ridge Trace 同上，進行VIF軌跡圖的繪製時，X軸為偏化係數，Y軸為VIF係數，每個線條即為各變項在不同偏化係數下所對應VID係數的軌跡圖，但軟體預設在Vertical Axis與Horizontal Axis的Log Scale設定為Yes: Powers of Ten，會使X軸的偏化係數及Y軸的VIF去取以10為底的log值，造成X軸與Y軸並非等距尺度，因此建議更改為No。
留言列表
{{ article.title }}